Как я учил компьютер понимать 122 000 фотографий — и почему сложностью оказались не нейронки, а слова

Я крайне редко на фрилансе получал заказы связанные с DS/ML, специалистов для таких задач обычно ищут не там. Причины разные: они требуют долгой интеграции, заказчик сам не понимает задачу, DS более конфиденциален, DS часто возникают внутри продукта, да и в последнее время этот сегмент на фрилансе съедается при помощи LLM: AI integration, RAG боты например. Но, внезапно, мне в личку постучались с таким проектом.

https://habr.com/ru/articles/1010932/

#computer_vision #machine_learning #clip #embeddings #классификация_изображений #zeroshot_learning #уменьшение_размерности_данных #фриланс #продуктовая_разработка #onnx

It's becoming more and more common for agents to skip embedding search entirely. It seems like they do just fine with grep, find and other command-line tools!

How is that possible? Is an agent equipped with a few keyword-search tools really able to outperform a vector DB?

Let's find out.

https://www.zansara.dev/posts/2026-03-15-vector-dbs-vs-grep/

#AI #AIAgents #Embeddings

Gemini Embedding 2 + мультимодальный RAG: эмбеддим видео и картинки — разбор и туториал

10 марта Google выкатил Gemini Embedding 2 - embedding-модель, которая умеет превращать в векторы не только текст, но и картинки, видео, аудио и PDF. Причем все это ложится в одно векторное пространство. Раньше если вы хотели искать по видеобиблиотеке через RAG, приходилось городить огород: транскрибировать аудиодорожку, описывать кадры через Vision LLM, склеивать в текст, и только потом эмбеддить. Каждый шаг - потеря информации. Теперь можно скормить модели MP4 напрямую, и текстовый запрос «как настроить авторизацию» найдёт и статью из базы знаний, и фрагмент видеоинструкции. Но сама по себе модель не решает проблему. LLM не может «прочитать» MP4, поэтому найденное видео без текстового описания - может быть бесполезно. Ключ - в правильной архитектуре: нативный эмбеддинг для поиска + параллельная генерация текстового описания для LLM: два канала, которые работают вместе и выводят мощь RAG наполную катушку. В этой статье разберем что нового в Gemini Embedding 2 и построим полноценный мультимодальный RAG с нуля - Python, Supabase, Gemini API. P.S. С кодом.

https://habr.com/ru/articles/1010030/

#rag #rag_ai #gemini #embeddings #базы_данных #ai #aiagents #postgresql #sql

Prince Canuma (@Prince_Canuma)

mlx-embeddings v0.1.0 출시: 새 모델로 Alibaba의 Qwen3 VL Embedding 및 Reranker와 ColDefics3(LoRA 어댑터 및 ColVision 프로세서 포함)이 추가되었습니다. NVFP4·MXFP4·MXFP8 양자화 지원이 도입되었고, Gemma3의 양방향 모델 임베딩 품질 수정이 포함됩니다.

https://x.com/Prince_Canuma/status/2032890809847029896

#mlxembeddings #embeddings #qwen3 #coldefics3 #quantization

Семантический поиск vs полнотекстовый: сравниваем три embedding-модели на 10 000 категорий Ozon

Сравнил полнотекстовый поиск PostgreSQL ( tsvector / tsquery + GIN-индекс) с семантическим поиском через pgvector ( cosine distance ) на датасете из 10 019 товарных категорий Ozon. Три embedding-модели: GigaChat EmbeddingsGigaR (Сбер, 2560-мерные векторы, API) Qwen3-Embedding-0.6B (Alibaba, 1024-мерные, локальный инференс через HF Text Embeddings Inference на GPU) text-embedding-3-small (OpenAI, 1536-мерные, API) Прогнал 18 запросов в пяти категориях: синонимы и сленг, intent-запросы в свободной форме, подарочная тематика, cross-lingual (EN-запросы к RU-данным), абстрактные формулировки. Замерил латентность и top-5 с cosine similarity score. Разбор каждого запроса, таблицы и код — под катом.

https://habr.com/ru/articles/1010200/

#искусственный_интеллект #gigachat #openai #qwen #embeddings

Step-by-step RAG tutorial: build retrieval-augmented generation systems with vector databases, hybrid search, reranking, and web search. Architecture, implementation, and production best practices.

#AI #LLM #RAG #Embeddings #Reranking #Vector Database #Fine-Tuning

https://www.glukhov.org/rag/

Google AI Studio (@GoogleAIStudio)

멀티모달 검색 데모 체험용 링크 안내: multimodal_search 데모를 시도해보라는 단축 링크로, Gemini Embedding 2 기반의 멀티미디어 통합 검색 데모를 직접 사용해볼 수 있도록 연결합니다.

https://x.com/GoogleAIStudio/status/2032145395384795196

#multimodal #demo #aistudio #embeddings

Google AI Studio (@GoogleAIStudio)

Gemini Embedding 2 발표: 텍스트·이미지·오디오·비디오·문서를 단일 벡터 공간으로 통합하여 모든 미디어에서 동시에 검색 가능하게 하고, 데이터 포맷과 상관없이 의미적 매칭을 찾을 수 있게 하는 멀티모달 임베딩 기술입니다. 멀티모달 검색 데모로 시연 가능하다고 안내합니다.

https://x.com/GoogleAIStudio/status/2032145393967038583

#gemini #embeddings #multimodal #search

Thor 雷神 (@thorwebdev)

Gemini로 멀티모달 임베딩을 생성한 뒤 pgvector와 Supabase에 저장·검색할 수 있다는 안내입니다. 텍스트·이미지·비디오·오디오·문서 등 여러 모달리티에 대해 유사도 검색을 수행하는 개발자용 워크플로우 통합 사례를 소개합니다.

https://x.com/thorwebdev/status/2031747774174183776

#gemini #pgvector #supabase #multimodal #embeddings

Google AI Developers (@googleaidevs)

Gemini Embedding 2가 공개되었습니다. Gemini 아키텍처 기반의 가장 강력하고 처음으로 완전 멀티모달을 지원하는 임베딩 모델이며, 현재 Gemini API와 Vertex AI에서 프리뷰로 제공되어 멀티모달 임베딩을 활용한 애플리케이션 개발을 시작할 수 있습니다.

https://x.com/googleaidevs/status/2031421430718415051

#gemini #embeddings #multimodal #vertexai #api