待验证50% 置信事实精确时间
Embedding models such as OpenAI's text-embedding-ada-002, BGE, and E5 map text into points in a high-dimensional vector space so that semantically similar texts are closer together.
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
来源
相关事实
待验证OpenAI的text-embedding-ada-002能将文字映射到高维向量空间，语义相近的文本在向量空间中距离更近78% 相似已验证OpenAI 的 text-embedding-3-small 模型会将文本转换为 1536 维的浮点数数组70% 相似待验证向量数据库通过嵌入模型（如OpenAI的text-embedding-3-large或开源的BGE-M3）将文本转化为数百至数千维的浮点数向量，向量距离对应语义相似度70% 相似待验证嵌入模型可将文本压缩为1536维或1024维的浮点向量，OpenAI的text-embedding-ada-002和Cohere的embed-multilingual是常见示例70% 相似待验证主流嵌入模型包括 OpenAI 的 text-embedding-ada-002 和 Sentence-BERT 系列，余弦相似度是最常用的相似性度量69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/44761API
curl https://kongchang.com/api/v1/knowledge/claims/44761MCP
get_claim(id=44761)