FFM-embedding-v2(含 v2.1)、FFM-embedding
Embedding 模型可以將複雜的文本轉換為一組向量，轉換成更容易處理和理解形式的同時，仍保留關鍵信息，有助於進行解析文本、關鍵字分析、簡單分類文本內容等任務。
FFM-embedding 建立知識庫的向量資料集，將每個字詞轉換成數字序列，並定義向量的每個維度對應到的字詞。兩個向量之間的距離可以衡量字詞之間的關係性，距離近表示高度相關，反之則是低相關，使得電腦能夠理解字詞之間的相關程度，幫助模型進行訓練。
FFM-embedding-v2 增強了與 OpenAI API 的兼容性並提升了上下文長度(context window)，提供更強的繁中語意處理能力，以及能在繁中語意空間中檢索到更準確的語句。使用者可以透過 API 更靈活地設置參數來強化 embedding 的正確性，以及調整 向量維度(dimension) 設定讓使用者的向量儲存空間的使用率最佳化。
FFM-Embedding-v2.1 為 v2 的強化版本，以繁中法律文本加強訓練，在法律情境的問答語意判斷更精確，且在 MTEB 及 DRCD 中英評測分數皆高於 FFM-embedding-v2。
FFM-embedding 系列均可在 AFS ModelSpace 公用模式與私有模式進行部署。