Unverified50% confidenceFactExact time
当特征向量被L2归一化后，余弦相似度等价于点积运算
1
Sources
50%
Confidence
Long-term
Relevance
7/11/2026
First Seen
Sources
IMGNet：用符号模式匹配挑战余弦相似度的人脸验证新方案
redditr/computervision7/9/2026
Related Claims
Unverified对已做L2归一化的嵌入，余弦距离与欧氏距离给出的排序结果完全一致72% similarUnverified两个不可约表示的张量积l₁⊗l₂可分解为|l₁-l₂|到l₁+l₂之间所有整数阶不可约表示的直和，CG系数给出具体的基变换矩阵67% similarVerified从贝叶斯视角理解，L1正则化对应参数的拉普拉斯先验，L2正则化对应高斯先验67% similarUnverified许多现代 embedding 模型会对输出做归一化，向量集中分布在高维球面锥形区域，任意两个embedding的余弦相似度通常落在偏正区间（如0.2到0.9）62% similarUnverified在相同的平均位宽下，EXL2 量化模型往往比同等 GGUF 模型在代码生成、数学推理等精度敏感任务上表现更优61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/484231API
curl https://kongchang.com/api/v1/knowledge/claims/484231MCP
get_claim(id=484231)