- 博客(31)
- 收藏
- 关注
RSS订阅原创 AI评估方法：四种主流方式对比
本文探讨了四种AI模型评估方法：1）纯人工评估，准确性高但效率低；2）代码评估，自动化但适用范围有限；3）LLM-as-judge，利用大语言模型进行自动化评估；4）LLM初筛+人工复核，兼顾效率与准确性。这四种方法各具特点，可根据实际需求选择或组合使用，以平衡评估质量与效率。配图直观展示了不同评估方式的对比关系。
2026-04-14 14:39:30
46
原创 LLM/RAG 评估神器！DeepEval+GroUSE + 可解释检索，3 大工具搞定 AI 系统评测
1.DeepEval：专注文本类 LLM/RAG 系统，管 “效果好不好、对不对”，是自动化评估工具（补 1 句通俗解释：只评文字类 AI 回答，不评图片 / 音频）2. GroUSE：专注多模态检索系统，管 “检索准不准、性能怎么样”，是专属评测工具（补 1 句通俗解释：只评图搜文、文搜图等跨模态场景）3. 可解释检索：适配所有检索场景，管 “结果能不能看懂、信不信得过”，是提升可信度的功能能力（补 1 句通俗解释：不是评估工具，是给检索结果加 “解释”）
2026-02-09 17:15:06
562
原创 智能体RAG 三大核心技术：反馈回路/自适应 / 迭代检索的解析
摘要： 本文介绍了三种智能检索方法： 带反馈回路的检索：通过用户/模型反馈优化检索策略，适合对话式交互和专业领域检索，但依赖反馈且效率较低； 自适应检索：根据查询特征动态切换策略（如BM25或语义检索），兼顾效果与效率，适用于多领域或资源受限场景； 迭代式检索：自主扩展查询关键词进行多轮检索，适合深度信息挖掘（如学术文献），但计算成本较高。 三种方法分别解决意图匹配、策略适配和检索覆盖不足的问题，需根据场景需求选择。代码示例展示了简化实现逻辑。
2026-02-06 11:27:02
599
原创 RAG 高级检索：Fusion Retrieval、重排序、多维度过滤等 7 大技术详解
文章摘要： 高级检索技术包含7种核心方法：1）融合检索结合不同检索器结果提升召回率；2）重排序优化初步检索结果的相关性；3）多维度过滤通过元数据精准筛选文档；4）层级索引构建多级检索结构；5）集成检索组合多个检索系统；6）飞镖盘检索实现动态结果聚焦；7）多模态RAG结合视觉与文本信息。这些技术解决了单一检索器召回不全、结果相关性不足、无法满足业务约束等问题。例如融合检索可同时获取关键词匹配和语义相关文档，多维度过滤能根据用户权限和时间要求精确筛选内容。代码示例展示了如何实现RRF融合算法和跨编码器重排序，以
2026-02-05 16:10:55
801
原创 RAG 上下文增强 6 大利器：从语义分块到文档增强全解析
摘要：RAG架构中的上下文增强技术通过优化检索文档提升大模型输入质量。主要方法包括：(1)上下文块标题，为语义分块生成核心标题，解决LLM识别效率低的问题；(2)相关片段提取，基于Query语义精准筛选内容，避免冗余信息干扰；(3)上下文窗口增强，通过信息置顶、分块拼接等方式突破模型长度限制。这些技术显著提升了检索效率，降低了推理成本，并在金融、医疗等场景中实现了精准信息定位。配套代码示例展示了语义分块、标题生成和片段提取的具体实现方法。
2026-02-03 11:46:52
1000
原创 RAG 查询增强（Query Enhancement）三板斧：Query Transformations+HyDE+HyPE全解析
基于大模型的轻量改写**，如查询补全、意图明确化、多义消歧（如把模糊的 “产品性能怎么样？： 输入用户原始查询、调用大模型生成贴合 RAG 场景的「假设提示词（Hypothetical Prompt）」，而非无差别的假设文档、将假设提示词通过嵌入模型转化为向量、用该向量在知识库中检索，匹配真实文档块。通过大模型生成「与用户查询匹配的假设性文档」，用「假设文档的向量」替代「原始查询的向量」进行检索，核心是「以文档级的语义内容，补全用户查询的语义信息」，让检索从「查询向量匹配」升级为「文档级语义匹配」
