待验证50% 置信事实精确时间
DPR的核心创新是用双塔神经网络分别编码问题和文档，使语义相近内容在向量空间中聚拢
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证2015年Piech等人提出深度知识追踪（DKT），用LSTM循环神经网络替代HMM，预测精度显著提升67% 相似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67% 相似待验证2012年深度学习浪潮后，深度神经网络逐步替代GMM形成DNN-HMM混合架构66% 相似待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系64% 相似待验证深度知识追踪（DKT）将LSTM引入知识追踪任务，能够捕捉跨知识点的复杂依赖关系64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503966API
curl https://kongchang.com/api/v1/knowledge/claims/503966MCP
get_claim(id=503966)