待验证60% 置信事实精确时间
纯Encoder架构以BERT为代表擅长双向理解，纯Decoder架构以GPT系列为代表采用自回归单向生成，Encoder-Decoder架构以T5、BART为代表适合序列到序列任务
2
来源数
60%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证OpenCode可接收指令、读取代码上下文、调用底层大语言模型（如Claude或GPT系列）并输出结构化结果69% 相似待验证Cross-Encoder与Bi-Encoder有本质区别：Bi-Encoder独立编码查询和文档，速度快但精度有限，适合第一阶段召回；Cross-Encoder将[query, document]拼接输入Transformer，精度更高但无法预计算，适合对Top-20到Top-100的小候选集重排序。ms-marco-MiniLM-L-6-v2是6层结构，单次推理约几十毫秒，是生产环境中性价比高的重排序选择。67% 相似待验证使用Claude、ChatGPT、Cursor等工具辅助编码已成为开发者的基本操作，不再构成差异化能力64% 相似待验证编码模型（coding model）指具备代码生成与理解能力的大语言模型，例如经过代码微调的 GPT 系列或开源代码模型。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503918API
curl https://kongchang.com/api/v1/knowledge/claims/503918MCP
get_claim(id=503918)