待验证50% 置信事实精确时间
召回BERT采用Bi-Encoder（双塔模型），两句话分别生成向量再算相似度，向量可离线预计算，线上匹配速度快
1
来源数
50%
置信度
长期有效
时效性
2026/8/14
首次发现
来源
相关事实
待验证嵌入模型采用双塔（Bi-encoder）架构，将查询和文档独立编码成向量，然后通过余弦相似度等方式计算距离77% 相似待验证双编码器（Bi-Encoder）将查询和文档分别独立编码为向量，通过余弦相似度或点积计算相关性，文档向量可离线预计算存入向量数据库77% 相似待验证Bi-Encoder将问题和文档分别独立编码成向量再计算相似度，Cross-Encoder将问题和候选文档拼接后一起输入模型通过注意力机制充分交互76% 相似待验证现代Sentence Embedding模型通常采用双塔（Bi-Encoder）结构，查询和文档分别独立编码为向量76% 相似待验证近义词归一化可通过Sentence-BERT等句嵌入模型将词语映射为稠密向量，再通过余弦相似度计算语义接近程度72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/747968API
curl https://kongchang.com/api/v1/knowledge/claims/747968MCP
get_claim(id=747968)