
Quando lavoriamo con sistemi RAG, gli embeddings rimangono spesso concetti astratti: vettori a 768 dimensioni che rappresentano il significato semantico dei testi. Ma cosa succederebbe se potessimo ''vedere'' questi vettori? In questo articolo esploreremo come visualizzare gli embeddings del nostro mini RAG farmaceutico esaminato nel precedente articolo, proiettandoli su un piano bidimensionale per comprendere visivamente come il sistema identifica i documenti più rilevanti.














