待验证50% 置信事实精确时间
RecipeDB2 使用基于 Transformer 的命名实体识别模型解析食材短语，将其拆分为七种烹饪属性
1
来源数
50%
置信度
长期有效
时效性
2026/9/22
首次发现
来源
涉及实体
相关事实
待验证RecipeDB2 采用分层工程化方案：NER 负责语言解析、BERT 嵌入负责实体链接、随机森林负责类别传播、规则集负责膳食风格判定，而非用单一大模型处理68% 相似待验证许多生产场景（如文本分类、实体提取、简单摘要）使用7B-14B级别的小参数量模型即可达到与顶级API相当的效果，尤其是经过针对性微调之后56% 相似待验证成熟产品往往组合使用多种方案：先用热词偏置在解码时输出正确术语，再用后处理词典兜底，最后在数据积累后考虑微调55% 相似待验证大模型能识别代码模式而非仅代码字面，即便变量名被混淆，只要算法骨架与已知算法匹配便能还原语义55% 相似待验证研究采用无监督主题建模从评论文本中自动识别讨论主题，再用零样本分类将主题归入五个食物获取维度54% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/940060API
curl https://kongchang.com/api/v1/knowledge/claims/940060MCP
get_claim(id=940060)