待验证50% 置信观点精确时间
EmbeddingGemma 2 很可能采用了共享主干加模态适配器的结构，而非为每种模态各配一套完整编码器。
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68% 相似待验证一些LLaVA变体尝试同时使用CLIP和DINOv2等自监督编码器实现语义与结构特征互补67% 相似待验证EmbeddingGemma 2采用Matryoshka表示学习，256、128或更少维度仍能作为独立embedding使用64% 相似待验证主流Embedding模型（如BGE、text-embedding系列）通常基于BERT架构的编码器（Encoder-only），通过对比学习让语义相近的句子在向量空间中靠拢；而GPT类生成模型基于解码器（Decoder-only）64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1007011API
curl https://kongchang.com/api/v1/knowledge/claims/1007011MCP
get_claim(id=1007011)