待验证50% 置信事实精确时间
RaRe通过自监督对比学习,将MLLM生成的CoT理由嵌入与文本化的关系描述进行对齐,使理由表示在语义空间中靠近对应的关系语义。
1
来源数
50%
置信度
长期有效
时效性
2026/11/11
首次发现
来源
涉及实体
相关事实
待验证主流文本嵌入模型通常基于对比学习训练,将语义相似的文本对映射到向量空间邻近位置,将不相关的文本对推远67% 相似待验证文本的掩码语言建模(MLM)与图像的掩码自编码器(MAE)共享“掩码-预测”自监督学习范式。65% 相似待验证上下文偏置(contextual biasing)是在解码阶段引入外部词表或短语列表,通过调整语言模型得分或使用浅层融合等方式提高特定词序列识别概率的技术。64% 相似待验证场景化意图理解依赖大语言模型的语义解析能力,将生活化描述拆解为风格标签、品类组合与空间关系约束,通常需要意图槽位填充与约束推理配合完成。64% 相似已验证LLM通过在海量文本语料上训练学会人类语言中词语共现的统计规律、语法结构和修辞模式,但生成过程不涉及对内容的理解或意图63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1158234API
curl https://kongchang.com/api/v1/knowledge/claims/1158234MCP
get_claim(id=1158234)