已过期50% 置信事实精确时间
OpenAI的text-embedding-3-small输出1536维向量，而BGE-large-zh输出1024维向量
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30(已过期)
来源
RAG系统开发全流程：数据预处理、向量检索与输出优化实战
bilibili吴恩达AIAgent2026/6/26
相关事实
待验证OpenAI的text-embedding-3或开源的BGE-M3可生成1536维以上的稠密向量81% 相似待验证官方报告显示将text-embedding-3-large从3072维裁剪到256维在MTEB基准上仅损失约2-3%的检索精度63% 相似待验证Llama 3 8B有32层、8个KV头（GQA架构，查询头32个）、头维度128，8192上下文FP16单序列下KV缓存约1.07GB59% 相似待验证在最大尺寸、最低纠错级别下，单个QR码可承载约2,953字节的二进制数据58% 相似待验证Unsloth支持GGUF格式的量化导出能力，使得在单张24GB显存的RTX 4090上微调7B乃至13B参数量的模型成为可能58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/40811API
curl https://kongchang.com/api/v1/knowledge/claims/40811MCP
get_claim(id=40811)