待验证50% 置信事实精确时间
Embedding模型是深度神经网络，将文本映射到固定维度的稠密向量空间（如768维或1536维），常用余弦相似度衡量语义接近程度，取值范围为-1到1。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证当需要表征的特征数量远超可用神经元数量时，网络会利用高维空间中近似正交向量数量远超维度数量的特性（Johnson-Lindenstrauss引理）将多个特征叠加压缩编码到同一组神经元上66% 相似已验证潜空间指深度学习中输入数据经神经网络编码层处理后被映射到的高维连续向量空间，语义相近的概念在该空间中几何距离更接近64% 相似待验证本地Embedding计算通常需运行小型神经网络模型（如all-MiniLM-L6-v2约80MB），向量索引常用FAISS、Hnswlib等近似最近邻搜索库63% 相似待验证SPLADE和DeepImpact是学习稀疏检索的代表，产生稀疏向量但每个词权重由神经网络学习得出，能做词项扩展63% 相似待验证教程以智谱 AI 为例演示 EmbeddingModel，以 DeepSeek 为例演示最基础的对话案例62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1015384API
curl https://kongchang.com/api/v1/knowledge/claims/1015384MCP
get_claim(id=1015384)