待验证50% 置信事实精确时间

在 sentence-transformers 中，模型会把一句话编码成一个固定维度的向量（如 384 维或 768 维），语义相近的句子在向量空间中距离更近。

1

来源数

50%

置信度

长期有效

时效性

2026/10/21

首次发现

来源

如何真正学会 scikit-learn、PyTorch 等 Python 库？方法论指南

涉及实体

sentence-transformersproduct embeddingconcept

相关事实

待验证现代嵌入模型（如sentence-transformers系列）通常输出768维或1536维的向量79% 相似已验证语义相近的文本在向量空间中距离也相近，这是向量检索的数学基础73% 相似待验证输入模型的向量等于词向量加位置向量，例如7个字会生成7个词向量和7个位置向量相加得到真实输入72% 相似待验证嵌入模型不输出文字，只将输入转换为向量，向量的意义在于彼此之间的相对关系（嵌入空间）70% 相似待验证在LLM内部，输入词序列被转换为高维向量序列，词语间关系由向量几何关系（距离、方向、投影）编码。70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1080371

API

curl https://kongchang.com/api/v1/knowledge/claims/1080371

MCP

get_claim(id=1080371)