网站首页 第213页

• 

  RAG实战篇:精准判断用户查询意图，自动选择最佳处理方案

  在人工智能领域，理解和准确响应用户的查询是构建高效交互系统的关键。这篇文章将带你深入了解如何通过高级查询转换技术，优化大型语言模型的理解能力，使其更贴近用户的真正意图。在《RAG实战篇：构建一个最小可行性的Rag系统》中，风叔详细介绍了Ra...

  2025-03-10 balukai 文章精选 148 ℃
• 

  内存用量1/20，速度加快80倍，QQ提全新BERT蒸馏框架，未来将开源

  机器之心发布机器之心编辑部腾讯QQ团队研究员对BERT进行了模型压缩，在效果损失很小的基础上，LTD-BERT模型大小22M，相比于BERT模型内存、存储开销可降低近20倍，运算速度方面4核CPU单机可以预测速度...

  2025-03-10 balukai 文章精选 64 ℃
• 

  如何突破Decoder性能瓶颈?揭秘FasterTransformer的原理与应用

  位来发自凹非寺量子位报道|公众号QbitAI4月9日，英伟达x量子位分享了一期nlp线上课程，来自NVIDIA的GPU计算专家、FasterTransformer2.0开发者之一的薛博阳老师，与数百位开发者共同探讨了：Fast...

  2025-03-10 balukai 文章精选 67 ℃
• 

  最全推荐系统Embedding召回算法总结

  最近特别忙，工作日几乎没什么时间学习。平时攒了一堆推荐相关的文章，趁周末整体学习了一下。主要是参考了网上的一篇技术文章（迄今为止我看到的比较好的推荐Embedding总结）以及我自己的一些理解。Embedding概念首先一些概念性的内容要科...

  2025-03-10 balukai 文章精选 168 ℃
• 

  DeepSeek本地RAG知识库(17):向量数据库原理讲解(小白也能懂)

  大家好！我是程序员寒山。近日很多小伙伴问，为什么要用向量数据库？它到底是怎么存储数据的？今天就给大家揭秘一下向量数据库，看看它有什么神奇的地方？一、什么是向量数据？——菜谱变"坐标"说向量数据库前，首先要明白什么是向量数据，因为向量数据库的...

  2025-03-10 balukai 文章精选 94 ℃
• 

  特征交叉系列:NFM原理和实践，使用交叉池化连接FM和DNN

  关键词：NFM，FM，DMM，推荐算法,特征交叉内容摘要NFM介绍和结构简述交叉池化层解析NFM和FNN，PNN的联系和区别NFM在PyTorch下的实践和效果对比NFM介绍和结构简述在上一节介绍了PNN特征交叉系列：PNN向量积模型理论和...

  2025-03-10 balukai 文章精选 58 ℃
• 

  RAG下向量检索与关键词检索差异与场景区别

  在RAG（检索增强生成）中，向量检索和关键词检索是两种核心的检索算法，它们的底层逻辑、适用场景和优劣势截然不同。以下从技术原理、算法差异到应用场景的对比分析：一、核心差异二、算法原理对比1.关键词检索（KeywordSearch）o核...

  2025-03-10 balukai 文章精选 69 ℃
• 

  隐形的守护者(风控技术篇)-时序流异常检测

  者：京东零售罗尚勇异常检测（Anomalydetection）技术就像是一个隐形的守护者，悄无声息地监视着数据流，寻找着那些与正常模式不符的迹象。在本篇文章中，将探讨基于时序流的异常检测技术，解决如何及时发现序列模式的异常、以及适应数...

  2025-03-10 balukai 文章精选 70 ℃
• 

  向量数据库基本原理

  向量是AI理解世界的通用数据形式。Vector向量是什么？向量是多维数学空间的坐标点。向量从哪来？向量来源于对现实世界数字化的抽象。向量怎么用？向量用来搜索真实世界不同模态数据。向量的类型包含图像向量，文本向量，语音向量。图像向量：通过神经...

  2025-03-10 balukai 文章精选 136 ℃
• 

  当我们谈论神经网络Embedding时，我们在谈论什么?

  人工智能的奥义是：“万物皆可Embedding”--花哥不知道大家有没有这种感受，在学习各种算法模型时，特别是深度学习模型，少不了嵌入（Embedding）的应用。嵌入可以说是人工智能最基础的功能。机器学习模型只接受数值组作为输入，字符或者...

  2025-03-10 balukai 文章精选 55 ℃