待验证50% 置信注意事项精确时间
Collapse采用整词词表，无法泛化到未登录词（OOV），且每词单向量只能捕捉主导词义，多义词处理能力有限
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
无需MLP与注意力机制：点吸引子动力学如何学习词嵌入
redditr/learnmachinelearning2026/7/10
相关事实
待验证原始word2vec需要在整个词汇表上计算softmax归一化，计算复杂度为O(V)，负采样将问题转化为二分类以降低计算量68% 相似待验证Unigram 模型由 SentencePiece 库实现，从大词表出发逐步剔除对整体似然贡献最小的子词来缩减词表64% 相似待验证Industry techniques to address character collapse include conversation summary compression, key information extraction, and vector database retrieval63% 相似待验证大模型处理文本以Token（词元）为最小处理单元，由分词器完成切分61% 相似待验证固定字符分块策略会截断句子、破坏语义完整性，应替换为智能语义分块或滑动窗口策略61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491365API
curl https://kongchang.com/api/v1/knowledge/claims/491365MCP
get_claim(id=491365)