待验证50% 置信事实精确时间

传统稠密检索（dense retrieval）将文本或图片压缩成单个向量，计算高效但在表达细粒度语义匹配上存在损失

1

来源数

50%

置信度

长期有效

时效性

2026/10/10

首次发现

来源

Perplexity开源pplx-embed-v2-late：跨模态后交互嵌入模型

涉及实体

dense retrievalconcept

相关事实

待验证纯文本捕获相比截图方案在存储效率上占优，同样信息量的 Markdown 文本可能只占截图的千分之一71% 相似待验证向量检索依据内容的语义相似度，内容越相近的文件向量在数学空间中的距离越近，而非依赖关键词或文件名匹配70% 相似待验证FAISS并不直接搜索文本，而是将文本转换成嵌入向量后在向量空间中寻找与查询最相似的向量70% 相似待验证相比截图方案，纯文本提取从源头获取结构化信息，处理链路更短更省资源，且更容易做精细化的过滤和脱敏，Markdown 保留标题、列表、链接、代码块等结构信息69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/993143

API

curl https://kongchang.com/api/v1/knowledge/claims/993143

MCP

get_claim(id=993143)