待验证50% 置信事实精确时间
主流Embedding模型（如BGE、text-embedding系列）通常基于BERT架构的编码器（Encoder-only），通过对比学习让语义相近的句子在向量空间中靠拢；而GPT类生成模型基于解码器（Decoder-only）
1
来源数
50%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
待验证现代Sentence Embedding模型通常采用双塔（Bi-Encoder）结构，查询和文档分别独立编码为向量76% 相似待验证BGE和text-embedding-3是当前可选的向量嵌入（Embedding）模型72% 相似待验证文本分类器通常基于BERT、FastText或TF-IDF+逻辑回归方案实现70% 相似待验证召回阶段通常采用 Bi-Encoder 模型（如 text-embedding-ada-002 或 BGE 系列），重排阶段使用 Cross-Encoder 模型（如 Cohere Rerank 或 BGE-Reranker）69% 相似待验证通义灵码底层依托通义千问系列大语言模型的代码理解与生成能力69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/558738API
curl https://kongchang.com/api/v1/knowledge/claims/558738MCP
get_claim(id=558738)