跳到正文
菜单
首页
项目
技术专题
面试复习
关于我
搜索
主题
默认主题
浅色
深色
动态:开
文章
159
标签
1
分类
12
首页
文章
分类
标签
公告
个人简介
011.PyTorch中view()与reshape()核心区别
返回首页
首页
文章
分类
标签
公告
个人简介
011.PyTorch中view()与reshape()核心区别
每日分享
文章作者:
刘国庆
文章链接:
https://lgq-828.pages.dev/2026/07/25/011.PyTorch%E4%B8%ADview()%E4%B8%8Ereshape()%E6%A0%B8%E5%BF%83%E5%8C%BA%E5%88%AB/
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
LGQ的博客
!
面试题
LLM用户提示词的向量化和对于训练数据/RAG知识库的向量化有无区别?答:底层技术token embedding相同,但有本质区别。1,模型选择可能不同;训练数据向量化:通常使用擅长编码长文本的文档嵌入模型,如 BGE-large、E5-large、GTE、text-embedding-3-large;用户提问向量化:常做查询端优化,解决向量空间的”不对齐”问题,a,查询重写(Query Rewriting):把口语化问题改写成更正式的检索语句,b,查询扩展(Query Expansion):补充同义词、相关概念,c,伪相关反馈(Pseudo-Relevance Feedback):用初步检索结果优化查询向量。2,分块策略完全不同,用户提问通常不做分块(整句编码);训练数据要精心设计语义分块,决定检索粒度。3,实践差异:训练数据向量化需要离线批量处理,重质量、重覆盖、重结构化;而用户提问向量化需实时处理,重速度、重意图理解、重相关性。
012.LLM用户提示词的向量化和对于训练数据RAG知识库的向量化有无区别
↗
管项目(定事儿、排期) 能干啥:把老板拍脑袋定的大目标,拆成一个个能上手干的小任务。比如“开发一个登录功能”,就拆成“前端画页面”、“后端写接口”、“测试用例设计”这几件小事儿,再分别交给具体的人。 有啥用:避免“一锅粥”。每个人都知道自己这周、这俩礼拜到底要干嘛,目标感强,不迷茫。 算工时(搞计算) 能干啥:开发大哥说“这个功能我得干3天”,测试大姐说“我得测2天”,项目经理在系统里把这些时间填进去,它能自动算出这个版本总共需要多少天,会不会延期。 有啥用:帮领导算账用的。能知道一个功能到底要花多少“人工成本”,下次排期心里就有谱了,也能发现谁估时间老是没谱。 查进度(跟状态) 能干啥:就像外卖软件看“骑手到哪了”。你一点开,就能看到任务卡在“开发中”、“测试中”,还是“已上线”。还有那种燃尽图,就是一根往下掉的线,告诉你活儿是越干越少,还是压根没动。 有啥用:领导不用每隔一小时就去问“好了没”,安心。万一进度落后了,能早发现早救火。 分任务(派活儿) 能干啥:项目经理在系统里把活儿“甩”给张三,张三手机上立马就收到提醒“你有新任务”。这事儿就算钉死了,...
010.项目管理工具
↗
延伸阅读
循墨,再读一篇。
技术手记
016.OpenAI调用阿里模型
↗
技术手记
41.讲一讲你对提示词安全的理解
↗
技术手记
04什么是思维链提示并请举例说明使用场景
↗
技术手记
001.什么是特征工程RAG文本预处理是否属于
↗
技术手记
07如何用正则表达式提取字符串中的邮箱地址(简单格式)?
↗
技术手记
02.数据结构
↗
刘国庆
个人博客,记录技术与生活
文章
159
标签
1
分类
12