Nomic-Embed-Text-V1是一种开源、完全可重现的文本嵌入模型，为短文本和长文本任务树立了新的标杆。在透明度方面独树一帜，Nomic-Embed-Text-V1提供完全访问其训练代码、模型权重和包含2.35亿个文本对的大型数据集的...

微软的研究人员使用合成数据来训练基于Mistral的解码器，以改进嵌入技术。该技术是同类产品中最佳的。有趣的是，他们使用GPT-4的两步提示策略来生成合成检索训练数据。

最近，一项研究发现，使用迭代重新嵌入和将嵌入反演视为条件生成问题，使攻击者仅凭密集向量就能成功重现92％的嵌入文本，这引起了隐私问题的关注。这意味着虽然文本嵌入被广泛用于自然语言处理和机器学习任务，但其...