待验证50% 置信事实精确时间
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）
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/20
首次发现
有效期至：2026/10/18
来源
相关事实
待验证召回阶段采用Bi-Encoder双塔模型（如text-embedding-ada-002或BGE系列），向量可离线预计算存储于向量数据库（如FAISS、Milvus）78% 相似已验证Reranker通常采用Cross-Encoder架构，与向量检索使用的Bi-Encoder架构形成对比75% 相似待验证现代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70% 相似待验证Cross-Encoder将查询和文档拼接为一个输入序列，通过Transformer的全注意力机制进行深度交互建模，代表性模型包括Cohere Rerank、BGE-Reranker、ms-marco-MiniLM等69% 相似待验证主流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）69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/565221API
curl https://kongchang.com/api/v1/knowledge/claims/565221MCP
get_claim(id=565221)