Кейс 5. Semantic search через RubixML (k-NN поверх embeddings)

Идея Показать, что классические ML-алгоритмы отлично работают поверх embeddings.

Сценарий – embeddings документов – embeddings запроса

Что делаем – используем k-NN из RubixML – сравниваем с ручной реализацией

Вывод – RubixML не «делает магию» – он просто аккуратно реализует уже знакомую геометрию

Это идеально ложится в философию книги: ML как продолжение математики, а не отдельный мир.