- 博客(824)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 智能体间协作的“巴别塔困境“如何破解？解读Agent通信4大协议：MCP/ACP/A2A/ANP
MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。
2025-05-18 20:25:51
440
原创 智能体间协作的“巴别塔困境“如何破解？解读Agent通信4大协议：MCP/ACP/A2A/ANP
MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。
2025-05-18 20:25:51
875
原创 智能体间协作的“巴别塔困境“如何破解？解读Agent通信4大协议：MCP/ACP/A2A/ANP
MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。
2025-05-18 20:25:51
936
原创 智能体间协作的“巴别塔困境“如何破解？解读Agent通信4大协议：MCP/ACP/A2A/ANP
MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。
2025-05-18 20:25:51
380
原创 智能体间协作的“巴别塔困境“如何破解？解读Agent通信4大协议：MCP/ACP/A2A/ANP
MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。
2025-05-18 20:25:51
252
原创 CodeBuddy的七种武器
想象一下，当你面对复杂的代码难题时，它就像个经验丰富的拳击教练，既能用直拳般利落的代码生成快速突破，又能像勾拳那样精准命中技术细节。更绝的是剑里藏着的"时光琥珀"，能让代码倒流重现三分钟前的模样，连试错都成了行云流水的剑舞。中学时代非常喜欢看武侠小说，“飞雪连天射白鹿，笑书神侠倚碧鸳”自然不在话下，还看过梁羽生的《白发魔女传》与《七剑下天山》等书，当然还有古龙的《多情剑客无情剑》《绝代双骄》等，以及颇具特色的《七种武器》。碧玉刀切豆腐而不损其形，它生成的测试代码既能撕开业务逻辑的破绽，又保留原代码的筋骨。
2025-05-13 08:09:01
743
原创 如何选择Embedding Model？关于嵌入模型的10个思考
然后是每个令牌的成本，这关系到使用费用的问题；举个例子，在法律领域的RAG系统中，如果使用了专门针对法律术语训练的嵌入模型，那么系统就能更好地找到与查询相关的法律文件，并保证引用的判例法资料既准确又贴切上下文。这种方法虽然能显示出词语间的关系，但不能识别同一个词在不同场合下的不同意思，像“银行”这个词，在指河边的“河岸”时和作为金融机构的“银行”时的意思就被混为一谈了。相反，那些拥有丰富计算资源的大企业，则可能更愿意选择性能优越但价格不菲的专有模型，因为他们追求的是最高的准确性和效率，而不太在意成本问题。
2025-05-06 08:03:04
444
原创 梦里河山——五月拾遗
为了避开人流，我们驱车前往珠海，在海边，倾听春的消息。去青州，住在淄博，淄博的城市建设的很好，最令人称道的是，这里有一座美丽的书店。海岱楼钟书阁，淄博的文化新地标，以汉代建筑风格矗立于齐盛湖公园制高点，作为钟书阁全国单体面积最大的书店，其内部以镜面、对称线条与几何结构营造视觉奇观，U型书架镶嵌齐文化瓦当，镜面镌刻“田忌赛马”等成语典故，成为网红打卡点。而更为叹为观止的是云冈石窟，其中既有印度、中西亚艺术元素，也有希腊、罗马建筑造型、装饰纹样、像貌特征等等，反映出与世界各大文明之间的渊源关系，是独一无二的。
2025-05-05 16:00:01
1275
原创 大模型应用系列：两万字解读MCP
