待验证50% 置信事件精确时间
2014年，斯坦福大学的GloVe（Global Vectors）通过对全局共现矩阵进行分解，结合了矩阵分解方法和局部上下文窗口方法的优势
1
来源数
50%
置信度
长期有效
时效性
2026/9/7
首次发现
来源
涉及实体
相关事实
待验证全局模型（Global Models）通过分层/分组建模或单一全局模型加特征工程，可捕捉跨序列共性并减少模型数量59% 相似待验证雅可比矩阵的计算是反向传播算法的数学基础，捕获完整的一阶线性近似关系，能刻画输入空间任意方向扰动对输出的影响56% 相似待验证多模态大模型的核心技术是统一语义嵌入空间，不同模态输入被编码为同一高维向量空间中的表示进行跨模态推理56% 相似待验证几乎所有机器学习方法的底层都是线性代数，PCA本质是求解协方差矩阵的特征分解，神经网络前向传播是矩阵乘法，大语言模型注意力机制通过矩阵运算实现56% 相似待验证Matrix-3.5的核心升级是将记忆系统注入世界模型，使模型能记住此前场景状态以保持连贯55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/871858API
curl https://kongchang.com/api/v1/knowledge/claims/871858MCP
get_claim(id=871858)