Why Glean Builds Custom Embedding Models for Every Customer

摘要

介紹了 Glean 企業搜尋平台如何為每個客戶建立專屬的嵌入模型，以解決企業資料的異質性與公司特定語義問題。透過持續學習使用者反饋與更新模型，Glean 實現了 20% 的搜尋效能提升。文章強調了混合搜尋策略、基於「權威性」的資料處理方式以及針對特定應用場景的訓練資料生成方法，為企業搜尋系統提供了可實踐的架構建議。

Glean builds custom embedding models for every customer to address enterprise data heterogeneity and company-specific semantics. By continuously learning from user feedback and updating models, Glean achieves a 20% search performance improvement. The article highlights hybrid search strategies, data…

重點

• Glean 為每個客戶建立專屬嵌入模型，解決企業資料異質性與公司語義問題。
• 透過持續學習使用者反饋與更新模型，實現 20% 搜尋效能提升。
• 混合搜尋策略與基於「權威性」的資料處理方式能提升長期資料相關性。

提到的工具與公司

• BERT
• Slack

適合誰看

企業資訊科技人員、搜尋系統開發者、RAG 架構師。

摘要依據

講者

Jason Liu

依據

文章全文

為什麼排在這裡

人氣

0.75

新鮮

0.23

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• The Complete Guide to Hybrid Search in RAG (BM25 + Embeddings + Reranker)影片 ・ Dave Ebbelaar ・ 59 分鐘（在新分頁開啟原站）
• Retrieval Augmented Generation (RAG) Explained: Embedding, Sentence BERT, Vector Database (HNSW)影片 ・ Umar Jamil ・ 49 分鐘（在新分頁開啟原站）
• ChatGPT 實戰課：利用不同資料源打造創新產品／王鵬傑 ExplainThis.io Co-Founder | #gaiconf #生成式AI年會#generativeai#genai 2023影片 ・ Generative AI 年會 ・ 30 分鐘（在新分頁開啟原站）
• Arvind Jain on Building Glean and the Future of Enterprise AIPodcast ・ Gradient Dissent ・ 44 分鐘（在新分頁開啟原站）
• Retrieval Augmented Generation (RAG), Search, and Vector Databases影片 ・ Luis Serrano Academy ・ 19 分鐘（在新分頁開啟原站）
• JSDC 2024 - 向量搜尋與Embedding Model的進階應用影片 ・ JSDC.tw ・ 26 分鐘（在新分頁開啟原站）