이 도구에 대해
두 개의 임베딩 벡터를 붙여넣어 코사인 유사도, 유클리드 거리, 내적을 계산하세요 — RAG 및 시맨틱 검색 작업을 위한 빠른 검증입니다. 100% 클라이언트 측.
자주 묻는 질문
코사인 유사도란 무엇이며 왜 임베딩에 사용하나요?
코사인 유사도는 크기를 무시하고 두 벡터 사이의 각도를 측정합니다 — -1(반대)에서 1(같은 방향)까지의 범위입니다. 대부분의 임베딩 모델이 의미를 벡터의 길이가 아닌 *방향*에 인코딩하기 때문에 임베딩의 표준 지표이며, 코사인 유사도가 원시 거리보다 의미적 근접성을 더 잘 포착합니다.
서로 다른 모델의 임베딩을 비교할 수 있나요?
일반적으로는 안 됩니다 — 이 도구는 벡터 길이가 같으면 기꺼이 숫자를 계산하지만, 서로 다른 모델의 임베딩은 (차원이 우연히 일치하더라도) 서로 다른, 호환되지 않는 벡터 공간에 존재합니다. 의미 있는 유사도 점수를 얻으려면 두 벡터가 정확히 같은 임베딩 모델에서 나와야 합니다.