编辑
2024-11-17
👨‍🍳保鲜
00

该文章已加密,点击 阅读全文 并输入密码后方可查看。

编辑
2024-11-17
👨‍🍳保鲜
00

该文章已加密,点击 阅读全文 并输入密码后方可查看。

编辑
2024-11-15
📘总结-保持好奇心
00

king" 和 "queen" 这两个单词在嵌⼊空间中的位置将会⾮常接近,因为它们的含义相似。 请问是依据什么内容或者含义转换的向量数据

在自然语言处理(NLP)和词嵌入(word embeddings)中,像“king”和“queen”这样具有相似含义的单词在嵌入空间中会被映射到彼此相近的位置。词嵌入的基本原理是将词语转换为一个多维空间中的向量,这些向量能够捕捉到词与词之间的语义关系。具体来说,“king”和“queen”会在嵌入空间中彼此接近,主要是由于它们具有相似的语义特征,比如都是关于“王室成员”的概念,但它们也有一些关键的差异,例如性别的不同。

这种关系的背后,通常是基于以下几个原理:

编辑
2024-11-15
📘总结-保持好奇心
00

向量数据库通过计算与目标向量的余弦距离、点积等获取与目标响亮的相似度。 余弦距离和点积代表什么意思,通俗的举例解释

向量数据库中,余弦距离点积是计算两个向量相似度的常用方法。通过这两个度量,我们可以判断两个向量之间的"相似程度"或者它们的"关系"。接下来我会通过通俗的例子来解释它们的含义。

编辑
2024-11-14
💥AI大模型
00

基本概念

1. Prompt

Prompt最初是NLP(自然语言处理)研究者为下游任务设计出来的一种任务专属的输入模板,类似于一种任务(例如:分类、聚类等)会对应一种Prompt。

我们每一次访问大模型的输入为一个Prompt,而大模型给我们的返回结果则被称为Completion