【引】AI Agent的实际效能高度依赖于其可集成的工具生态。当Agent无法接入关键数据源或功能接口时，其应用价值将大幅受限。这一核心挑战直接决定了Agent能否在真实场景中发挥作用。MCP通过建立统一的工具连接规范，为Agent开发提供了标准化接入框架。该协议不仅简化了Agent与多样化系统的集成过程，还显著扩展了Agent的任务处理能力，使开发者能够更高效地构建具备复杂功能的智能体，实现从基础查询到业务决策的多层次应用。那么，如何进一步理解MCP呢？其技术架构及工作原理是怎样的？典型的应用场景有哪些？
2025-04-26 09:18:27
1014
原创 十年，我译过的10本书
这种文化的建设能够激发团队成员的创新潜能，促进跨部门的合作交流，使企业能够更敏捷地响应市场的变化，有效解决客户问题，从而在激烈的市场竞争中占据有利地位。这里有两层意思，一个是批注笔记，一个是动手实践书中的内容。在现代化的征途中，领导者不仅要具备前瞻性的视野，对技术变革有深刻的理解和掌握，更要能够引领组织文化的转变，建立起一个鼓励创新、支持学习、容错忍失的工作环境。
2025-04-20 20:25:19
391
原创 从零构建大模型之Transformer公式解读
解码器层是相似的，但有一个额外的多头注意力子层，允许参与编码器的输出。另一方面，交叉注意力专注于故事的具体细节，以确保随着你的进步，能将最相关的信息融入到你的理解中。解码器的多头注意力子层，包括掩蔽的多头注意力和标准的多头注意力(注意编码器的输出) ，共同生成输出序列。【引】收到图灵寄来的两本书《大模型应用开发极简入门》和《从零构建大模型》，重新点燃了自己深入理解大模型内部机制的热情，不能只知其然而不知其所以然，于是重温大模型核心的transformer架构， 尝试用25个公式进行解读，遂成此文。
2025-04-13 20:25:49
609
原创 忆北邮同学生活及《超密集无线网络》译者序
回溯到30多年前，那时候的北邮还没有礼堂，开学典礼在当时的2食堂。满头银发的叶培大先生好像是当时邮电系统唯一的院士，他老人家的一句话记忆犹新，“恭喜同学们进入了未来20年最热门的行业！” 的确如此，我们已经体会到了近30年信息产业高速发展的红利，感恩北邮！高考改变了我们的命运，当年考入北邮是个偶然，作为一个农村学生，在那个年代能够考上大学已经是幸事。在填报志愿的时候，老父亲特意托人找到东里中学（现在的通州运河中学）的王书记咨询，得到的结论是“报考北邮”，因为当时的县电信局还没有一个大学生。有着逆反心理的我却
2025-04-08 08:00:35
799
原创 从Service Mesh 到 Agentic Mesh
特别是在金融、医疗这些"零容错"的高风险领域，大模型偶尔的胡言乱语可能引发严重后果——想象一下，如果医疗AI给错诊断建议，或者金融AI算错投资金额，那简直是场灾难。因为它掌控着所有服务间的数据传输，所以能提供全方位的安全防护：自动给所有通信加密（就像给对话加上密码锁），通过双向身份验证（mTLS）确保连接双方都是可信的，还能自动管理数字证书并设置精细的访问权限。它们就像尽职的交通警察，不仅记录每辆"数据车辆"的通行情况（可观测性），还会检查"通行证"（安全认证），并在堵车时自动疏导（流量控制）。
2025-04-06 20:25:41
977
原创 梦里河山：别样清明
我高中毕业的时候，父亲从潞河中学取到北邮的录取通知书， 骑自行车飞速回曹庄，他觉得自己的儿子圆了他幼时无法求学的梦，兴奋忘形，在沙古堆道口将交警撞到在地。下一辈的孩子梦可能都不会这样做了， 我曾经自嘲，“从小接受共产主义教导，长大了给资本主义干活，却满脑子封建思想”，或许， 这是我们70后的一种写照。然后，挖一个坑，在里面燃烧各自购置的纸钱、元宝、金条等祭祀用品，以此为媒介，默默地念叨，与另一个世界的父母说话，诉说自己的生活，祈祷他们的保佑。后来，我们去过多次， 每一次都有不同的感受，这一次也是如此。
