什么是嵌入（embedding）的核心思想？	嵌入将文本转换为坐标，使得语义相似的概念在多维空间中彼此靠近。
传统字符串搜索与基于嵌入的搜索有什么区别？	传统搜索基于字符串匹配，而嵌入搜索基于语义意义，能找到同义词和相关概念。
在二维空间中，如何进行相似性搜索？	将查询问题绘制在与文档相同的坐标系中，然后找到最近的k个项目。
嵌入模型使用多少个维度？	真实的嵌入模型通常使用约1000个维度（例如VoyageAI模型使用1024个维度）。
嵌入空间中的维度轴代表什么？	维度的含义是从训练数据中自动产生的，无法被人类命名或解释，是一个黑盒。
嵌入模型的输入和输出是什么？	输入是任意长度的文本，输出是固定长度的数字列表（向量）。
什么是余弦相似度（cosine similarity）？	余弦相似度是衡量两个向量相似程度的方法，基于向量指向的方向而非距离。
为什么可以在高于4维的空间中进行相似性搜索？	虽然人类无法可视化4维以上的空间，但距离计算的数学原理仍然适用。
嵌入模型输出的向量长度是否取决于输入文本的长度？	不取决于。无论输入是三个词还是三段落，输出向量长度始终相同。
在嵌入空间中，"最近"的含义是什么？	"最近"指的是两个向量之间的余弦相似度最高，即向量指向的方向最相似。