28
如何选择一个合适的Embedding模型？评估指标有哪些？
RAG检索增强生成中等
📋 面试问题
如何选择一个合适的Embedding模型？评估指标有哪些？
✅ 期望回答
选择因素：
- 语言支持：中文场景选支持中文的模型（如BGE、GTE、text2vec）
- 向量维度：768d（平衡）、1024d（高精度）、384d（低延迟），更高维度通常精度更好但检索更慢、存储更大
- 最大序列长度：512（短文本）、8192（长文档）
- 领域适配：通用模型（BGE-M3、text-embedding-3）vs 垂类（代码CodeBERT、医学PubMedBERT）
- 开源 vs API：开源可本地部署保护数据隐私，API更方便但成本随量增长
- MTEB Leaderboard（中文/英文）：检索、分类、聚类、语义相似度等多维度评分
- 自有数据Retrieval Recall@K：在业务知识库上评估召回率（最直观实用的指标）
- 检索速度/吞吐量：本地部署时的QPS和延迟
- 中文：BGE-M3、GTE-Qwen2、Jina Embeddings v2
- 英文：BGE-M3（多语言）、text-embedding-3-large（OpenAI API）、E5-Mistral
- 多语言：BGE-M3（支持稀疏+密集混合检索）
#Embedding#向量模型#MTEB