Unverified50% confidenceFactExact time
GLiNER将实体识别转化为候选标签与文本片段之间的语义相似度匹配问题，可在推理时接受任意新标签而无需重新训练
1
Sources
50%
Confidence
Long-term
Relevance
8/5/2026
First Seen
Sources
Related Claims
Unverified语义缓存通过向量相似度匹配复用历史LLM调用结果，能识别语义相近但表述不同的请求以减少API调用次数65% similarUnverified大模型能识别代码模式而非仅代码字面，即便变量名被混淆，只要算法骨架与已知算法匹配便能还原语义64% similarVerifiedCLIP通过最大化匹配图文对之间的余弦相似度、最小化不匹配图文对之间的余弦相似度，将图像编码器与文本编码器联合训练至同一语义空间64% similarUnverified使用整数标签映射可以立即捕获幻觉引用——当模型引用未发送的标签时即被检测出来64% similarUnverified语义切分（Semantic Chunking）依据句子嵌入相似度动态确定切分点，能更好地保留段落完整语义边界64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/692514API
curl https://kongchang.com/api/v1/knowledge/claims/692514MCP
get_claim(id=692514)