2025-04-05 21:34:51
394
原创 大模型应用的能力分级
上下文指的是对话过程中积累的相关信息，它帮助 AI 更好地理解用户的需求，并作出恰当、连贯的回应。这种查询是最简单的形式，用户直接询问某个具体的事实，而这个事实在数据中是明确存在的，不需要额外的推理。例如，如果一个 AI Agent 的任务是提供客户支持，它可以从过去的对话中学习，改进自己的回答方式，并自动适应每个客户的独特需求。随着 AI Agent 能力的不断增强，我们可以预见它们将在战略决策、客户互动以及跨行业的流程优化中发挥越来越重要的作用，成为推动企业发展的核心力量。
2025-03-30 20:25:57
741
原创 来了！10个构建Agent的大模型应用框架
的最大优势在于它与 Spring 生态系统的无缝集成。在此，我们将重点介绍10个具有代表性的Agent应用构建框架，并对其他常见的框架进行简要概述，以期为大家提供一个相对全面的视角，了解这一领域的现状和潜在趋势。它简化了创建业务友好型智能体的过程，使得快速理解GenAI的价值变得轻而易举，这为缩短产品上市时间和提供即开即用的定制选项提供了便利，尤其适合构建如营销智能体这样的轻量级智能体。它的多智能体协作能力、结构化的工作流设计、用户友好的界面、灵活的集成选项以及积极的社区支持，共同构成了其引人注目的特点。
2025-03-23 20:25:31
1099
原创 AI 驱动的数据分析：Data Agent
本质上，人们需要需要精确的信息。从广义上看，数据分析由来已久，例如，会计和财务就是分析性很强的领域，在向公众报告有关公司财务状况的指标时有严格的定义和规定。虽然软件工程创建的代码片段是确定的，并且可能是幂等的，但是数据流水线可以并且确实会随着数据采集过程的变化而变化。到目前为止，流程中的差异已经允许数据团队在创建表格方面拥有比以前更多的自主权，将数据传递给业务用户的速度有了明显的提高，但还是太慢了。然而，随着速度的提高，来自多个来源的数据表也随之增多，需要考虑将数据呈现给最终用户的 “最终负载”。
2025-03-16 20:25:40
1030
原创 LLM运行框架对比：ollama与vllm浅析
开源的LLM已经成为程序员、爱好者和希望在日常工作中使用生成式AI并保持隐私的用户的最佳选择，对于企业的私有化部署而言也是如此。这些模型提供了优秀的性能，有时在许多任务中可以与大型的闭源模型 (如 GPT-4o 或 Claude Sonnet 3.5) 相媲美。这些LLM是开源的，但并不意味着它们可以开箱即用，需要一个运行框架在本地或服务器上运行大模型以获得特定的用例。另外，兼容 OpenAI 的...
2025-03-09 20:25:33
1728
原创 架构设计过程中的10点体会
在软件工程领域，任何脱离实际业务需求的架构设计都是一种不负责任的行为，甚至可以称之为"技术层面的形式主义"。这种设计倾向往往表现为过度追求技术新颖性、盲目采用复杂架构模式，或者为了架构而架构的设计理念。很多技术债务也是由于架构设计与业务需求脱节造成的。多年的实践，经历了很多的项目和工程架构实现，整理了10点体会，可能不对，可能片面，都来自于过去的经验。1.每个人都是凡人，无关职位许多人从小就被灌输...
2025-03-02 20:25:41
637
原创 解读DeepSeek-R1
DeepSeek-R1 并不是从零开始训练的。它从一个比较强大LLM （DeepSeek-V3-base）开始，进而成为一个推理大模型。为了做到这一点，使用了强化学习（RL），当 LLM 做了一些有益于推理的事情时，进行奖励，否则进行惩罚。但这不仅仅是一次简单的训练，而是一系列阶段，称之为流水线。首先尝试纯 RL，看看推理是否会是否可行，这是 DeepSeek-R1-Zero，有点像一个实验。然后...
