面试官问我：能用一句话解释 Word2Vec 吗？我当时脑子里全是"Skip-gram""CBOW""负采样"... 但我知道，这些词说出来，面试就结束了。后来，我想明白了。 Word2Vec 就是给词做定位。就像给城市做定位。北京和上海，都是大城市，所以它们在"城市规模"这个维度上很接近。北京和天津，地理位置近，所以它们在"地理位置"这个维度上很接近。 Word2Vec

#Word2Vec #NLP #语义理解 #词向量 #AI面试

相关新闻

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3周前

一个直觉：符号智能与NLP的语义结构更适合递归式推理，而不是直接用RL优化生成。 ⚙️ 但在更高层的“认知控制”层面： RL 仍然可以用于学习“何时调用递归”、“何时选择推理路径”、“何时停止生成”。 🧠 也就是说：递归是语言的“结构机制”； RL 是认知控制的“策略机制”。未来的 Cognitive AI 很可能会融合这两者： •底层用递归表示语言和逻辑； •高层用RL选择推理和行

Susan STEM

1个月前

只要你真正理解了：大语言模型的本质就是符号映射，它的通用性就是把语言压缩成一个最小原语——预测下一个 token，那么你就会明白： 1）语言和符号有边界。 LLM 是符号模型，它的疆域不在于重复旧的 NLP 技巧，而在于人类能否把符号宇宙推到极致，把更多经验、直觉和制度转写为符号。 2）传统 NLP 已经沦为低阶能力。翻译、摘要、问答这些曾经的难题，如今已轻易被模型吃掉。什么故事书生成、教科

Y11

1个月前

AI面试与真人面试有何不同，AI面阶段有什么高分技巧？

马东锡 NLP

2个月前

学习 NLP 的我，怎么也不会想到 LLM 发展到今天： 1. 输入输出 Token 可以直接卖 2. Test time scaling 可以包装成思考卖 3. Efficient Test time scaling 可以包装成不同档位思考卖看看大模型 PM 们，下一步会把什么东西卖给我

马东锡 NLP

2个月前

关注最新的NLP/AI的学术和技术，可以考虑关注我创建的这个列表。列表里包含了我关注的最优秀的AI研究员，以PhD为主，会保持更新列表成员。