← Todos los temas

Artículos: Embeddings

6 artículos sobre este tema.

Reranker en RAG: qué es el reranking y el cross-encoderConceptos

Reranker en RAG: qué es el reranking y el cross-encoder

Un reranker reordena los pasajes que encuentra un RAG antes de pasarlos al LLM. Cross-encoder, bi-encoder, RRF, coste y latencia: cuándo compensa usarlo.

Agentic RAG: ¿cuántos documentos puede tratar un RAG?Conceptos

Agentic RAG: ¿cuántos documentos puede tratar un RAG?

Un RAG casero se queda en unos pocos miles de documentos por agente, menos si se parecen. Un agentic RAG que filtra antes de buscar trata más de 100.000.

Reranking RAG con Jev: nuestro uso real en producciónGuía

Reranking RAG con Jev: nuestro uso real en producción

Jev como reranker en un RAG: nuestro uso en producción del modelo de TypeSafe, notas asignadas, extractos conservados, tiempo de respuesta y coste.

8 min
Hybrid search: las 6 formas de encontrar informaciónConceptos

Hybrid search: las 6 formas de encontrar información

Hybrid search explicada: búsqueda semántica, palabras clave, herramientas de negocio, consulta a base de datos, catálogo y tratamiento a medida para un agente.

Embeddings: lo que nos enseñó una demo fallidaConceptos

Embeddings: lo que nos enseñó una demo fallida

API de embeddings lentas y dependencia de un proveedor: nuestra experiencia en producción y por qué ATG llama en paralelo a Qwen 3 Embedding 8B.

4 min
RAG en IA: qué es y cómo conectar un LLM a tus documentosTutorial

RAG en IA: qué es y cómo conectar un LLM a tus documentos

¿Qué es el RAG en IA? Retrieval Augmented Generation explicado: funcionamiento, elección del LLM, búsqueda híbrida, RAG agéntico y experiencia en producción.