2026-01-30 10:27:48
670
原创 Agentic RAG基础技术及CSV 文件适配 + 可靠 RAG + 分块策略全解析
本文探讨了传统RAG的局限性并提出Agentic RAG解决方案。传统RAG存在单向、固定、一次性的弊端，而Agentic RAG通过工具化、循环决策和多步推理实现了动态优化。文章详细介绍了两种技术类别：核心协作类（如Agentic RAG with Contextual AI）和基础技术类（包含5种RAG变体）。基础技术类重点解决了文档分块、结构化数据处理、结果验证等核心问题，如Reliable RAG增加验证机制，Proposition Chunking实现语义分块等。这些技术共同提升了RAG系统的准确
2026-01-28 11:38:59
678
原创 大模型基础-微调及传统RAG
摘要：模型微调存在知识更新成本高、周期长、知识固化等问题，适合知识稳定的场景。RAG（检索增强生成）则具有知识更新灵活、支持实时数据、降低幻觉率等优势，更适合知识频繁迭代的问答场景。RAG通过检索外部知识库动态补充信息，成本低且可溯源。技术实现上，Transformer架构的自注意力机制克服了RNN顺序处理的缺陷，支持并行处理和全局依赖，为多轮对话等复杂任务提供基础。
2026-01-20 17:30:46
324
原创 预训练模型的微调方法
利用强化学习的方法对已经预训练好的模型进行进一步训练，通过让模型与环境进行交互，根据其行为获得奖励或惩罚信号，并据此调整模型的参数，使其能够更好地完成目标。，底层冻结：底层通常学习通用特征（如文本的字符 / 词嵌入、图像的边缘 / 纹理），顶层则学习任务相关特征，所以冻结底层可减少过拟合风险（如BERT的顶层Transformer）。：（Hard Prompt）是指人工设计的模板，在提示工程中，明确、具体且通常带有强制性的指示或要求，（如"这句话：{text}，情感是[MASK]"）
2025-08-17 11:52:01
1192
原创 AI常见优化算法
梳理了优化算法及其适用场景。基础算法包括梯度下降法（BGD、SGD、MBGD），其中MBGD是深度学习最常用的基础优化器。动量优化通过历史梯度加速收敛，适合复杂地形优化。自适应学习率算法（AdaGrad、RMSProp、Adam）可自动调整参数步长，Adam综合性能最优。二阶算法（牛顿法、L-BFGS）计算代价高但收敛快，适合低维问题。智能优化算法（PSO、GA、SA、EA）通过模拟自然现象实现全局搜索，适用于组合优化、超参调优等场景，但计算成本较高。不同算法各具特点，需根据问题规模、数据特
2025-08-02 12:44:34
2015
原创 模型训练的通用流程
模型训练是机器学习和深度学习领域的核心环节，其通用流程涵盖从数据准备到模型部署的全链条，不同任务（如分类、回归、生成等）可能在细节上有所差异，但核心逻辑一致，大致包括以下流程
2025-07-30 19:03:29
878
原创 AI产品经理学习之算法评估指标
分类任务指标包括准确率（评估总体正确率）、精确率（减少误报）、召回率（减少漏报）、F1分数（平衡精确率和召回率）、混淆矩阵（全面展示预测结果）以及ROC曲线与AUC（评估分类效果）。回归任务指标包含MSE（对异常值敏感）、RMSE（数值直观）、MAE（抗异常值）和R²（解释变异能力）。聚类任务指标有轮廓系数（评估聚类结构）和调整兰德指数（与真实标签一致性比较）
2025-07-25 17:13:41
2071
原创 AI产品经理领域专项算法
推荐系统部分包括协同过滤、FM/DeepFM特征交叉模型和多任务学习；自然语言处理领域涵盖BERT/GPT文本理解、TextCNN分类和Seq2Seq对话系统；计算机视觉部分重点介绍了YOLO实时目标检测和FaceNet人脸识别。这些算法广泛应用于电商推荐、短视频优化、智能客服等场景，通过特征交叉、多任务协同等方式提升模型性能。文章通过算法图示直观展示了各模型结构，并对比了不同算法在短文本分类、实时检测等任务中的适用性。
