待验证50% 置信事实精确时间

MRL训练出的向量可在推理时直接截断只取前N维得到低维表征，无需额外变换计算

1

来源数

50%

置信度

长期有效

时效性

2026/8/11

首次发现

来源

Embedding降维：Matryoshka套娃表征与PCA方法深度对比

相关事实

待验证若训练集能充分覆盖推理时可能出现的工具类型和参数组合，小模型同样能学到可靠的格式生成能力，而不必依赖大模型的深层语义推理65% 相似待验证DRaFT利用扩散模型去噪过程的可微性，将奖励函数梯度直接回传至模型参数，无需强化学习的策略梯度估计器，规避高方差问题64% 相似待验证在向量检索场景中核心逻辑是相对排序而非绝对语义解释，业界通常通过离线评估（如Recall@K、MRR指标）验证检索质量63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/729522

API

curl https://kongchang.com/api/v1/knowledge/claims/729522

MCP

get_claim(id=729522)