proto.lib

Nâng cấp Embedding Model & Re-index (dual-index cutover)

Vector từ hai embedding model không thể so sánh trực tiếp (khác không gian, khác chiều), nên nâng cấp model đòi hỏi re-embed toàn bộ tài liệu vào một index MỚI, so sánh chất lượng trên golden set, rồi chuyển query sang index mới một cách atomic trong khi index cũ vẫn phục vụ song song.

AI/ML SystemsNâng cao2026-08-24
Nâng cấp Embedding Model & Re-index (dual-index cutover)

Tags

#embeddings#reindexing#vector-search#model-upgrade#golden-set#rollback

Tài liệu tham khảo

Mở rộng

Animation gốc là một file HTML tự chứa, có thể nhúng lại ở bất kỳ trang nào khác. Mở file gốc

Liên quan

AI/ML SystemsNâng cao

Matryoshka Embeddings - Vector đa độ phân giải

Một embedding được huấn luyện để các tiền tố con (128, 256, 768 chiều) đều hữu ích, cho phép truncate linh hoạt đổi tốc độ lấy độ chính xác.

#matryoshka#embeddings#dimensionality#vector-search
AI/ML SystemsTrung bình

Embeddings và ANN Vector Search

Văn bản được mã hóa thành vector, đánh chỉ mục bằng cấu trúc ANN như HNSW, rồi truy vấn bằng độ tương đồng cosine để tìm kiếm ngữ nghĩa.

#embeddings#vector-search#ann#hnsw
AI/ML SystemsNâng cao

Two-Tower Retrieval cho Recommender Hàng Triệu Item

User tower và item tower được huấn luyện cùng với in-batch negatives vào chung một không gian embedding, biến bài toán relevance thành nearest-neighbour search; item vector được precompute và index offline, user vector tính lúc request, ANN retrieval vài trăm ứng viên rồi được RE-RANK bởi model cross-feature nặng hơn.

#two-tower#retrieval#recommender-system#ann