Un modello di embedding converte il testo in un vettore numerico, o embedding, che preserva il significato semantico. Frasi simili finiscono vicine nello spazio vettoriale, il che consente ai sistemi di confrontare i prompt in base all'intento invece che alla formulazione esatta. Questo è il primitivo fondamentale alla base della ricerca semantica, del clustering, della deduplicazione e della cache semantica.
Nella sicurezza informatica, gli embedding aiutano i difensori a raggruppare richieste ripetute o parafrasate, a rilevare schemi di prompt abusivi e a riutilizzare risposte sicure precedenti senza pagare per inferenze duplicate. Supportano anche il triage degli incidenti raggruppando log, ticket o messaggi di chat con intento simile. La stessa capacità può essere abusata: un aggressore può parafrasare i prompt per aggirare i filtri basati sulla corrispondenza esatta o verificare se una cache riusa le risposte tra richieste simili. Poiché gli embedding sono approssimativi, i team di sicurezza devono tarare le soglie di similarità, gestire con attenzione le versioni dei modelli ed evitare di riutilizzare risultati obsoleti o non sicuri.