Gömme modeli (embedding model)
Metni (sözcük, cümle, belge) anlamını yakalayan bir sayı vektörüne çeviren model; anlamca benzer metinler vektör uzayında birbirine yakın düşer. Anlamsal aramanın, RAG’in ve öneri sistemlerinin motoru.
Üretken bir LLM metin üretir; gömme modeli ise her metin için sabit uzunlukta bir vektör (çoğunlukla 384–3072 boyut) üretir. Vektörler, uzaklık ya da kosinüs benzerliği anlam benzerliğine karşılık gelecek biçimde kurulur: “köpek” ile “yavru köpek” yakın, “köpek” ile “kuantum fiziği” uzaktır. Kullanım alanları: vektör arama (sorguya benzeyen belgeleri bulma), kümeleme, sınıflandırma, tekilleştirme, öneri. Örnekler: OpenAI text-embedding-3, Cohere Embed, açık kaynaklı BGE, E5 ve Sentence-Transformers (SBERT). “Bi-encoder” sorguyu ve belgeyi ayrı ayrı gömer (hızlı, dizinlenebilir); reranker/cross-encoder ise bir çifti birlikte değerlendirir (daha doğru ama daha yavaş). Vektör tabanlı yapay zekânın temel bileşenidir. Matryoshka gömme ve gömme kaymasıyla ilişkilidir.