Unverified50% confidenceFactExact time
DPR用双塔神经网络分别编码问题和文档，通过内积衡量相关性，相较传统BM25能捕捉更深层的语义关联
1
Sources
50%
Confidence
Long-term
Relevance
7/25/2026
First Seen
Sources
RAG检索增强生成详解：原理、工作流程与核心优势
bilibiliAI小公举-timi7/9/2026
Related Claims
Unverified对比学习在文本检索领域的突破来自2021年的DPR和SimCSE；DPR验证了双塔结构+批内负例策略在开放域问答检索上可超越BM2567% similarUnverified稠密双编码器由查询编码器和文档编码器两个独立神经网络组成，将查询和文档映射到同一向量空间65% similarUnverifiedBM25引入词频饱和和文档长度归一化两个关键饱和函数62% similarUnverified提示词注入的根本原因在于LLM架构将系统提示、用户输入和外部检索内容统一编码为同一个连续的token序列，模型无法在语义层面区分可信指令与不可信数据62% similarUnverified全局自注意力的建模复杂度为O(n²)，后续研究发展出RoPE、ALiBi等相对位置编码方案增强长文本处理能力61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/615566API
curl https://kongchang.com/api/v1/knowledge/claims/615566MCP
get_claim(id=615566)