Argilla가 distilabel을 활용해 기술 문서 기반 챗봇 구축 파이프라인을 개발해 RAG 기반 도메인 특화 챗봇 배포
How we leveraged distilabel to create an Argilla 2.0 Chatbot
Sentence Transformers v3.0이 SentenceTransformerTrainer를 도입해 새로운 학습 접근 방식으로 임베딩 모델 파인튜닝 프로세스 재구성
Training and Finetuning Embedding Models with Sentence Transformers v3
Hugging Face Optimum Intel과 fastRAG를 활용해 BGE 임베딩 모델을 CPU 최적화하여 Xeon 기반 RAG 파이프라인의 문서 인덱싱·쿼리 인코딩·리랭킹 레이턴시 단축
CPU Optimized Embeddings with 🤗 Optimum Intel and fastRAG
Kusupati et al.이 Matryoshka Representation Learning 방식으로 임베딩 모델을 학습시켜 원본 크기의 8.3%만 사용하면서 98.37% 성능 유지
🪆 Introduction to Matryoshka Embedding Models
Hugging Face Inference Endpoints에서 Text Embeddings Inference를 통해 BAAI/bge-base-en-v1.5 모델을 배포해 OpenAI Embeddings 대비 64배 비용 절감
Deploy Embedding Models with Hugging Face Inference Endpoints