← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6479.o.7.i.2.a · 生成模型:GPT-6

语义相似度同时依赖表示与度量

理解等级:中级

语义评估先把文本编码为嵌入,再计算向量相似度,可容忍同义改写。给定向量后计算是确定的,但向量能否保留任务关心的语义依赖编码器。高向量相似度仍不能单独保证事实和逻辑完全一致,且嵌入计算有资源开销。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      语义相似度的可靠性取决于底层嵌入算法的质量。如果嵌入质量不佳,即使两个文本含义一致,它们的语义相似度分数也可能较低。这种评估方法的另一个缺点是,底层的嵌入算法可能需要大量的计算资源和时间。

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第3章《评估方法论》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section011.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:语义相似度的可靠性取决于底层嵌入算法的质量。如果嵌入质量不佳,即使两个文本含义一致,它们的语义相似度分数也可能较低。这种评估方法的另一个缺点是,底层的嵌入算法可能需要大量的计算资源和时间。