检索增强生成（RAG）是生成式 AI （GenAI）中的一类应用，支持使用自己的数据来增强 LLM 模型（如 ChatGPT）的知识。
RAG 通常会用到三种不的AI模型，即 Embedding 模型、Rerankear模型以及大语言模型。本文将介绍如何根据您的数据类型以及语言或特定领域（如法律）选择合适的 Embedding 模型。
1
文本数据：MTEB 排行榜
HuggingFace 的 MTEB leaderboard 是一个一站式的文本 Embedding 模型榜！您可以了解每个模型的平均性能。
您可以将“Retrieval Average”列进行降序排序，因为这最符合向量搜索的任务。然后，寻找排名最高、占内存最小的模型。
-
Embedding 向量维度是向量的长度，即 f(x)=y 中的 y，模型将输出此结果。
-
最大 Token 数是输入文本块的长度，即 f(x)=y 中的 x ，您可以输入到模型中。
除了通过 Retrieval 任务排序外，您还可以根据以下条件进行过滤：
-
语言：支持法语、英语、中文、波兰语。（例如：task=retrieval,
Language=chinese）
-
法律领域文本。
（例如：task=r