待验证50% 置信事实精确时间

EmbeddingGemma2的文字和图片各有独立的Encoder，但输出到同一个768维共享向量空间，因此一句话可以直接和一张图片做比较

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

Google开源EmbeddingGemma2：文字与图片同处一个向量空间

涉及实体

EmbeddingGemma2model

相关事实

待验证现代Embedding模型（如OpenAI的text-embedding-ada-002、阿里的千问Embedding系列）能够将整个句子或段落编码为固定维度的稠密向量，通常为768维或1024维68% 相似待验证Vision Encoder 的核心作用是对齐（alignment），即把视觉空间的信息映射到大语言模型的语义空间67% 相似已验证文本指令通过CLIP等跨模态编码器转化为语义向量，将文字和图像嵌入同一语义空间以引导图像生成67% 相似已验证Embedding是将文本转换为高维数值向量的过程，语义相近的文本在向量空间中距离更近66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/985548

API

curl https://kongchang.com/api/v1/knowledge/claims/985548

MCP

get_claim(id=985548)