2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

AI笔记:对embedding的粗暴理解

发布日期:2025-12-31 21:40:07 浏览次数: 1976
作者:瓦乌摩

微信搜一搜,关注“瓦乌摩”

推荐语

用简单粗暴的方式理解AI术语,不再被专业名词吓退。

核心内容:
1. embedding的本质:用数字为词语打标签
2. 不同embedding技术的比较:word2vec、glove、FastText
3. embedding技术的局限:无法处理多义词和动态语义

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
精英们总喜欢拽词,最好是让人不明觉厉那种。之前是“拉通、对齐、抓手、露出、湖仓一体”这些中文,这两年是些AI相关的英文(prompt、embedding、RAG、Function Call、LangChain、Agent、Workflow、NLP2SQL...),过几年又不知道是什么。
这习惯本质上和穿戴奢侈品类似,一方面凸显自己的专业高级感,一方面制造社交距离。
可以预见的是,十年后只要不是专业开发人员,大都不会再提起这些,甚一如十年前看似重要的“J2ME 、MVC、SHH...”。
热词都会被时间内化到日常里,只留下最基础的含义,甚至什么都留不下。
写这篇,是想从非技术的视角记录对AI术语的理解,不求准确,只求简单粗暴,方便忘记时回来看看。
Embedding是个什么鬼?

这词直译是“嵌入”的意思,为了好计算,将复杂的高维向量转换为简单的低维向量。

忽略掉“高维/低维/向量”,在我看来embedding更有“替换”的意思,粗暴地说就是用数字打标签。类似将每个词编码为一串数字,类似于这个词的身份证号,而这串数字是唯一的。

比如龙傲天,这个词被embedding之后,就会变成“1,2,3,4,5,6,7,8”。现在计算机拿着一份花名册,要从名册上找到“龙傲天”,只用拿“1,2,3,4,5,6,7,8”去找就行了,比拿“龙傲天”三个汉字去找要容易。

到这儿,已经大致知道embedding是个啥货了,和别人吹一个牛基本够用。要吹更多得牛,得再深入一些。

上面的玩法是word2vec,属于词向量的技术(word embedding),顾名思义就是只玩词的,图片视频啥的玩不了。word2vec还能对那串数字进行加减法,比如“国王 - 男人 + 女人 = 女王”。

词向量模型再进一步,就有了glove技术。虽然不知道它为什么要叫手套,但这玩意能通过全局的词频统计,来生成向量,对语义的理解,比word2vec就要深一些。

通过检索全局就能知道龙傲天、库日天、叶良辰等人经常在一起玩,用glove为花名册生成向量时,他们几个的编码就会比较接近。

龙傲天:1,2,3,4,5,6,7,8

库日天:1,2,3,4,5,6,8,7

叶良辰:1,2,3,4,5,8,7,6


接着,如果有些不知道的生僻词,模型很难理解其中的意思。于是FastText登场,它主要靠拆词来理解,有点通过偏旁部首认字的意思。比如它能通过“钅”和“同”,推断“铜”是个金属元素。

经过FastText这一顿embedding后,模型就有了理解新词的能力。

但不管是word2vec还是FastText,它们都只能embedding出静态向量,即每个词只有一个唯一的编码,意味着不能区分多义词。

假设花名册里有两个叫龙傲天的人,给到的编码也只会是一样的。
同理,用英文说一句:河岸(bank)边的银行(bank),俩bank不是一回事儿,模型就只会把bank理解成一个意思。

遇到问题,解决问题,ELMo应运而生。
它不再给每个词赋予一个唯一的编码,而是能够结合上下文动态地为不同句子里的同一个词给出编码。
比如“我在吃苹果”这句话中的“苹果”,指的是粮食类,编码是9,5,2,7。
比如“我用的是苹果”这句话中的“苹果”,指的是手机类,编码是8,3,8,4。
到这里,模型就从对词义的理解,进化到了对语境的理解。

更加深度的理解,就得到Transformer架构的出现。
BERT模型采用双向Transformer,GPT模型采用的是单向Transformer。一个重在理解类任务,一个长于生成式任务。
例如你告诉GPT:“我叫龙傲天,我的少爷叫刘波...”
GPT会自动为你续写:“我龙傲天誓死守护刘波!”

Transformer架构,可以看作是现在大语言模型的基础,有了这个架构,大模型才能被训练出来。这是个更复杂的话题,用人话讲明白不太容易。

总的来说,上面一步步地进化,就是让模型更加准确地理解语义,使embedding更加精准,从而更好地进入到下一步的任务中。

什么任务?举个例子,电商里常见的推荐任务,怎么推荐才能让你看到最适合你的商品?

你在平台的行为数据,乃至平台能获取的你在平台外部的行为数据,都可以embedding为向量。万物皆可embedding,你和商品的关系,商品和商品的关系,你和其他用户的关系,其他用户和商品的关系等等。

其中你和商品的关系就能分为:商品类别,价格,你的浏览时长,是否下单,浏览频次....
据说阿里的商品向量至少是768维的,即用768个数字描述一个商品,这还是省成本的妥协。字节Seed1.5-Embedding模型,向量维度最高能到2048。

写到这里,有点唏嘘。AI时代把一切都向量化,大家都是行走的数字。

AI不仁,以万物为养料?

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