1205.机器学习-强化学习-0.概述
概念定义强化学习（Reinforcement learning ，RL）是机器学习的三驾马车之一。讨论的问题是一个智能体(agent) 怎么在一个复杂不确定的环境(environment) 里面去极大化它能获得的奖励。通过感知所处环境的状态(state) 对 动作(action) 的 反应(rewa
...
遗传病-遗传模式详解
(一). 孟德尔规律遗传病通常将以孟德尔遗传规律表现的单基因遗传病按不同遗传模式分为：
常染色体显性遗传 (autosomal dominant inheritance)，简称常显或AD致病基因位于常染色体上，且由单个等位基因突变即可起病的遗传方式。常见的亚型包括：
①完全显性(正常纯合子AA和杂
...
5024.大模型-模型优化-Ranking-00.概述
发表于
|
分类于
LLM
在信息检索（IR）和推荐系统中，Ranking（排序） 是决定用户体验的核心环节。它不仅仅是给文档打分，更是将海量数据转化为用户可感知的有序列表的过程。根据技术演进的脉络，主流 Ranking 技术主要分为 传统算法 和 机器学习排序 (LTR) 两大阵营。
核心架构核心架构：从“投票”到“学习”
...
1001.特征工程-数据编码-图嵌入
发表于
|
分类于
LLM
当数据呈现非欧几里得结构（如社交网络、推荐系统中的用户-物品关系）时，传统的向量空间方法失效，需要使用图嵌入技术。
DeepWalk
原理: 类似于 Word2Vec，通过随机游走 (Random Walk) 生成节点序列，再用 Skip-gram 学习向量。
特点: 简单易用，但随机游走策略固定
...
1001.特征工程-数据编码-自然语言处理
发表于
|
分类于
LLM
Embedding（嵌入）技术的核心目标是将高维、稀疏的数据（如文本、图像、图结构）映射为低维、稠密的向量空间，从而捕捉数据间的语义关系。根据应用场景的不同，主要分为自然语言处理 (NLP)、图神经网络 (GNN) 和 多模态学习 三大领域。自然语言处理过程中，文本的向量化，是其中重要的一环。NLP
...
MCP开发-05.从0开发一个MCP
发表于
|
分类于
LLM
用官方 Python SDK FastMCP 从零实现最小 MCP Tool 服务：uv 环境、stdio 配置、排错与可选 Streamable HTTP。