待验证50% 置信事实精确时间

多重负样本排序损失（MNRL）在一批数据中把每个问题对应的段落作为正例，同批其余段落作为负例，无需手动收集负样本

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

微调嵌入模型没那么难：EmbeddingGemma 2 实战全解

涉及实体

多重负样本排序损失concept sentence-transformersproduct

相关事实

待验证mloda 0.11 将解析失败从单行结论改为完整淘汰链，列出解析器考虑过的每个候选插件及其在哪一道关卡被淘汰65% 相似待验证失败案例的数据具有独特价值，能告诉模型哪些路走不通，而这类负面信息在公开文献中严重缺失61% 相似待验证N1识别的低灵敏度问题在其他使用XGBoost处理类似数据集的工作中同样被记录在案59% 相似待验证先前的难负样本挖掘工作大多忽略非干扰项，只关注与查询的相似度，因而更易误选假负样本59% 相似待验证mloda 的阶段标签（stage label）共有九种取值，构成失败分类体系58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/989448

API

curl https://kongchang.com/api/v1/knowledge/claims/989448

MCP

get_claim(id=989448)