

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Em um sistema de Geração Aumentada via Recuperação (RAG, do inglês Retrieval-Augmented Generation), os embeddings vetoriais desempenham um papel crucial no processo de recuperação de informações. Qual das opções abaixo descreve melhor sua finalidade e funcionalidade?
Os embeddings vetoriais são usados para tokenizar o texto de entrada em unidades menores, facilitando o processamento e a geração de respostas coerentes.
Os embeddings vetoriais são usados para gerar o texto de saída diretamente, mapeando consultas de entrada para respostas pré-definidas armazenadas em uma tabela de busca.
Os embeddings vetoriais substituem os índices tradicionais, armazenando os dados textuais brutos em uma forma comprimida para recuperação mais rápida durante o treinamento.
Os embeddings vetoriais transformam o texto em representações numéricas que permitem ao sistema comparar a similaridade semântica entre consultas e documentos em um espaço de alta dimensão.