待验证50% 置信权衡取舍精确时间

不同嵌入模型输出的向量维度从768到3072不等，维度越高语义表达能力通常越强但存储计算开销越大

1

来源数

50%

置信度

长期有效

时效性

2026/10/6

首次发现

来源

RAG检索增强生成实战：从零搭建企业私有知识库

涉及实体

Embeddingconcept

相关事实

待验证模型规模越大，记忆能力反而越强，因为更大的模型拥有更强的参数容量来存储低频样本77% 相似待验证在缓存密集型的长上下文多轮agent工作流中，切换到更强模型的成本增量会被缓存读取稀释，未必意味着成本翻倍74% 相似待验证Embedding模型的向量维度范围从768维到3072维不等，影响精度与存储成本的平衡72% 相似待验证准确估算模型显存占用需考虑 KV Cache、推理框架运行时开销（通常额外消耗 0.5–2 GB）和激活值等多个维度70% 相似待验证HNSW的代价是较高的内存占用，通常需要原始向量数据量的1.5-2倍额外空间来存储图结构69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/981355

API

curl https://kongchang.com/api/v1/knowledge/claims/981355

MCP

get_claim(id=981355)