待验证50% 置信事实精确时间

对比学习方法SimCSE通过拉近正样本对、推远负样本对来塑造嵌入几何，成功应用于句子表示

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

分散损失：破解小语言模型嵌入坍缩的关键技术

hackernewshackernews2026/7/3

相关事实

待验证对比学习通过最大化同类样本相似度、最小化异类样本相似度来学习表征，SimCLR、MoCo等方法均基于此原理77% 相似待验证监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略72% 相似待验证研究显示推理时计算的扩展律与训练时计算具有相似的效益曲线72% 相似待验证在特定垂直领域语料上微调的Embedding模型往往能提升同义查询相似度得分，降低阈值误判率71% 相似待验证研究表明，即使使用相同的基础模型，引入迭代反思机制后在代码生成、数学推理等任务上的准确率可提升20%-40%70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/194845

API

curl https://kongchang.com/api/v1/knowledge/claims/194845

MCP

get_claim(id=194845)