2025-07-24 16:38:09
329
原创 AI产品经理基础必修算法
机器学习算法摘要 监督学习：包括线性回归（预测数值）、逻辑回归（二分类）、决策树（易解释但易过拟合）及随机森林（高准确、抗噪声）。SVM适合小样本分类，如医疗诊断。 无监督学习：K-means用于聚类，PCA降维，DBSCAN基于密度聚类并检测异常。时间序列预测常用ARIMA和Prophet。 深度学习：CNN处理图像，RNN/LSTM用于时序数据，GAN生成图像或修复数据，Transformer（如BERT）在NLP中表现突出。DNN是深度学习的基础模型。 选型建议：数据量大选随机森林，需解释性用决策树；
2025-07-19 12:33:38
1704
原创 多模态模型
摘要： 多模态模型能够处理文本、图像等不同数据类型。CLIP通过对比学习对齐图文语义，实现跨模态匹配，具有零样本能力但无法生成内容。Diffusion模型通过去噪过程生成高质量图像，支持条件引导但计算成本高。两者可结合应用，如CLIP筛选Diffusion生成结果。产品角度需权衡技术可行性（API调用成本）与数据需求（结构化/非结构化数据适配不同模型）。核心价值在于跨模态理解与生成能力的互补。
2025-07-12 13:25:18
710
原创 推荐系统算法
推荐系统通过分析用户行为预测偏好，提供个性化推荐。常见算法包括：1）协同过滤，基于用户/物品相似性进行推荐，采用矩阵分解（如SVD）降维处理数据；2）深度学习模型，如Wide & Deep（结合线性与非线性特征）、YouTube DNN（嵌入用户行为与视频特征）及NCF（融合协同过滤与神经网络），擅长处理稀疏数据；3）混合推荐，综合多种算法优势。广泛应用于电商、社交平台及视频推荐，提升用户体验与精准度。
2025-07-12 11:49:10
436
原创 AI核心概念：自然语言处理
自然语言处理（NLP）是让计算机理解与生成人类语言的技术，主要分为理解类（如情感分析、实体识别）和生成类任务（如机器翻译、对话系统）。其核心技术包括词嵌入（Word2Vec、GloVe）和预训练模型（BERT、GPT），前者将词语转化为向量以捕捉语义关系，后者通过大规模训练实现高效语言处理（BERT双向理解上下文，GPT擅长文本生成）。NLP已应用于智能客服、舆情监控等领域，推动人机交互智能化发展。
2025-07-05 13:28:38
382
原创 AI核心概念：深度学习
深度学习作为机器学习的重要分支，基于神经网络架构，擅长处理图像、语音、文本等高维数据。核心神经网络通过调整权重实现从输入到输出的复杂映射。典型模型包括：CNN处理图像等网格数据，RNN及其改进版LSTM应对序列数据（解决梯度消失问题），以及基于自注意力机制的Transformer架构（如BERT和GPT系列）。这些技术在时间序列分析、自然语言处理、生物信息学等领域广泛应用，并已落地为人脸识别、语音助手和生成式AI等产品。特别是Transformer架构支撑了ChatGPT等突破性AI系统的发展。
2025-07-05 12:55:42
292
原创 20200525-多态
必须包含如下三个特性才可以使用多态：1：类之间存在继承关系2：存在方法重写（如：方块都有变形这个方法，但不同型的方块变形方式不一样）3：存在父类引用指向子类对象import sun.reflect.generics.tree.VoidDescriptor;import java.util.Random;class FK{ void bx(){ System.out.println("变形"); }}class FK_CFX extends FK{ vo
2020-05-25 00:23:39
143
原创 20200518-静态代码块与构造代码块的区别-待补充
静态代码块：static{}构造代码块：{}区别：构造代码块针对对象，对对象进行初始化；每次执行构造函数是都会执行；静态diamagnetic块对类进行初始化；只在类加载时执行一次，优先于主函数；...
