Unverified50% confidenceFactExact time
Word2Vec于2013年通过浅层神经网络的预测任务（CBOW与Skip-gram）学习词向量
1
Sources
50%
Confidence
Long-term
Relevance
7/7/2026
First Seen
Sources
分散损失：破解小语言模型嵌入坍缩的关键技术
hackernewshackernews7/3/2026
Related Claims
Unverified2013年Word2Vec的出现让词语有了向量表示73% similarVerifiedLarge language models are trained on vast corpora of text data and learn to predict the probability distribution of the next word72% similarUnverified大语言模型的突破依赖算力、数据、算法多方面的长期积累，包括Word2Vec（2013）、ELMo（2018）、BERT（2018）的渐进式演进68% similarUnverifiedLLM通过在海量文本语料上进行无监督预训练（预测下一个词）来习得语言能力67% similarUnverified涌现能力现象被DeepMind研究员系统记录于2022年的《Emergent Abilities of Large Language Models》论文中66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/194841API
curl https://kongchang.com/api/v1/knowledge/claims/194841MCP
get_claim(id=194841)