Embedding（向量嵌入）

把文字、图片或商品变成一串数字，让含义或用途相近的对象在向量空间里更靠近。

Embedding 是学习得到的稠密向量表示，其几何关系编码与训练目标相关的相似性和结构。

模型通过预测或对比学习调整向量，使相关样本距离更近、不相关样本更远；相似度可用点积或余弦计算。

Embedding 的模型版本、维度、归一化方式和领域数据必须固定记录；更换模型后通常需要重新建索引并复测召回。