2020-05-18 20:40:59
175
原创 20200514-不同类之间静态方法的调用-static
SaticDifferentClassApply a=new SaticDifferentClassApply();//定义一个新对象去调用在其他类里面的静态方法静态方法类代码如下：package 概念;public class SaticDifferentClassApply { public static int min(int[] arr){//int[] arr定义一个数组对象 方法为int有返参 int min=arr[0]; for(int i=
2020-05-14 20:33:42
800
原创 20200514-同一个函数之间静态方法的调用-同一个函数内存在多个相同的功能使用静态方法
静态方法的使用：每一个应用程序内，如果存在相同功能，可以将相同功能抽取，定义一个静态方法进行调用，减少代码量package 概念;import javafx.scene.shape.LineTo;public class StaticApplication { public **static** void main(String[] args) { int[] arr={12,34,45,67,89}; int[] arr1=new int[]{10,20,
2020-05-14 20:07:50
286
原创 20200512-HaspMap 以及Map与List的区别
1：HaspMap是（key,value）键值对键值是为了唯一标识事务而单独添加的值，一定不要用事务本身属性来做键值如：Shashmap s1=new Shashmap(“小李”,20,2020051201);不要使用： bb1.put(“2020051201”,s1);2：添加元素：bb1.put(“01”,s1);//(key,vaule)key代表索引，可以根据这个值找到某一个数据，必须唯一3： bb1.put(“02”,s2);//bb1.put(“02”,s1);输出时会把s1
2020-05-12 20:31:35
340
原创 20200512---linkedlist的add addFirst remove getFirst getLast
linkedlist是基于链表的数据结构aa1.addFirst(s1);//代表后进先出aa1.add(s1);//顺序插入aa1.remove(0);//代表删除，0代表删除下标为0的数据，即第一个数据System.out.println(aa1.getFirst().getName());//无删除动作，从后面往前取，取后进去的System.out.println(aa1.getLast().getsnum());//无删除动作，取先进去的数据package 集合;import jav
2020-05-12 20:27:23
297
原创 20200510-staic关键字-静态变量与静态方法
static关键字是一个修饰符常常用于定义不同对象中，相同参数且参数值相同的变量，1.用于修饰成员（成员变量 成员方法），被static修饰后的成员变量只有一份，且值相同2.使用了static关键字修饰的成员变量，还可以使用类名.静态成员变量进行访问特点：1.随着类的加载而被加载，所以可以被类名.静态成员变量进行访问2.优点于对象的存在 3.被所有对象所共享静态方法只能访问静态的成员非静态方法既能访问静态成员也能访问非静态成员静态方法不可以使用this super关键字package
2020-05-10 17:04:13
315
原创 20200510---构造函数之间的调用以及构造代码块
构造函数之间的调用使用thisthis(name);—代表调用存在1个参数name的构造函数this(name,age);—代表调用存在2个函数name,age的构造函数调用构造函数，则继承被调用函数下的一切方法与参数{}//代表构造代码块，构造代码块主要用来初始化的，初始化不同对象的共同参数的初始化内容{snum=12;//比如这里就代表无论哪个构造方法，snum都等于12}package 概念;public class Gzffzjdy { public static vo
2020-05-10 15:41:52
184
原创 20200508---初识ArrayList-添加 删除 遍历
package 集合;import java.awt.desktop.SystemSleepEvent;import java.util.ArrayList;public class Sarraylist {private String name;private int age;private int Snum;Sarraylist(String name,int age,int Snum){this.name=name;this.age=age;this.Snum=Snum;}pu
2020-05-08 23:23:54
198
原创 20200507---构造方法与重载
20200507—构造方法与重载构造方法：方法名跟类同名，且构造方法无返回值，前面定义void也不行重载：几个方法有相同的方法名，但参数个数不同或参数类型不同时，就涉及方法重载，真正调用时会根据参数的个数或者类型不同进行识别，Gzff方法同名package 数组;public class Gzff { String name;//成员变量，无需初始化，默认为null int...
2020-05-07 22:44:29
233
大模型原理及局限性、RAG 核心思想及引入优势、高级RAG及智能体 RAG 及AI 评估方法
2026-04-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人