待验证50% 置信事实精确时间
2019年的Sentence-BERT通过孪生网络结构与对比学习目标将BERT适配为句子级编码器，奠定了现代bi-encoder架构基础
1
来源数
50%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
Ternlight：7MB浏览器端嵌入模型，零服务器实现语义搜索
hackernewshackernews2026/7/6
相关事实
待验证sentence-transformers库在BERT基础上引入了孪生网络训练范式，使输出向量在余弦相似度空间中具备良好的语义对齐性75% 相似待验证2018年Google发布的BERT引入双向上下文编码，Sentence-BERT专为句子级语义相似度优化73% 相似待验证现代Sentence Embedding模型通常采用双塔（Bi-Encoder）结构，查询和文档分别独立编码为向量71% 相似待验证召回BERT采用Bi-Encoder（双塔模型），两句话分别生成向量再算相似度，向量可离线预计算，线上匹配速度快70% 相似待验证Bi-Encoder将问题和文档分别独立编码成向量再计算相似度，Cross-Encoder将问题和候选文档拼接后一起输入模型通过注意力机制充分交互69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/232196API
curl https://kongchang.com/api/v1/knowledge/claims/232196MCP
get_claim(id=232196)