待验证50% 置信事实精确时间
稠密向量检索的代表模型包括DPR、BGE、text-embedding-ada等
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证BGE和text-embedding-3是当前可选的向量嵌入（Embedding）模型71% 相似待验证向量数据库通过嵌入模型（如OpenAI的text-embedding-3-large或开源的BGE-M3）将文本转化为数百至数千维的浮点数向量，向量距离对应语义相似度68% 相似待验证RAG 框架将稠密段落检索（Dense Passage Retrieval, DPR）与生成式语言模型结合68% 相似待验证对比学习在文本检索领域的突破来自2021年的DPR和SimCSE；DPR验证了双塔结构+批内负例策略在开放域问答检索上可超越BM2568% 相似待验证向量库通过Embedding模型将文本转化为高维向量，再利用近似最近邻算法（ANN，如HNSW、IVF-Flat）检索语义相近内容67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/899224API
curl https://kongchang.com/api/v1/knowledge/claims/899224MCP
get_claim(id=899224)