待验证50% 置信事实精确时间
Meta 的 LLaMA 系列使用了基于维基百科参考文献的质量分类器，而 Falcon 采用基于 MacroData Refinement 的多阶段过滤流程
1
来源数
50%
置信度
长期有效
时效性
2026/8/16
首次发现
来源
相关事实
待验证Meta 的 LLaMA 系列参数规模从7B到405B，通过开放模型权重让社区能够自由微调和部署63% 相似待验证Meta开源的FAISS提供多种索引结构，适合大规模离线批处理场景；Google研究的ScaNN通过各向异性量化平衡检索精度与内存占用61% 相似待验证FAISS 是 Meta 开源的高效相似向量检索库，专为十亿级别向量检索场景设计，使用 IVF、PQ 等 ANN 技术将检索时间压缩到毫秒级57% 相似待验证Meta的Llama 2和Llama 3系列是目前社区应用最广泛的开源权重模型54% 相似待验证主流 RAG 系统通常采用混合检索策略，将关键词检索与向量检索结合并通过重排序模型二次过滤51% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/757006API
curl https://kongchang.com/api/v1/knowledge/claims/757006MCP
get_claim(id=757006)