待验证50% 置信事实精确时间
张量回归中数据驱动的维度选择常采用 BIC 型准则、交叉验证或特征值比值法；由于搜索空间是各模式候选维度的笛卡尔积，穷举代价较高，常见策略是逐模式迭代选择或基于特征值谱设定阈值。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
偏模态张量回归：高维张量数据稳健建模新方法
rss2026/10/25
涉及实体
相关事实
待验证Tavily支持搜索深度控制（basic和advanced两种模式）、领域过滤和结果数量限制等参数69% 相似已验证向量检索依赖向量数据库进行模糊匹配，无法精确表达结构关系，而图检索以图数据库为存储介质，针对多跳遍历查询进行了专门优化66% 相似已验证重排序使用交叉编码器对查询-文档对逐一打分，精度远高于向量相似度但计算成本更高，因此只对粗排后的少量候选做精排，形成粗排+精排两阶段架构。64% 相似待验证向量检索精度的常见优化手段包括调整分块策略、使用重排序模型（Reranker）以及混合检索（关键词+语义）64% 相似待验证优化分为四层：RU 优化（Cosmos DB 层的索引策略、分区模型和查询模式）、检索优化（向量搜索与混合搜索调优）、记忆优化（通过摘要与压缩只保留关键信息以减少往返数据库次数）、LLM 层优化（更紧凑的提示词、更小的上下文窗口和更少的模型调用以降低 token 消耗）。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102409API
curl https://kongchang.com/api/v1/knowledge/claims/1102409MCP
get_claim(id=1102409)