待验证50% 置信事实精确时间
Prompt Tuning由Lester等人在2021年提出，在输入embedding前拼接一组可学习的软提示向量
1
来源数
50%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
待验证提示词工程兴起于2022-2023年大语言模型普及初期，核心方法包括零样本提示（Zero-shot）、少样本提示（Few-shot）、思维链（Chain-of-Thought）等技术64% 相似待验证Midjourney使用CLIP的文本编码器将提示词转换为条件向量，引导扩散模型的去噪过程63% 相似待验证FastEmbed支持sentence-transformers/all-MiniLM-L6-v2和mixedbread-ai/mxbai-embed-large-v1等多种预训练模型62% 相似待验证Vibe Coding 概念最初由 Andrej Karpathy 在 2024-2025 年间提出，指一种更直觉化、更低摩擦的编码方式62% 相似待验证2018年BERT的出现改变了简历比对领域，基于Transformer架构的预训练模型能将文本编码为高维语义向量识别近义表达61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/888477API
curl https://kongchang.com/api/v1/knowledge/claims/888477MCP
get_claim(id=888477)