待验证50% 置信事实精确时间
嵌入模型把文字、语音、图片等不同内容压缩成固定长度的数值向量，含义相近的内容其向量在高维空间中的距离更近
1
来源数
50%
置信度
长期有效
时效性
2026/10/4
首次发现
来源
涉及实体
相关事实
已验证多模态大模型将图像切分为固定patch经视觉编码器（基于ViT架构）转换为高维向量后对齐到语言模型token embedding空间，是推断而非读取79% 相似待验证嵌入是将离散符号（文字、图片类别、用户ID等）映射到连续向量空间的技术73% 相似已验证扩散模型在生成图像时本质上是在高维潜空间（Latent Space）中进行去噪采样，缺乏多角度约束时同一角色在不同帧中的特征易产生语义漂移71% 相似待验证CLIP模型将文本tokenize后映射为768或1024维的向量，通过交叉注意力机制引导扩散模型的去噪方向69% 相似待验证文本嵌入将角色视觉特征编码为高维向量直接注入模型，无需额外训练，推理更快但对参考图质量和数量要求更高68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/972750API
curl https://kongchang.com/api/v1/knowledge/claims/972750MCP
get_claim(id=972750)