BGE-M3
BAAI · China
Über das Modell
Ein Einbettungsmodell erzeugt aus Text einen Zahlenvektor, über den sich inhaltliche Ähnlichkeit berechnen lässt. Das ist die Grundlage jeder semantischen Suche und jedes RAG-Aufbaus: Erst wird gesucht, welche Absätze zur Frage passen, dann bekommt das Sprachmodell nur diese Absätze zu sehen.
BGE-M3 arbeitet mehrsprachig, verkraftet lange Eingaben und liefert drei Ähnlichkeitsmaße in einem Durchgang. Die Lizenz ist MIT.
Für Datenschutz ist das der wichtigste Baustein im Katalog, auch wenn er der unscheinbarste ist: Wer seine Dokumente selbst einbettet und selbst durchsucht, muss den Bestand nie an einen Suchdienst geben. Ein Hinweis dazu gehört allerdings dazu – aus Einbettungen lässt sich der Ausgangstext in Teilen rekonstruieren. Sie sind keine Anonymisierung, und der Vektorbestand braucht denselben Schutz wie das Original.
Stärken
Kurz gesagt
Einbettungen für eigene Suche und RAG, MIT-Lizenz