待验证50% 置信事实精确时间

GTE 来自论文《mGTE: Generalized Long-Context Text Representation and Reranking Models for Multilingual Text Retrieval》，是一款 BERT 风格的双向编码器，用 RoPE 替代绝对位置嵌入，采用门控 MLP，并在每个残差连接后应用层归一化

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

Transformers 5.18.0 发布：四款新模型加持多模态与说话人分离

涉及实体

GTEmodel RoPEtechnology

相关事实

待验证语义缓存使用文本嵌入技术将查询转换为高维向量，通过余弦相似度等距离度量判断查询是否语义接近，GPTCache等开源项目已实现该模式68% 相似待验证大语言模型的总结功能本质上是通过注意力机制识别文本关键语义节点，将长文档压缩为保留核心论点的短文本65% 相似待验证BERT模型通过双向编码同时捕捉词语左侧和右侧的完整语境64% 相似已验证现代RAG实现广泛引入稠密向量检索（Dense Retrieval），利用嵌入模型将文本转化为高维向量，通过语义相似度进行匹配64% 相似待验证上下文窗口是指模型在单次对话中能够记住并参考的文本长度，超出范围的信息会被截断丢弃63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/972010

API

curl https://kongchang.com/api/v1/knowledge/claims/972010

MCP

get_claim(id=972010)