待验证50% 置信事实精确时间
BGE-M3模型可同时生成稠密（Dense）向量和稀疏（Sparse）向量，稠密向量擅长捕捉语义相似度，稀疏向量保留关键词精确匹配能力
1
来源数
50%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
待验证稠密向量检索的代表模型包括DPR、BGE、text-embedding-ada等74% 相似待验证该项目采用BGE-M3模型进行文本嵌入71% 相似待验证向量数据库通过嵌入模型（如OpenAI的text-embedding-3-large或开源的BGE-M3）将文本转化为数百至数千维的浮点数向量，向量距离对应语义相似度70% 相似待验证语义层面检测隐性重复时可选用轻量级嵌入模型如OpenAI的text-embedding-3-small或智源的BGE-small-zh66% 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66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/963397API
curl https://kongchang.com/api/v1/knowledge/claims/963397MCP
get_claim(id=963397)