Was sind Embeddings und Reranker?
Embeddings
Abschnitt betitelt „Embeddings“Embeddings wandeln Text in numerische Vektoren um, sodass semantische Ähnlichkeit messbar wird. Typischer Anwendungsfall ist die Suche in einer Vektor-DB.
noris Modell: Harrier OSS v1 0.6B
Reranker
Abschnitt betitelt „Reranker“Ein Reranker ist ein zweistufiger Filter: Er bewertet Query und Passage paarweise (paarweiser Vergleich) und liefert so eine präzisere Sortierung als die reine Embedding-Suche.
noris Modelle:
- BGE Reranker v2 M3 (XLM-RoBERTa, 0,6B)
- Jina Reranker v2 (0,3B)
Warum zwei Modelle? Sie basieren auf verschiedenen Architekturen und Profilen und decken damit unterschiedliche Sprach- und Domänenanforderungen ab.
Embeddings und Reranker sind oft der unsichtbare Teil einer RAG-Lösung: Ohne gutes Retrieval liefert selbst das beste LLM schwache Antworten. Es lohnt sich daher, in diese beiden Komponenten zu investieren, sie entscheiden maßgeblich über die Qualität Ihrer Ergebnisse.