Unverified50% confidenceFactExact time
embedding模型的版本更新可能导致语义向量空间发生偏移，使原本高排名的相关文档被不太相关的文档取代
1
Sources
50%
Confidence
Long-term
Relevance
8/21/2026
First Seen
Sources
Related Claims
Unverified生成文档向量和查询向量必须使用同一个embedding模型，不同模型的向量空间互不兼容，混用会导致检索失效66% similarUnverified若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力66% similarUnverified向量数据库中旧版本和新版本的向量在数学空间中可能高度相似，导致检索时新旧内容同时被召回，需通过元数据版本字段过滤失效版本65% similarUnverified由于历史记录同样受影响，模型名称消失更可能是前端统一显示逻辑层的问题，而非底层数据丢失64% similarUnverified分类需求会频繁变动（如项目临时增减）时不建议买预印固定分类名的套装，选空白可自定义款63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/780978API
curl https://kongchang.com/api/v1/knowledge/claims/780978MCP
get_claim(id=780978)