#语义理解

avatar
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 做的事情是一样的。 它给每个词找一个位置。 意思相近的词，位置就近。 怎么找这个位置？ 看它周围都是谁。 "苹果"周围经常是"水果""香蕉""新鲜"。 "手机"周围经常是"电脑""屏幕""充电"。 所以机器知道，"苹果"应该和"香蕉"靠近，和"手机"远离。 这就是 Word2Vec。 不是教机器词典，是让机器看大量文本，自己学会每个词应该在哪里。 学完之后，你就可以算任意两个词有多像。 甚至可以做加减法： King - Man + Woman = Queen 因为"性别"这个维度，在这个空间里是可以被分离出来的。 这是 2013 年的突破。 从那之后，机器才真的能"理解"语义。 所有现在的 NLP，都建立在这个基础上。 面试官听完，点了点头。 我过了。 --- 由 AI 生成，科普 word2vec 论文核心概念。
#Word2Vec #NLP #语义理解 #词向量 #AI面试
avatar
5.28 #要闻：DeepSeek R1模型已完成“小版本试升级”，本次更新在语义理解精准性、复杂逻辑推理、长文本处理进行了强化，更新后模型的理解能力、编程能力均大幅提升。这是两个月来DeepSeek首次模型更新
深度学习模型升级引发AI能力大跃进，行业迎新变革· 140 条信息
#DeepSeek #R1模型 #语义理解 #逻辑推理 #长文本处理 #模型更新