待验证50% 置信事实精确时间
大规模图像-文本数据集（如LAION-5B、Common Crawl衍生数据）主要从互联网公开资源采集，存在英语内容占主导、西方审美标准占比过高等分布不均问题
1
来源数
50%
置信度
长期有效
时效性
2026/9/1
首次发现
来源
涉及实体
相关事实
待验证LlamaIndex支持PDF、Word、数据库、API等上百种数据源的数据连接59% 相似待验证信息收集分为被动收集和主动收集，被动收集通过WHOIS、DNS记录、搜索引擎等公开信息获取情报57% 相似待验证新Siri通过私有语义索引机制深度接入iMessage、邮件、日历、照片等个人数据，索引在设备本地构建向量数据库57% 相似待验证知识库检索中，文档分段后每个文本块通过嵌入模型（如text-embedding-ada-002或BGE系列）转换为高维向量存储在向量数据库中57% 相似待验证文档数字化归档标准方案：先明确用途(检索/存档/编辑)→选设备类型(批量馈纸式/书籍拍照式/移动手持)→设定300-600dpi分辨率→输出可搜索PDF/A→配合OCR软件校对→云端或本地分类存储56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/837422API
curl https://kongchang.com/api/v1/knowledge/claims/837422MCP
get_claim(id=837422)