跳到主要内容
Embedding Threshold

Embedding 相似度阈值

相似度排序还不够,系统还要决定从哪个分数开始算“足够相关”。输入不同查询,再调整阈值,就能看到结果如何变化。

Embedding Threshold
返回原理演示
查看产品

用户查询

相似度排序还不够,系统还要决定从哪个分数开始算“足够相关”。输入不同查询,再调整阈值,就能看到结果如何变化。

用户查询

识别到的关键词

保留数量: 1

当前阈值: 0.75

合同续签审批材料

0.99

合 / 同 / 续 / 签 / 审 / 批 / 材 / 料

合同归档规范

0.64

合 / 同

法务审核补充要求

0.63

审 / 要

请假审批制度

0.60

审 / 批

会议纪要模板

0.37

发票报销流程

0.10

-

推荐下一步

推荐下一步

继续沿着相关主题看下去,会更容易把概念和工程实现串起来。

Text -> Vector -> Similarity -> Clusters

Embedding 向量空间

通过二维示意和相似度说明文本如何落入向量空间。

打开演示
Retrieve -> Score -> Rerank -> Keep Top Results

RAG 重排 Rerank

展示召回结果为什么还要重排,以及最终真正送进模型的片段通常只有少数几条。

打开演示
Query -> Retrieve -> Rerank -> Context -> Generate

RAG 检索增强生成

演示查询改写、召回、重排、拼接上下文与最终生成的完整流程。

打开演示