Unverified60% confidenceFactExact time
向量数据库通过嵌入模型（如OpenAI的text-embedding-3-large或开源的BGE-M3）将文本转化为数百至数千维的浮点数向量，向量距离对应语义相似度
2
Sources
60%
Confidence
Long-term
Relevance
7/19/2026
First Seen
Sources
Related Claims
Verified向量数据库将文本内容通过嵌入模型（Embedding Model）转化为高维数值向量，检索时通过余弦相似度等算法找出语义最接近的内容78% similarVerified嵌入模型（如OpenAI的text-embedding-ada-002或开源的BGE系列）将文本转换为高维向量，通常为768或1536维77% similarUnverified文本经Embedding模型编码为768至3072维的浮点向量，存入向量数据库后通过近似最近邻算法（HNSW、IVF等）在毫秒级完成相似度检索73% similarUnverified嵌入模型将文本转化为高维稠密向量（通常为768至4096维），通过近似最近邻算法（ANN，如HNSW或IVF-PQ）快速检索语义相似内容73% similarUnverifiedOpenAI的text-embedding-ada-002能将文字映射到高维向量空间，语义相近的文本在向量空间中距离更近73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/561306API
curl https://kongchang.com/api/v1/knowledge/claims/561306MCP
get_claim(id=561306)