待验证50% 置信事实精确时间
现代嵌入模型（如sentence-transformers系列）通常输出768维或1536维的向量
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
从零构建离线RAG应用：PDF私人知识库完整实现指南
redditr/learnmachinelearning2026/7/11
相关事实
已验证嵌入模型将文本转换为高维向量时，通常生成768维或1536维的浮点数数组77% 相似待验证嵌入模型将文本转化为高维稠密向量（通常为768至4096维），通过近似最近邻算法（ANN，如HNSW或IVF-PQ）快速检索语义相似内容63% 相似待验证主流嵌入模型如all-MiniLM-L6-v2、BGE系列、E5系列通常基于BERT架构，将文本编码为384至1536维的稠密浮点向量62% 相似待验证上下文窗口决定模型单次能处理的文本量：8K约6000词，32K约24000词，128K可处理整本书内容62% 相似已验证嵌入模型（如OpenAI的text-embedding-ada-002或开源的BGE系列）将文本转换为高维向量，通常为768或1536维62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/490389API
curl https://kongchang.com/api/v1/knowledge/claims/490389MCP
get_claim(id=490389)