待验证50% 置信事实精确时间
张量是机器学习中的核心数据结构，可以理解为多维数组的统称：标量是0维张量，向量是1维，矩阵是2维，更高维度则是N维张量。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证嵌入向量本质上是神经网络中间层输出的高维数值向量，通常具有数百到数千个维度，是原始输入数据在学习到的语义空间中的坐标表示76% 相似待验证嵌入层本质上是一个尺寸为V×D的可学习矩阵（V为词汇表大小，D为嵌入维度），接收token ID时查找对应行向量72% 相似待验证嵌入向量的基本思想是将高维、离散或难以直接计算的对象映射为低维连续稠密向量，使语义或视觉相近的对象在向量空间中距离更近67% 相似待验证谱聚类通过计算图的拉普拉斯矩阵的特征向量，将高维数据映射到低维谱空间，再用 k-means 完成聚类65% 相似待验证BERT 中词嵌入矩阵维度为 V×d，其中 V 为词表大小，d 为隐藏维度 768，将离散词元 ID 映射为稠密实值向量64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1019985API
curl https://kongchang.com/api/v1/knowledge/claims/1019985MCP
get_claim(id=1019985)