2025-02-23 20:26:01
856
原创 牛津剑桥之旅与英伦风情
【引】“读万卷书，行万里路”，旅行是热爱生活的一种方式。作为热爱生活的老码农，将自己在北京的徒步记录为《量步北京》的文字， 将国内的旅行记录为《梦里河山》系列（较近的一篇大约是《西北随笔》了）， 海外的旅行整理为《海外寻踪》专辑，但这一次的英国旅行却是一次不一样的旅程。元代王冕有一首诗《墨萱图（其一）》：灿灿萱草花，罗生北堂下。南风吹其心，摇摇为谁吐？慈母倚门情，游子行路苦。甘旨日以疏，音问日以阻...
2025-02-16 19:28:27
1392
原创 DeepSeek 到底用了多少GPU呢？
【引子】近来，大家一直在谈论 DeepSeek R1，即 671B 的参数巨兽。如果得到这样的一个大模型，到底花费了600 万美元还是2.48 亿美元呢？到底用了多少张GPU呢？半导体研究机构SemiAnalysis认为，DeepSeek囤积了6万张英伟达GPU卡，其中包括1万张A100、1万张H100、1万张“特供版”H800、3万张“特供版”H20。马斯克认为DeepSeek实际使用的GPU数...
2025-02-09 20:26:04
1238
原创 大模型应用的10个架构挑战
[引] 在英国，时差有点乱。拾起年初的文字，迎接新春大吉！ChatGPT从正式发布到拥有1亿用户仅仅用了5天的时间，基于大型语言模型（简称大模型，或基础模型）的应用给软件行业乃至整个社会带来巨大的影响。作为一名软件系统的架构师，除了传统的软件系统质量属性约束之外，还要面对由于大模型应用的自身特点所带来的新约束，面对更多的权衡，也面临着更多的挑战。基于笔者近年来的探索与实践，这里列举了面向大模型应用...
2025-01-27 04:06:38
1443
原创 性能优化之动态加载
在过去近三十年的职业生涯里，有几年专注于运行时环境的开发与实现。在runtime中，动态加载技术是其中的基石之一。动态加载技术是指在系统运行过程中，根据需要把程序和数据从外存或网络加载到内存中的过程。其中，lazy loading（懒加载），也被称为延迟加载，是动态加载技术的一种常见实现方式。1. 什么是动态加载所谓动态加载，指的是程序在运行期间需要调用某一模块的功能时，由加载器将该模块即时载入内...
2025-01-19 20:26:01
1371
原创 性能约定：API 限速
速率限制是一种关键的控制机制，用于管理 API 的请求流，非常类似于调节器。速率限制不仅仅是控制请求的总数，它还关系到如何以及在哪里应用这些限制。根据 API 的需要，可以根据各种因素(如用户 ID、 IP 地址或特定类型的 API 调用)来实现速率限制。例如，一个社交平台可能实施严格的速率限制，以防止发布垃圾邮件，同时允许更频繁的请求阅读内容。类似地，服务可以对来自已知用户和匿名流量的请求应用不...
2025-01-12 20:26:04
760
原创 微秒级高性能网络初探
如果我们的预期是将网络延时从10ms 降低到1ms，那么应该先分析这些时延的具体构成，很有可能瓶颈并不是网络传输；如果目标是将网络延时降低到微秒级或者百微秒级，那么我们才可能使用到高性能网络，例如RDMA技术。1. TCP/IP 协议栈的局限数据中心内部服务器的接入带正在由万兆（10G）接入升级为25G，在某些用于机器学习的服务器上甚至使用了100G的接入带宽。量变引起质变，增大的接入带宽让传统的...
2025-01-05 20:25:48
794
原创 2024年，老骥伏枥
【引】周末的冬日午后，一杯清茶也换做了一碗梨汤，习惯驱使着感冒初愈的我坐在书桌前，回首2024这一年。时光，悄悄地，从指尖溜走，只留下回忆的碎片。拾起那些散落在角落里的记忆碎片，将收获和喜悦任性地拼接起来，将蹉跎和烦恼扔进垃圾桶，于是，就形成了这一篇关于2024年的年终文字。工作作为一名首席架构师， 自己在联想诺谛智能已经工作一年多了，除了AI方面，最大的收获或许就是对“需求工程”的理解又进了一步...
