AI和NLP模型用于捕获文本中真实世界对象和概念含义的数字向量表示，用什么术语来描述？

Embeddings（嵌入）是将文本中的真实世界对象和概念转换为低维连续向量表示的技术。这些向量能够捕获词语或短语之间的语义关系，使得相似的词在向量空间中彼此靠近，从而让机器学习模型能够理解和处理文本的含义。Tokens（词元）是文本被分解成的最小单位，如单词或子词，它们是嵌入过程的输入，而不是嵌入本身。Models（模型）是执行特定任务的算法或系统，嵌入是模型可能使用的一种数据表示形式，而不是表示本身。Binaries（二进制文件）通常指计算机可执行文件或非文本数据，与文本的语义表示无关。