待验证50% 置信事实精确时间
Matryoshka 表示学习在训练时对同一向量的多个前缀长度同时施加监督损失，迫使模型将最重要的语义信息优先编码到向量的前几个维度
1
来源数
50%
置信度
长期有效
时效性
2026/10/3
首次发现
来源
涉及实体
相关事实
待验证对比学习方法SimCSE通过拉近正样本对、推远负样本对来塑造嵌入几何，成功应用于句子表示73% 相似已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低72% 相似已验证当输入信息不完整时，大语言模型会基于训练数据中最常见的模式进行补全，这在统计学上叫做最大似然估计71% 相似待验证DeepMind的Chinchilla定律证明训练数据量与模型参数量的最优配比会随时间演进而改变，同等FLOP投入可产生能力差异显著的模型71% 相似已验证当模型训练数据包含评测集题目或高度相似内容时，模型可能通过记忆而非真正理解获得高分71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/969612API
curl https://kongchang.com/api/v1/knowledge/claims/969612MCP
get_claim(id=969612)