待验证50% 置信事实精确时间
Word2Vec于2013年通过浅层神经网络的预测任务（CBOW与Skip-gram）学习词向量
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
分散损失：破解小语言模型嵌入坍缩的关键技术
hackernewshackernews2026/7/3
相关事实
待验证2013年Word2Vec的出现让词语有了向量表示73% 相似已验证Large language models are trained on vast corpora of text data and learn to predict the probability distribution of the next word72% 相似待验证大语言模型的突破依赖算力、数据、算法多方面的长期积累，包括Word2Vec（2013）、ELMo（2018）、BERT（2018）的渐进式演进68% 相似待验证LLM通过在海量文本语料上进行无监督预训练（预测下一个词）来习得语言能力67% 相似待验证涌现能力现象被DeepMind研究员系统记录于2022年的《Emergent Abilities of Large Language Models》论文中66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/194841API
curl https://kongchang.com/api/v1/knowledge/claims/194841MCP
get_claim(id=194841)