Unverified50% confidenceFactExact time
Embedding 模型对结构化符号（如货币格式、编码字符串、ID序列）缺乏特殊理解，只是把这些内容当作普通 token 序列处理
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverifiednomic-embed-text是一个开源的Embedding模型，支持8192 token的长上下文输入63% similarUnverified语言模型生成 token 本质上是内存带宽受限任务而非纯算力受限63% similarUnverified自回归解码具有串行特性，每个Token的生成依赖前一个Token，难以并行60% similarUnverifiedToken是大模型计费的基本单位，本质上是文本被分割后的最小语义片段60% similarUnverified主流Embedding模型（如BGE、text-embedding系列）通常基于BERT架构的编码器（Encoder-only），通过对比学习让语义相近的句子在向量空间中靠拢；而GPT类生成模型基于解码器（Decoder-only）60% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/905006API
curl https://kongchang.com/api/v1/knowledge/claims/905006MCP
get_claim(id=905006)