2024-12-29 15:39:30
703
原创 大模型应用系列：从MLOps到LLMOps
【引子】在IT领域中，DevOps 是软件工程效能的重要方法论以及工具集， 在人工智能领域同样如此。MLOps 和 LLMOps 都是管理机器学习系统的方法。MLOps 致力于解决机器学习生命周期的生产问题，促进数据科学家和运营专家之间的合作，提高机器学习系统的效率和质量。LLMOps 通过结合“终身”学习扩展了 MLOps，使机器学习模型能够随着时间的推移不断地从新数据中学习和改进，从而使数据快...
2024-12-22 20:24:47
1004
原创 WEB语义化的新探索：浅析LLMs.txt
【引】有人迷恋使用大模型生成各种有趣的内容，有人沉醉于大模型相关技术的探索，没有对错，只在于你的乐趣所在。一项名为 llms.txt 的新提案标志了一些非同寻常的东西的出现: 一个Web网站不仅为人类读者服务，而且为人工智能提供服务。这不仅仅是一种新的技术标准，而是我们对数字基础设施的看法发生根本性转变的开始。robots.txt 和 sitemap.xml 是为搜索引擎设计的，而 LLMs.t...
2024-12-15 20:24:55
1948
原创 浅析面向场景的大模型应用框架选择
【引】人们经常用“具体问题具体分析”来适应不确定性，工匠的思维是对问题进行分类，然后尝试是否存在通用的解法，可能不是最优的解，但肯定是一个可用的解。对于大模型应用而言， 也是如此。从demo到产品之间存在着鸿沟，大模型应用也是如此。在工程实践的时候，产品/服务提供的功能与性能及成本之间存在着大量的权衡，面向场景来选择大模型的应用框架，则是一种具体的权衡方法。例如，什么时候使用Agent？当任务太...
2024-12-08 20:24:10
1040
原创 解读小模型——SLM
【引】如果希望从文献途径了解一个新的领域，该领域的相关survey 论文可能是一个较好的切入点，对于日新月异的AI领域尤其如此。”Small Language Models: Survey, Measurements and Insights”一文（https://arxiv.org/pdf/2409.15790）或许可以帮助我们更好地了解SLM。大模型的世界几乎每天都在发生变化。一方面，人们越来...
2024-12-01 20:24:50
1126
原创 解读GraphRAG
RAG 结合了大型语言模型和信息检索模型的力量，允许它们用从大量文本数据中提取的相关事实和细节来补充生成的响应。事实证明，这种方法在提高模型输出的实际准确性和总体质量方面是有效的。然而，随着 RAG 系统得到更广泛的采用，它们的局限性开始浮出水面，具体而言：平面检索: RAG 将每个文档作为一个独立的信息。想象一下，阅读单独的书页，却不知道它们之间是如何连接的。这种方法错过了不同信息片段之间更深层...
2024-11-24 20:24:37
1201
原创 初探Ranking系统的离在线满意度评估
【引子】在上周发布了《大模型应用系列：从Ranking到Reranking》之后， 有AI 产品经理问我，如何评估Ranking 系统的性能呢？再进一步，如何评估RAG系统的性能呢？ 老码农整理了一下在搜索引擎方面的感受，遂成此文。如何确保RAG系统在实际应用中表现良好呢？RAG本质上具有生成能力的一个信息检索系统，Ranking/Reranking 在其中的作用非常重要。测量该系统的有效性需要...
