待验证50% 置信事实精确时间

当前主流Embedding模型在处理数字和精确数据时的表现明显弱于处理概念和语义

1

来源数

50%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

Perplexity三分之一引用无法溯源，AI搜索可信度遭质疑

涉及实体

Embeddingconcept text-embedding-3model Cohere Embedmodel

相关事实

待验证经典统计学习理论的框架并不能完全解释超大规模模型的行为66% 相似待验证纯前端方案受限于模型大小、加载时间和计算效率，难以运行高质量的图像语义理解模型65% 相似待验证当前大多数深度学习模型缺乏反事实推理能力，导致在分布外场景中表现骤降65% 相似待验证当模型缺乏最新信息时可能不会承认不知道，而是编造看似合理但实际错误的答案（幻觉）65% 相似待验证本地模型综合能力往往不及云端大模型，在受限算力下保持个性化质量是核心难题64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/852984

API

curl https://kongchang.com/api/v1/knowledge/claims/852984

MCP

get_claim(id=852984)