Embedding 全景工作台

3D 向量星图 · 经典向量算术 · MRL 套娃实验室 · 相似度热力图 · 训练直觉——六个视角理解 Embedding

相似度连线

点击选中一个词，查看 Top-5 最近邻和 cosine similarity。Hover 两个词可实时显示相似度。

关于 Embedding

Embedding（嵌入）是将离散符号（词、句子、图像）映射到连续向量空间的技术。在这个空间中，语义相似的对象距离更近。这是现代 AI 理解世界的基础。

从 2013 年 Word2Vec 到 2026 年的多模态统一 Embedding（如 Gemini Embedding），这项技术已经从"词"扩展到文本、图像、音频、视频的统一表示。 2025-2026 年两大关键创新——MRL 套娃嵌入（一份向量按需截断）和Binary Quantization（二值化极致压缩）——正在让 Embedding 更加高效。

为什么重要？Embedding 是 RAG、语义搜索、推荐系统、多模态理解的核心。理解 Embedding 空间的几何结构，有助于理解 LLM 如何"思考"。

⚠️ 本工具使用 50 维确定性伪向量用于教学演示。实际 Embedding 模型（如 text-embedding-3-large）使用 3072 维，在真实语料上训练后，类比和聚类效果远比此处精确。