Welke bewering beschrijft embeddings in generatieve AI nauwkeurig?

Embeddings zijn numerieke representaties, meestal in de vorm van hoogdimensionale vectoren, die de semantische betekenis en relaties tussen data (zoals woorden, zinnen, afbeeldingen of andere entiteiten) vastleggen. Dit maakt het voor generatieve AI-modellen mogelijk om deze relaties te begrijpen en te verwerken. De optie over het doorzoeken van data beschrijft retrieval-augmented generation (RAG), niet embeddings zelf. De bewering over het verminderen van hardwarevereisten verwijst naar kwantisatie of mixed-precision training, wat een optimalisatietechniek is, geen definitie van embeddings. De laatste optie beschrijft een vector database of een kennisbank, die embeddings gebruikt maar niet definieert wat embeddings zijn.