已验证65% 置信事实精确时间
现代RAG实现广泛引入稠密向量检索（Dense Retrieval），利用嵌入模型将文本转化为高维向量，通过语义相似度进行匹配
3
来源数
65%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
拆解ChatGPT选源机制：网络流量分析揭示AI引用真相
hackernewshackernews2026/7/6
相关事实
待验证通过歌词文本进行语义搜索的方案依赖向量嵌入和检索增强生成（RAG）两项技术结合79% 相似待验证OpenClaw的记忆检索本质上是RAG（检索增强生成），将记忆文件切成Chunk，通过字面匹配和语义Embedding的加权相似度排序，取Top-K结果返回给语言模型76% 相似待验证生成式引擎通常采用检索增强生成（RAG）架构，先从索引语料库检索相关片段，再由语言模型综合生成自然语言答案76% 相似待验证EmbeddingModel通过将文字转化为向量，利用向量相似度匹配找出与问题最相关的文本片段，是RAG的基础75% 相似待验证在代码生成场景中，主流RAG实践是以函数或类为单位进行语义分块，并通过余弦相似度匹配最相关的文档片段74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/210384API
curl https://kongchang.com/api/v1/knowledge/claims/210384MCP
get_claim(id=210384)