待验证50% 置信事实精确时间

Word2Vec通过CBOW或Skip-gram两种训练方式，将词语压缩为100～300维的稠密向量

1

来源数

50%

置信度

长期有效

时效性

2026/7/23

首次发现

来源

词向量到大语言模型：AI 2.0技术演进全解析

相关事实

待验证原始word2vec需要在整个词汇表上计算softmax归一化，计算复杂度为O(V)，负采样将问题转化为二分类以降低计算量70% 相似待验证Word2Vec包含Skip-gram和CBOW两种架构，Skip-gram给定中心词预测上下文词，CBOW用上下文词预测中心词69% 相似待验证Big Words采用vibe coding方式开发，开发过程非常迅速，代码量精简67% 相似待验证word2vec是静态词向量方法，给每个词一个固定的向量，无论它出现在什么句子里67% 相似待验证LLMLingua等提示词压缩技术可在保留语义的同时将提示词长度压缩30%-50%66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/600456

API

curl https://kongchang.com/api/v1/knowledge/claims/600456

MCP

get_claim(id=600456)