2024-11-17 20:24:50
729
原创 大模型应用系列：从Ranking到Reranking
【引子】Ranking 和Reranking又是一个NLP 处理中的传统技术，那么在大模型应用中又起到怎样的作用呢？每个搜索引擎背后都隐藏着一个至关重要却往往被忽视的组成部分——Reranking（重新排名）。那么，什么是Rerank呢？简而言之，这一过程旨在优化并调整搜索结果的顺序，使之更加精准地匹配用户的查询需求。值得注意的是，不同情况下采用的Rerank策略差异极大，因为针对每一个具体问题...
2024-11-10 20:24:17
1333
原创 大模型应用系列：Query 变换的示例浅析
【引】NLP中的经典组件在大模型应用中还有效么？大模型对自然语言处理中的典型任务有什么影响么？RAG应用通过分割文档、嵌入向量化并检索高语义相似性的块来响应用户问题，但面临文档块不相关、用户用词不当及结构化查询需求等问题。若RAG无法找到必要信息，则无法正确回答。对此，可采用Query变换技术，包括Query改写以提高检索准确性、后退提示以获取背景信息及子查询分解以全面检索。这些方法常利用大模型生...
2024-11-03 20:24:24
1029
原创 初探大模型压缩
【引】感谢大家对联想AIPC的关注！大模型在智能终端上应用使AI更方便地服务于我们的工作和生活，《从苹果智能看端上大模型应用》为我们提供了参考。一般地，语言模型越大越好，改进LLM的方式非常简单: 更多的数据 + 更多的参数 + 更多的计算 = 更好的性能。但是，使用100B + 参数模型存在着明显的挑战。例如，使用 FP16的100B 参数模型仅存储空间就需要200GB！大多数消费设备(如手机、...
2024-10-27 20:24:56
702
原创 解读向量索引
向量嵌入是从图像、文本和音频等数据源转换而来的数字表示，旨在通过为每个项目创建一个数学向量来捕捉其语义或特征。这种表示方式使得计算系统更容易理解这些数据，并且与机器学习模型兼容，从而能够识别不同项之间的关系和相似性。通常，用于存储这些向量嵌入的专门数据库被称为向量数据库。这些数据库利用了嵌入的数学特性，即能够将相似的项聚集在一起存储。向量数据库采用不同的向量索引技术，可以将相似的向量放置在一起，而...
2024-10-20 20:24:57
1262
原创 雕虫：如何确定Java线程池的大小
在 Java 中，创建线程会产生显著的成本。创建线程消耗时间，增加请求处理的延迟，并且涉及 JVM 和操作系统的大量工作。为了减轻这些开销，需要使用线程池。本文将深入探讨确定理想线程池大小的技巧。1. 使用线程池的原因性能上，创建和销毁线程在Java中代价较高，而线程池通过重用线程减少了这种开销。在可伸缩性方面，线程池能根据应用程序需求进行扩展，如重负载时处理更多任务。此外，线程池有助于资源管理，...
2024-10-13 20:24:16
865
原创 解读知识图谱的自动构建
【引】在AI领域， 知识系统过时了么？在《大模型应用的10种架构模式》中， 知识图谱与大模型的结合是一种重要的应用方式。知识图谱可以辅助大模型应用的推理，大模型也可以辅助知识图谱的构建，二者是可以相辅相成的。在国庆假期中，读了一篇论文“A comprehensive survey on Automatic Knowledge graph Construction”（https://arxiv....
2024-10-07 20:24:25
1637
原创 解读文本嵌入：语义表达的练习
【引子】近来在探索并优化AIPC的软件架构，AI产品经理关于语义搜索的讨论给了自己较多的触动，于是重新梳理嵌入与语义的关系，遂成此文。文本转换成机器可理解格式的最早版本之一是 ASCII码，这种方法有助于渲染和传输文本，但不能编码单词的意义，其标准的搜索技术是关键字搜索，寻找包含特定单词或 N-gram的所有文档。如今，我们可以计算单词、句子甚至图像的嵌入。嵌入也是数字的向量，但它们可以捕捉意义。...
2024-09-28 20:24:17
1483
计算机世界1000期特稿——信息革命的流金岁月
2008-11-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人