摘要： 目錄1. AI Agents: AI 前沿2. AI Agents: 為任務(wù)而生2.1 AI Agents是智能地處理任務(wù)的智能體2.2.1 Perception 感知模塊2.2.2 Knowledge知識模塊2.2.3 Brain 認(rèn)知模塊2.2.4 Skills技術(shù)模塊2.2.5 Plan計劃模 閱讀全文

摘要： 金字塔原理 總結(jié) “想清楚，說明白，知道說什么，怎么說？”是我們溝通時希望達(dá)到的境界。達(dá)到此境界需要在溝通時弄明白“誰是聽眾，他們想聽什么，他們想怎樣聽？”。 《金字塔原理》介紹了一種總-分的金字塔結(jié)構(gòu)，能夠清晰地傳達(dá)交流信息，重點(diǎn)突出，邏輯清晰。 本書從四個邏輯方面由淺入深地講解金字塔原理： 1、 閱讀全文

摘要：  ## 0 火出圈的ChatGPT 2022年12月，OpenAI發(fā)布其最新研究成果: ChaGPT，一個對話機(jī)器 閱讀全文

摘要： PQ算法全稱ProductQuantization，中文名為乘積量化。該算法來源于圖像檢索，本質(zhì)上是對向量做壓縮。 假如總共有N個數(shù)據(jù)點(diǎn)，數(shù)據(jù)的維度是D維。給定一個Query做近鄰檢索，如果采用暴力檢索方式，那么計算復(fù)雜度就是N*D(遍歷N個點(diǎn)計算距離，每個點(diǎn)計算的復(fù)雜度是D)。如果可以對向量進(jìn)行壓 閱讀全文

摘要： 條件隨機(jī)場 條件隨機(jī)場 (conditional random field, CRF) 是給定一組隨機(jī)變量$\mathbf{X}\(條件下，另一組隨機(jī)變量\)\mathbf{Y}\(的**條件概率分布模型**。并假設(shè)隨機(jī)變量\)\mathbf{Y}$構(gòu)成馬爾可夫隨機(jī)場（稍后介紹）。一般在NLP中，特 閱讀全文

摘要： 蒙特卡洛樹搜索（MonteCarlo Tree Search）MCTS AlphaGo， AlphaZero 的成功，讓原本小眾的MCTS火了一把。 MCTS算法的產(chǎn)生是以決策論、博弈論、蒙特卡洛方法以及老.虎.機(jī)算法為基礎(chǔ)的。 在決策論中，主要涉及馬爾可夫決策過程Markov Decision P 閱讀全文

摘要： LSH 目錄LSH locality sensitive hashing(LSH) 是哈希算法中，比較重要的方法。LSH方法是將相似的數(shù)據(jù)以較高的概率哈希到同一個桶里面，從而達(dá)到近似鄰檢索的目的，另外，待測數(shù)據(jù)維度非常大時，lsh也可用于降維。 LSH族[1] LSH族 \(\mathcal H = 閱讀全文

摘要： 樹方法 kd-tree kd-tree (k dimensional tree )是樹方法的經(jīng)典算法，其是二分搜索樹在多維空間的推廣。二分搜索樹檢索迅速的原因是規(guī)定將數(shù)據(jù)中大于當(dāng)前節(jié)點(diǎn)數(shù)據(jù)的方在一側(cè)(比如右子樹)，而不小于的放在另一側(cè)(比如左子樹),這樣檢索數(shù)據(jù)時，即可獲得logn的速度。kd-tr 閱讀全文

摘要： HNSW: Hierarchical Navigable Small World graphs 近鄰圖技術(shù)， 目前絕大部分的近鄰圖檢索技術(shù)采用貪婪檢索形式。給定一個近鄰圖，從其中某一點(diǎn)(進(jìn)入點(diǎn)的選擇可以是隨機(jī)也可以是根據(jù)某種邏輯)進(jìn)入，然后迭代地計算當(dāng)前點(diǎn)與query的距離，直到滿足終止條件。使用近 閱讀全文

摘要： 廣度優(yōu)先搜索 廣度優(yōu)先搜索是相對于當(dāng)前(節(jié))點(diǎn)，完全遍歷其相鄰(節(jié))點(diǎn)后再進(jìn)行相鄰(節(jié))點(diǎn)的相鄰(節(jié))點(diǎn)的遍歷，即如漣漪一樣由近及遠(yuǎn)暈散開去，與之相對的是深度優(yōu)化搜索，即相對于當(dāng)前(節(jié))點(diǎn)，先訪問其中一個相鄰(節(jié))點(diǎn)，然后再訪問此相鄰(節(jié))點(diǎn)的一個相鄰(節(jié))點(diǎn)，如此迭代直到最后的(節(jié))點(diǎn)沒有相鄰節(jié)點(diǎn) 閱讀全文