大语言模型 (LLM)是什么?

大语言模型(LLM,Large Language Model)是在海量文本上以预测下一个Token为目标的模型体系,其核心构成包括数千亿参数、海量语料、Transformer骨干、上下文概率生成,解决的是规则系统难以覆盖开放域语言任务的问题…

Transformer 架构是什么?

Transformer(Transformer Architecture,变换器架构)是2017年提出、以注意力取代循环结构的深度学习架构,其核心构成包括多头注意力层、堆叠编码解码结构与并行化训练,解决的是序列模型排队读取导致的训练慢问题,…

注意力机制 (Attention)是指什么?

注意力机制(Attention)是让模型处理每个词时动态计算它与上下文的关联权重、据此确定词义的机制,其核心构成包括与上下文的相似度打分、按权重聚合信息、多头并行关注不同关系,解决的是同一个词在不同语境含义不同、静态向量无法消解歧义的问题,…

什么是嵌入 (Embeddings)?

嵌入(Embeddings)是把文字、图像映射为高维向量、用几何距离度量语义关系的方法,其核心构成包括词的坐标、距离与方向表达的含义关系、训练得到的语义空间,解决的是字符串相似度无法直接计算、语义检索缺乏度量的问题,并不解决向量携带的事实错…

什么是分词 (Tokenization)?

分词(Tokenization)是把文本切分成模型可处理的基本单元Token的过程,其核心特点包括按固定词表或子词切分、Token不等于单词、可用熟悉零件组合生词,解决的是模型无法直接读取自然语句与词表无限膨胀的问题,并不解决语义理解本身与…

迁移学习让大厂练通才模型,开发者微调即可落地具体场景

迁移学习(Transfer Learning)是复用预训练模型的通用知识、再针对具体任务微调的技术路径,其核心步骤包括选取通才模型、用目标场景数据继续训练、冻结部分层保留通用特征,解决的是从零训练所需数据、算力与时间成本过高的问题,并不解决…

神经网络 (Neural Networks)是什么?

神经网络(NN,Neural Networks)是由神经元分层连接、靠权重调整逐层学习数据模式的模型,其核心构成包括输入层、隐藏层与输出层、连接权重与激活函数,大模型权重可达数千亿个,解决的是计算机自动提取特征并完成预测的问题,并不解决训练…

拆解 20 个最核心的 AI 概念

如果你曾经尝试过硬啃 AI,你一定在某个深夜破防过,心里咆哮着: “这到底是在搞什么鬼?” 术语多如牛毛,工具满天飞,网上每个人说话都像在显摆,仿佛这些东西理所应当就该懂。

5分钟带你读懂人工智能基础知识

2026年了,如果你还觉得 AI 只是"聊天机器人",那可能已经悄悄落后了。每天刷到的 AI 画图、AI 写作、AI 视频……它们背后到底是什么原理?

一篇科普文带你了解AI人工智能

中国工程院院士、清华大学讲席教授、清华大学智能产业研究院院长张亚勤说2026年是“智能体AI元年”。360集团创始人周鸿祎说:如果说2024是“大模型之年”,2025是“智能体之年”,那么2026年将

普通人怎么开始用AI?

2026年了,如果你还觉得 AI 只是"聊天机器人",那可能已经悄悄落后了。每天刷到的 AI 画图、AI 写作、AI 视频……它们背后到底是什么原理?