向量数据库：为语义检索而生的存储
为什么需要前文提到 RAG 需要"检索"。而语义检索的核心，是把文本转成向量（Embedding），再找与查询向量最相似的那些向量。问…
网格：人工智能
共 49 片织锦
微调还是 RAG：怎么选
两者解决不同问题RAG 解决的是"知识"问题：让模型能访问它训练时不知道的信息。微调解决的是"行为"问题：让模型以特定的方式、…
数据标注：AI 背后的"人工"
为什么需要监督学习需要"输入—标签"配对的数据。而标签往往来自人工。常见的标注任务：图像分类：这张图是猫还是狗；目标检测：…
模型可解释性：为什么有时候"能解释"比"准确"更重要
问题深度学习模型，尤其是大模型，常被称为"黑盒"——能给出答案，但说不清为什么。在很多场景中，这不可接受。为什么需要可解释…
联邦学习：数据不动，模型动
要解决的问题训练机器学习模型需要数据。但数据往往分散在不同机构、不同设备上，且不能直接集中：隐私法规：医疗数据、金融数…
AI 生成内容的版权：一个尚未定论的问题
几个不同的问题讨论 AI 与版权时，要区分几个层面：一、训练数据的使用是否需要授权？模型从大量受版权保护的作品中学习，这是…
强化学习：从试错中学习的范式
与监督学习的区别监督学习：有标准答案。输入 X，正确输出 Y，模型学习 X→Y 的映射。强化学习：没有标准答案，只有奖励信号。智…
迁移学习：把已有的知识用到新任务
核心思路人类学习新任务时，很少从零开始——我们会调用已有的知识。迁移学习就是这个思路：把在一个任务（源任务）上学到的知识…
过拟合与欠拟合：模型训练的两种失衡
两个概念欠拟合（Underfitting）：模型连训练数据都没学好，在训练集和测试集上表现都差。原因：模型太简单、特征不足、训练不…
Batch Size 与学习率：训练中的两个关键旋钮
Batch Size定义：每次参数更新时，用多少个样本计算梯度。Batch = 1：随机梯度下降（SGD），每次用一个样本；Batch = 全量：批…