3030的产品进阶路-CSDN博客

原创 AI基础知识（六）——模型的评估和测试

盲测 (Blind Test):\\ 同时展示两个匿名模型（模型 A, 模型 B）对同一个问题的回答\\ 用户投票 (User Voting):\\ 让用户进行投票，选择“A 更好”、“B 更好”、“平局”或“都差”\\。AI 伦理与安全评估专门组织一个“红队”，其任务是像黑客一样，想尽一切办法来“攻击”模型，诱导其产生有害的、有偏见的、不安全的回答。设计一个多维度的评分标准（如“有用性”、“诚实度”、“安全性”、“流畅度”），让经过培训的标注员为模型的每一个回答，在每个维度上打分（如 1-5 分）。

2025-09-18 12:25:56 627

原创 AI基础知识（五）——一些特殊名词的解释

树的分叉过程，就是寻找最优分裂点的过程。在每个节点，模型都必须回答一个核心问题：“在当前所有可用特征中，选择哪个特征、并设定一个什么样的规则，才能让分裂后的两个子集变得‘最纯净’？

2025-09-18 12:25:24 449

原创 AI基础知识（四）——分类上的交叉点

这三个核心组件是所有基于神经网络的模型（无论是在【技术分类】中的 CNN/RNN/Transformer，还是在【专业方向分类】中的所有大模型）都必须拥有的。它们的具体选择（如激活函数用 ReLU 还是 SwiGLU，优化器用 Adam 还是 SGD）是模型“微调”和“魔改”的重要部分，也是造成模型间性能差异的原因之一。科学发现(AlphaFold2):其核心组件Evoformer是一个深度定制的 Transformer。具身智能(RT-2):其核心是视觉-语言-动作 Transformer。

2025-09-18 12:24:40 220

原创 AI基础知识（三）——关于专业/应用方向上的分类

核心能力：理解并生成流畅、连贯、合乎逻辑的人类语言。它们是所有语言类 AI 的“通用底座”，目标是成为一个知识渊博、善于沟通的“通才”。均采用解码器-唯一（Decoder-only）的Transformer架构。这种架构的本质是一个自回归 (Autoregressive) 的预测模型。简单来说，它的工作方式就是“文字接龙”：根据已经生成的文本，来预测下一个最可能的词元 (Token)。这种逐词生成的机制，天然就非常适合构建连贯的、有上下文逻辑的自然语言。它就像一个技艺高超的作家，在写下每一个词之前，都会回顾

2025-09-18 12:20:42 1742

原创 AI基础知识（二）——技术分类上

符号AI与连接主义AI是人工智能的两大范式。符号AI基于知识表示与逻辑推理，通过专家系统等实现智能，但面临知识获取困难的问题。连接主义AI则通过机器学习从数据中自动学习，包括经典机器学习（如线性模型、SVM、集成学习）和深度学习（如CNN、Transformer）。深度学习在图像、文本等领域表现优异，尤其是Transformer已成为主流架构。生成模型（如GAN、扩散模型）能够生成新数据，扩散模型在图像生成中占据主导，而自回归模型（如GPT）在文本生成中表现突出。两种范式各有优势，共同推动AI发展。

2025-09-10 10:53:41 590

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

2301_79610920的博客