<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>#ЛегковесныйИИ on Главная</title>
    <link>https://yakinin.com/ru/tags/%23%D0%BB%D0%B5%D0%B3%D0%BA%D0%BE%D0%B2%D0%B5%D1%81%D0%BD%D1%8B%D0%B9%D0%B8%D0%B8/</link>
    <description>Recent content in #ЛегковесныйИИ on Главная</description>
    <generator>Hugo -- 0.148.2</generator>
    <language>ru</language>
    <lastBuildDate>Fri, 05 Sep 2025 19:54:00 +0000</lastBuildDate>
    <atom:link href="https://yakinin.com/ru/tags/%23%D0%BB%D0%B5%D0%B3%D0%BA%D0%BE%D0%B2%D0%B5%D1%81%D0%BD%D1%8B%D0%B9%D0%B8%D0%B8/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Google EmbeddingGemma: Новый Претендент для RAG на Устройствах</title>
      <link>https://yakinin.com/ru/posts/20250905-google-embeddinggemma-on-device-rag/</link>
      <pubDate>Fri, 05 Sep 2025 19:54:00 +0000</pubDate>
      <guid>https://yakinin.com/ru/posts/20250905-google-embeddinggemma-on-device-rag/</guid>
      <description>&lt;p&gt;Обычно я использую OpenAI для эмбеддингов, но новая модель Google EmbeddingGemma — это заметное событие. Это не просто еще одна модель; это стратегический шаг, который демонстрирует реальные перспективы для улучшения конвейеров Retrieval-Augmented Generation (RAG), особенно в приложениях на устройствах и на периферии.&lt;/p&gt;
&lt;h2 id=&#34;что-такое-embeddinggemma&#34;&gt;Что такое EmbeddingGemma?&lt;/h2&gt;
&lt;p&gt;Google выпустила EmbeddingGemma как легкую, эффективную и многоязычную модель эмбеддингов. С объемом всего в 308 миллионов параметров, она разработана для высокой производительности в условиях ограниченных ресурсов. Речь идет не просто о создании меньшей модели; речь идет о создании &lt;em&gt;способной&lt;/em&gt; маленькой модели.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
