RAG पाइपलाइन में टेक्स्ट चंक्स निकालने के बाद अगला महत्वपूर्ण कदम क्या है?	उपयोगकर्ता से प्रश्न या क्वेरी प्राप्त करना और संबंधित चंक्स को संदर्भ (context) के रूप में उपयोग करना।
उपयोगकर्ता के प्रश्न से संबंधित टेक्स्ट चंक्स खोजने की प्रक्रिया को किस प्रकार की समस्या माना जाता है?	यह एक खोज समस्या (Search Problem) है।
RAG पाइपलाइन में संबंधित टेक्स्ट चंक्स खोजने के लिए सबसे आम तरीका क्या है?	सिमेंटिक सर्च (Semantic Search) का उपयोग करना।
सिमेंटिक सर्च किस तकनीक का उपयोग करके टेक्स्ट के अर्थ को बेहतर ढंग से समझता है?	टेक्स्ट एम्बेडिंग (Text Embeddings) का उपयोग।
टेक्स्ट एम्बेडिंग क्या है?	किसी टेक्स्ट में निहित अर्थ का एक संख्यात्मक प्रतिनिधित्व (numerical representation)।
टेक्स्ट एम्बेडिंग किस चीज़ द्वारा उत्पन्न किए जाते हैं?	एम्बेडिंग मॉडल (Embedding Model) द्वारा।
एम्बेडिंग मॉडल टेक्स्ट इनपुट के रूप में क्या आउटपुट देता है?	संख्याओं की एक लंबी सूची (a long list of numbers)।
टेक्स्ट एम्बेडिंग में संख्याओं की सीमा (range) क्या होती है?	-1 से +1 तक।
एम्बेडिंग के अंदर प्रत्येक संख्या क्या दर्शाती है?	इनपुट टेक्स्ट की किसी विशेष गुणवत्ता (quality) का स्कोर।
Vertex पर टेक्स्ट एम्बेडिंग बनाने के लिए उपयोग किए जाने वाले विशिष्ट मॉडल का नाम क्या है?	text-embedding-005।