专题 · 40 篇
基础概念
了解 AI 的基本概念、工作原理与应用场景。
- 012026-07-16
AI 到底是什么?
先分清 AI、算法、大模型和普通软件,再看 AI 适合解决什么问题。
- 022026-07-16
AI 为什么突然走进普通人的生活?
不背年份流水账,只看算力、数据、算法和产品体验怎样一起把 AI 推到普通人面前。
- 032026-07-16
自然语言处理(NLP)入门——零基础版
早上你对着手机说"帮我订明天下午三点的闹钟",语音转文字,一两秒后闹钟设置成功。中午在电商 App 里打了句"想退这个货",客服机器人直接弹出退款入口。晚上打开翻译软件,把一篇英文报道贴进去,中文出来了。三个场景,三种界面,背后是同一套技术——NLP,自然语言处理。
- 042026-07-16
什么是NLP?从Siri到ChatGPT都离不开的技术
你掏出手机说"明天早上八点叫我起床",Siri 听懂了,设了个闹钟。你在谷歌搜"巴黎天气",还没打完,结果已经出来了。你打开 DeepL 贴一段中文,眨眼变成了英文。这三个场景,背后是同一个技术——NLP,自然语言处理。
- 052026-07-16
为什么计算机能"听懂"人话?NLP简史
你对着手机说"帮我订明天去上海的机票"。它把航班列出来了。人说话充满省略、歧义、随口而出——机器居然能接住。这事不是自然发生的。背后是 NLP——自然语言处理——70 年死磕一个问题的历史。问题很简单:怎么让 0 和 1 理解人话。
- 062026-07-16
自然语言处理:让机器读懂人类语言的技术
你打开百度搜索,输入"最近的咖啡店",它懂你在找什么。你用谷歌翻译把一段中文转成英文,语序和意思基本没丢。你跟智能客服说"收不到验证码",它知道你需要帮助而不是陈述事实。这三件事看起来毫不相关,背后的技术是同一个:自然语言处理,简称 NLP。
- 072026-07-16
每次打开AI,你都在用NLP
你发给 AI 的每个字,它"看"不懂。计算机只认识 0 和 1。但你能和它对话,能让它翻译、总结、写代码。中间隔着一层东西。叫 NLP。自然语言处理。把"人话"翻译成"机话"的技术。它不酷炫,但 AI 所有酷炫的事都踩在它肩上。
- 082026-07-16
NLP是什么?这份极简入门看懂AI的"语文课"
每天上亿人跟AI对话。聊天、翻译、改稿。你敲一行字,AI秒回一段话。但你敲的每个字,AI看到的不是字——是一串数字。把人话翻译成数字,再理解、推理、生成。这套技术叫 NLP,自然语言处理。它就像AI的"语文课"——教会机器读懂人话。而中文,是这门课里最难的一张考卷。
- 092026-07-16
NLP:计算机学人话这件事
一只猫。你看到这两个字,脑子里蹦出一只毛茸茸的东西。它怎么叫,怎么走路,你都知道。这些信息不在"猫"这个字里,在你脑子里。
- 102026-07-16
NLP 到底是什么——给完全0基础的普通人
你有没有对手机发过火?
- 112026-07-16
一张嘴就能跟电脑聊天,多亏了NLP
你跟 ChatGPT 说话,它回了。你跟 Siri 说话,它懂了。这个"你说了它懂了"的过程,背后是一门叫 NLP 的技术。中文叫自然语言处理。翻译一下就是:让计算机理解人话。但你要知道一件事:计算机本来根本听不懂人话。
- 122026-07-16
一句话讲清楚NLP是啥
NLP,全称自然语言处理。说白了就是让计算机听懂人话。你发一条微信、搜一次百度、喊一句"小爱同学",背后都是 NLP 在干活。它不是什么未来的黑科技——它每天都在用,你天天都在用。
- 132026-07-16
跟机器聊天之前,机器在干嘛?
