待验证50% 置信事实精确时间
RATED在语义匹配层采用冻结的双编码器，并通过对比学习进行微调
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证sentence-transformers库在BERT基础上引入了孪生网络训练范式，使输出向量在余弦相似度空间中具备良好的语义对齐性72% 相似待验证嵌入相似度方法将文档和概念描述编码为高维向量，通过余弦相似度等度量判断语义接近程度，依赖预训练句子编码器如Sentence-BERT、text-embedding-ada-00272% 相似待验证研究对比了单轮强制前缀解码和多轮仅追加解码两种解码策略71% 相似已验证Reranking阶段通常使用交叉编码器（Cross-Encoder），将查询和文档拼接后联合编码，比双塔模型能更精确判断相关性但计算成本更高71% 相似待验证对于编码器-解码器模型，直接的双语微调在原始WER指标上表现最强71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001930API
curl https://kongchang.com/api/v1/knowledge/claims/1001930MCP
get_claim(id=1001930)