Bookmarks

@yoonsooの保存した知識

5保存済み

KO4

EN1

Sarah Chen

@sarah_embeddings · 11h

✦cross-lingual

EN→JA· Embeddingsで翻訳

8 min read

Gemini Embedding 2でクロスリンガル検索を構築する

Gemini Embedding 2はクロスリンガルなセマンティック検索において本当に印象的だ。韓国語の技術文書と英語のクエリでテストしたが、明示的な翻訳なしでもコサイン類似度が一貫して維持される。

혁

박준혁

@junhyuk_infra · 17h

✦cross-lingual

KO→JA· Embeddingsで翻訳

12 min read

pgvectorプロダクション導入ガイド：10万ベクター以下なら十分だ

PostgreSQL + pgvectorを6ヶ月運用した結果、10万ベクターまでは別途インフラなしで十分高速だ。HNSWインデックスのチューニングとパーティショニング戦略を共有する。

민

김민준

@minjun_dev · 7h

✦cross-lingual

KO→JA· Embeddingsで翻訳

Rustの所有権システムを6ヶ月使ってみた率直なレビュー。最初はコンパイラと格闘している感覚だったが、今はなぜこう設計されているのかが分かる。borrow checkerを体得すると、ランタイムエラーになり得るバグがコンパイル時に検出される。

rustoriginal preserved

fn main() {
    let s1 = String::from("hello");
    let s2 = s1; // s1 is moved
    // println!("{}", s1); // compile error!
    println!("{}", s2);
}

Yoonsoo Kim

@yoonsoo · 2w

KO→JA· Embeddingsで翻訳

クロスリンガル埋め込みモデル比較結果：Gemini Embedding 2 > multilingual-e5-large > LaBSE の順。特に韓国語-英語ペアでGemini 2が圧倒的。ただしAPIコストが変数。オープンソースを使うならmultilingual-e5-largeを推奨。

pythonoriginal preserved

import google.generativeai as genai

result = genai.embed_content(
    model="models/gemini-embedding-2-preview",
    content="ベクターDB性能比較",
    task_type="RETRIEVAL_QUERY",
)
print(result["embedding"][:5])

연

이서연

@seoyeon_ml · 13h

✦cross-lingual

KO→JA· Embeddingsで翻訳

ベクターDB比較：Qdrant vs Pinecone vs Weaviate。Qdrantはパフォーマンスとself-hostingの柔軟性。Pineconeはzero-ops体験。WeaviateはGraphQLが必要な時。サイドプロジェクトならQdrantローカル→トラクションが出てきたらmanagedへ。