你打开对话框,打了一行字,敲回车。对面秒回。看起来像在跟人聊天。但对面不是人。是数学。
- 142026-07-16
NLP:AI的"语文课"到底学什么?
你对着手机说"帮我订明天早上九点的闹钟",它听懂了。你给 ChatGPT 丢过去一段文言文,它翻成了白话。DeepL 转五秒,英文变中文。这些场景看起来毫不相关。背后的技术只有一个——NLP。让计算机理解人话。这件事搞了七十年,到今天也没完全搞定。
- 152026-07-15
概念解析——自然语言处理(NLP)
让计算机理解、生成和处理人类语言的技术统称,AI 与语言之间的桥梁。
- 162026-07-15
概念解析——Token 词元
大模型处理文本的最小单位,一个词或一个子词,模型所有能力的起点。
- 172026-07-15
概念解析——嵌入(Embedding)
把文字变成向量(数字序列)的技术,让模型能计算词语之间的语义相似度。
- 182026-07-15
概念解析——表示空间
嵌入向量构成的抽象空间,相似的概念在空间中彼此靠近。
- 192026-07-15
概念解析——注意力机制
让模型在生成每个词时关注输入中最相关的部分,Transformer 的核心机制。
- 202026-07-15
概念解析——Transformer
2017 年提出的深度学习架构,用注意力机制取代循环网络,现代大模型的基石。
- 212026-07-15
概念解析——损失函数
衡量模型预测与真实答案之间差距的函数,训练时通过最小化它来优化模型。
- 222026-07-15
概念解析——学习率
控制模型每次参数更新的步长大小,训练中最关键的超参数之一。
- 232026-07-15
概念解析——批大小(Batch Size)
每次训练迭代中同时处理的样本数量,影响训练速度和模型效果。
- 242026-07-15
概念解析——Epoch
完整遍历整个训练数据集的次数,决定模型学习的充分程度。
- 252026-07-15
概念解析——精度格式
模型参数存储的数值精度(FP32/FP16/INT8 等),权衡模型质量与资源消耗。
- 262026-07-15
概念解析——模型推理
使用训练好的模型对新输入进行预测的过程,即模型跑起来干活。
- 272026-07-15
概念解析——模型评估
通过标准测试集和指标衡量模型性能的过程,判断模型好坏的方法论。
- 282026-07-15
概念解析——模型部署
将训练好的模型部署到生产环境供用户使用的工程实践。
- 292026-07-15
概念解析——数据标注
为原始数据添加标签或标注的过程,监督学习的基础材料准备。
- 302026-07-15
概念解析——数据清洗
去除数据中的噪声、错误和不一致,提升训练数据质量的关键步骤。
- 312026-07-15
概念解析——数据集构建
从零构建可用于训练的高质量数据集的全流程方法论。
- 322026-07-15
概念解析——训练数据集
用于训练模型的数据集合,质量和规模直接决定模型能力的上限。
- 332026-07-15
概念解析——ONNX
微软推出的开放神经网络交换格式,让模型在不同框架之间互通的中间表示。
- 342026-07-15
概念解析——SafeTensors
一种安全高效的张量存储格式,解决 pickle 序列化的安全漏洞问题。
- 352026-07-15
概念解析——预训练
在大规模通用数据上训练模型的基础能力,为后续微调提供知识起点。
- 362026-07-15
概念解析——微调(Fine-tuning)
在预训练模型基础上用特定任务数据继续训练,让模型适应具体场景。
- 372026-07-15
概念解析——模型量化
降低模型参数精度的技术,减小模型体积和推理速度,适合端侧部署。
- 382026-07-15
概念解析——知识蒸馏
用大模型(教师)指导小模型(学生)训练的技术,让轻量模型接近大模型能力。
- 392026-07-15
概念解析——多模态
让模型同时处理文本、图像、音频等多种信息模态的能力。
- 402026-07-15
概念解析——模态编码
将不同模态的信息(文本、图像、音频等)统一编码为模型能处理的表示。