待验证50% 置信事实精确时间
Facebook AI Research 于 2017 年提出 DrQA 系统，将 TF-IDF 检索与阅读理解模型结合用于维基百科问答
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
从零构建RAG：用本地小模型打造领域专家系统
bilibili比特光锥_BightCone2026/7/3
相关事实
待验证Facebook AI Research于2019年发布的fairseq S2T系统率先证明了直接从音频到目标语文本的可行性76% 相似待验证Facebook AI于2017年开源FAISS，引入了IVF-PQ等算法，将十亿级向量检索时间压缩至毫秒级67% 相似部分验证RAG（Retrieval-Augmented Generation）是2020年由Facebook AI Research提出的架构范式66% 相似待验证FAISS（Facebook AI Similarity Search）是Meta开源的高性能向量检索库，支持Flat精确检索、IVF倒排索引、HNSW图索引等多种索引类型66% 相似部分验证ONNX由微软和Facebook于2017年联合发起，目前已成为AI模型互操作的事实标准65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/118899API
curl https://kongchang.com/api/v1/knowledge/claims/118899MCP
get_claim(id=118899)