待验证60% 置信事实精确时间
向量数据库通过嵌入模型（如OpenAI的text-embedding-3-large或开源的BGE-M3）将文本转化为数百至数千维的浮点数向量，向量距离对应语义相似度
2
来源数
60%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
已验证向量数据库将文本内容通过嵌入模型（Embedding Model）转化为高维数值向量，检索时通过余弦相似度等算法找出语义最接近的内容78% 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77% 相似待验证文本经Embedding模型编码为768至3072维的浮点向量，存入向量数据库后通过近似最近邻算法（HNSW、IVF等）在毫秒级完成相似度检索73% 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73% 相似待验证OpenAI的text-embedding-ada-002能将文字映射到高维向量空间，语义相近的文本在向量空间中距离更近73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/561306API
curl https://kongchang.com/api/v1/knowledge/claims/561306MCP
get_claim(id=561306)