一句话变成向量，事实就存进去了吗？

编码器读入一段文字，输出一组数。训练希望这些数在某种比较方法下，对任务有帮助，例如让问题靠近能回答它的段落。DPR 的双编码器就是分别编码问题与材料，再用分数选择候选。这说明检索目标是相关性，不是给每条句子颁发真假证明。

不要把某一维随意命名成“正确程度”或“资料新鲜度”。常见稠密向量的各维往往共同工作，不能只看到某个数就解读出一个独立事实。相关文本也可能互相矛盾：它们谈的是同一件事，恰好观点或版本不同。是否被模型区分开，需要实测，不能预先保证。

同一段文字换一个编码模型，表示方式也可能变化。查询和资料应使用彼此匹配的编码流程；更换模型后，不能只因为向量维数一样，就把新查询向量直接拿去比较旧索引。维数相同只是形状兼容，不代表两套坐标表达相同含义。

实际知识库通常为每个片段保存向量，同时保留片段编号、原文、来源和版本等信息。检索先返回候选，再根据编号取得可供阅读的内容。BGE 的公开演示也把向量分数映射回原始语料；它没有让读者仅凭一串浮点数检查答案。

回到两份通知，应用可以用生效状态过滤作废版本，再检查日期和适用场所。这里的判断来自明确字段和规则。若只有“相似度最高的一条”，旧通知仍可能成为输入；模型回答得再流畅，也无法补上检索阶段没有执行的版本选择。

权限同样应由应用控制。某个片段与问题很相关，不代表当前用户有权看它。来源更新或撤回时，原文、向量索引和读取规则需要按应用约定同步处理。只往新索引添加一条记录，并不会自动让旧记录停止参与检索。

不下载模型也能做一个纸面检查：给两份通知分别填编号、版本、生效日期和原文，写下检索后还需要检查哪些字段。再问自己，如果删除来源文字，只剩向量和分数，是否还能复核“周末开放”这句话。这个问题检查的是证据能否追溯，不是在测模型效果。

真正评价编码器时，再准备有正确候选标注的问题，记录该找到的材料是否进入候选，以及错误版本是否混入。找到了不等于回答正确，没找到也不一定是模型理解差，还可能是资料缺失、切分丢条件或过滤错误。先分清表示、检索和资料管理的职责，排错才有具体入口。