什么是上下文工程?比提示词更大的一盘棋
任务反复失败,多数时候问题不在措辞,而在模型看到了什么。本文拆开一次请求里的四段内容,给出删、排、压、隔离四个动作和一套失败分流方法。
AI基础百科栏目解释 AIGC、提示词、Agent、RAG、Token、模型、工作流、检测与认证等常见概念,适合新手快速补齐 AI 工具使用前的基础知识。
任务反复失败,多数时候问题不在措辞,而在模型看到了什么。本文拆开一次请求里的四段内容,给出删、排、压、隔离四个动作和一套失败分流方法。
讲清 top-k 与 top-p 两种采样策略如何控制大模型输出的随机性,用对照表说明不同场景下该调高还是调低随机度。
AI 的性格来自你看不到的那段话。讲清系统提示词与用户提示词的分工、优先级和注入攻击原理,附不同场景的用法对照表与判断标准。
MCP是让大模型接上外部工具的协议标准。讲清一次调用进来什么、中间发生什么、出去什么,以及「USB接口」这个类比...
用指数归一化的思路讲清 Softmax 如何把模型分数变成概率,说明温度参数对输出多样性的影响,并澄清概率不等于...
精确率问报得准不准,召回率问抓得全不全,两者此消彼长。本文讲清两个指标的分母差异、门槛联动,以及如何按代价选侧重...
解释偏差与方差的含义、表现与应对,用打靶比喻和对照表讲清欠拟合与过拟合的差异,并说明这套框架的适用边界与局限。
扩散模型让 AI 从一团随机噪声出发,经几十步去噪逐步擦出画面,是主流文生图与视频生成的基础。本文讲清加噪、去噪与采...
准确率会骗人:样本悬殊时全判成多数类也能拿高分。混淆矩阵把预测拆成四格,看清模型错在哪。本文讲清四格含义与误报漏报的...
梯度下降是几乎所有模型训练的核心方法:每次朝错误变小的方向挪一小步,反复逼近最优参数。本文用蒙眼下山讲清原理,对比三...
反向传播是从损失出发,用链式法则逐层算出每个参数的责任,再交给梯度下降微调。讲清一轮训练里发生了什么、和梯度下降怎么...
学习率决定模型每次调整参数的步长,设太大训练震荡、太小收敛极慢。本文讲清它的作用、三种调节策略,以及为什么没有一套通...
交叉验证把数据轮流切分、多轮取平均,让模型评估不再依赖单次运气。本文讲清K折的具体做法、它何时失效,以及普通人如何用...
样本不均衡指数据里类别数量悬殊,会让模型用全判多数类刷高准确率。本文讲清它的危害、四条应对思路,以及为什么先要想清楚...