Embedding 模型是怎么训练的？难负例怎么挖？

一句话速记：对比学习：同一批里正样本对拉近、其他样本当负例推远，损失是 InfoNCE。分两阶段：大规模弱监督的文本对预训练，再用高质量标注数据加难负例微调。难负例用检索模型找「排名靠前但不相关」的文档，要过滤掉其实是正例的假负例。

Embedding

同章节的其他八股

• RAG 的基本流程和各环节的优化点？
• 什么时候用 RAG，什么时候用微调？
• 向量检索为什么还要结合 BM25？
• Bi-Encoder 和 Cross-Encoder 有什么区别？
• 文档切块（Chunking）有哪些策略？块大小怎么选？
• GraphRAG 是什么？适合什么场景？
• RAG 系统怎么评估？
• 什么是 Agentic RAG？和普通 RAG 有什么区别？
• PDF 和表格解析有哪些难点？怎么做？
• BM25 和 TF-IDF 的区别？
• HNSW 和 IVF 索引的原理？怎么选？
• 为什么需要重排序（Rerank）？