待验证50% 置信事实精确时间
研究团队使用 COILD 对 IndicTrans2-Distilled 和 NLLB-200 两个多语言神经机器翻译模型进行微调实验
1
来源数
50%
置信度
长期有效
时效性
2026/9/25
首次发现
来源
涉及实体
相关事实
待验证作者采用基于字节级（byte-level）的神经网络连声切分器和词形还原器进行预处理，再按时期分别训练词向量62% 相似待验证设备端离线翻译模型通常基于轻量化的神经机器翻译架构（如量化后的 Transformer 变体），体积压缩至数十到数百 MB，可在 CPU 或本地 NPU 上实时推理57% 相似已验证BPE算法在NLP领域的广泛应用始于2016年Sennrich等人将其引入神经机器翻译57% 相似待验证文本嵌入技术经历了从Word2Vec、Sentence-BERT到基于指令微调的通用嵌入模型的发展路径56% 相似待验证Cross-Encoder将查询和文档拼接为一个输入序列，通过Transformer的全注意力机制进行深度交互建模，代表性模型包括Cohere Rerank、BGE-Reranker、ms-marco-MiniLM等56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/949199API
curl https://kongchang.com/api/v1/knowledge/claims/949199MCP
get_claim(id=949199)