技术

Embedding（嵌入）

将高维离散数据（如单词）映射为低维连续向量，使语义相近的项在向量空间中距离更近。

收录于 2026/9/1相关资讯 49 篇近 30 天 27 篇在词典中查看 →

详细解释

Embedding 是自然语言处理中的核心技术，通过神经网络学习将词汇或句子转换为稠密向量。它解决了传统 one-hot 编码的稀疏性和语义鸿沟问题。Word2Vec、GloVe 等早期模型奠定了基础，而现代 Transformer 模型中的嵌入层则与上下文相关，能动态调整向量表示，从而捕捉复杂语义和句法关系。

别名与相关写法

embedding

相关术语

Language Model共现 7 篇

JEPA共现 6 篇

论文共现 5 篇

Embedding Model共现 4 篇

Multimodal共现 4 篇

Joint-Embedding Predictive Architecture共现 2 篇

相关公司

谷歌（Google）4 篇 Ollama1 篇高德地图（Amap）1 篇 xAI1 篇阿里巴巴1 篇 Mistral AI1 篇

相关资讯

谷歌发布 EmbeddingGemma 2，五模态统一向量空间2026/10/31

谷歌发布 EmbeddingGemma 2 多模态嵌入模型2026/10/7

ULME：预测耦合统一 Qwen 文本嵌入与语言建模，MTEB 提升 4.1 分2026/10/23

JEPA-Prune：联合嵌入引导剪枝缓解微调大模型隐私泄露2026/10/19

研究提出 SAG2：基于 BM25 与 SQLite 的无嵌入多跳检索2026/10/19

研究用 16MB 冻结词表替代小模型嵌入表2026/10/19

谷歌发布 EmbeddingGemma 2 嵌入模型2026/10/7

STAPLE：通过嵌入模块静态稀疏升级预训练模型2026/10/12

完整术语表见 AI 术语词典；每日新术语与进展见 AI 早报。