text-embedding-ada-002
OpenAI 推出的文本嵌入模型，将文本映射到高维连续向量空间，用于语义搜索、相似度计算等任务，是最常用的商业 Embedding 模型之一。
核心事实
时间轴 (近 90 天)
嵌入模型是将离散输入映射为稠密向量的神经网络模型，代表有OpenAI的text-embedding-ada-002、Voyage AI的voyage系列，以及开源的BGE、E5、GTE等。
不同模型（如 GPT-4、GPT-3.5、text-embedding-ada-002）使用的是不同的 tokenizer，同一段文本在不同模型下的 token 数量可能不同。
嵌入相似度方法将文档和概念描述编码为高维向量，通过余弦相似度等度量判断语义接近程度，依赖预训练句子编码器如Sentence-BERT、text-embedding-ada-002
常用嵌入模型包括OpenAI的text-embedding-ada-002和可本地运行的sentence-transformers
cl100k_base 是 GPT-4 和 text-embedding-ada-002 等模型采用的具体词表
全部知识事实 (11)
OpenAI 的 text-embedding-3-small 模型会将文本转换为 1536 维的浮点数数组
80%已验证OpenAI的text-embedding-ada-002和开源的BGE系列是常用的Embedding模型
80%已验证Embedding模型本质上是Encoder-only Transformer架构，代表为BERT及其变体，通过对比学习或掩码语言模型任务预训练
65%待验证知识库检索中，文档分段后每个文本块通过嵌入模型（如text-embedding-ada-002或BGE系列）转换为高维向量存储在向量数据库中
90%待验证OpenAI的text-embedding-ada-002和开源的sentence-transformers系列是常用的嵌入模型
60%待验证现代Embedding模型（如OpenAI的text-embedding-ada-002、阿里的千问Embedding系列）能够将整个句子或段落编码为固定维度的稠密向量，通常为768维或1024维
60%待验证嵌入模型是将离散输入映射为稠密向量的神经网络模型，代表有OpenAI的text-embedding-ada-002、Voyage AI的voyage系列，以及开源的BGE、E5、GTE等。
50%待验证不同模型（如 GPT-4、GPT-3.5、text-embedding-ada-002）使用的是不同的 tokenizer，同一段文本在不同模型下的 token 数量可能不同。
50%待验证嵌入相似度方法将文档和概念描述编码为高维向量，通过余弦相似度等度量判断语义接近程度，依赖预训练句子编码器如Sentence-BERT、text-embedding-ada-002
50%待验证常用嵌入模型包括OpenAI的text-embedding-ada-002和可本地运行的sentence-transformers
50%待验证cl100k_base 是 GPT-4 和 text-embedding-ada-002 等模型采用的具体词表
50%