待验证50% 置信事实精确时间
许多现代 embedding 模型会对输出做归一化，向量集中分布在高维球面锥形区域，任意两个embedding的余弦相似度通常落在偏正区间（如0.2到0.9）
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证自动微分分为前向模式（从输入向输出传播导数，适合输入维度远小于输出维度）和反向模式（从输出向输入反向传播梯度，适合输出维度远小于输入维度）64% 相似待验证在特定垂直领域语料上微调的Embedding模型往往能提升同义查询相似度得分，降低阈值误判率64% 相似待验证典型的导纳模型可表达为 M·ẍ + B·ẋ + K·x = F_ext，其中M、B、K分别是期望的虚拟惯量、阻尼和刚度矩阵63% 相似待验证当特征向量被L2归一化后，余弦相似度等价于点积运算62% 相似待验证贝叶斯网络通过有向无环图建模变量间条件依赖关系，Copula函数将多个边缘分布耦合为联合分布，两者对高维数据的扩展性较差62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/507871API
curl https://kongchang.com/api/v1/knowledge/claims/507871MCP
get_claim(id=507871)