AI知识库

1. "提供一个用户测试研究的概述，解释其目的、方法论以及在以{产品类型}为中心的用户设计中所扮演的角色。" 2. "讨论为{产品类型}项目进行用户测试研究的好处，重点说明它们如何能够指导设计决策、识...

1. "为一篇讨论六西格玛中'DMAIC（定义、测量、分析、改进、控制）'对[特定结果或效果]影响的文章撰写引言。突出其在[特定行业]的重要性，考虑[因素1]、[因素2]和[因素3]等元素。" 2. ...

2025 年 2 月发布的 NoLiMA 是一种大语言模型（LLM）长文本理解能力评估方法。不同于传统“大海捞针”（Needle-in-a-Haystack, NIAH）测试依赖关键词匹配的做法，它最...

朴素贝叶斯（Naive Bayes）算法是基于贝叶斯定理的监督学习算法。“朴素”之处在于假设特征之间相互条件独立。简化假设大大降低计算复杂度，使算法在实际应用中表现出高效性。

课程 **Claude 最好对清晰且直接的指令做出回应。 将 Claude 想象成任何一个刚上岗的新员工。** 除了你字面上告诉它的内容外，Claude 对要做什么没有任何背景信息。就像你第一次向人类...

专业场景文案提示词 [产品名称] 创新智能家居安全系统 [简介] 简要介绍智能家居安全系统、其功能和优势 [第一部分] 标题：主要特点 描述：列出智能家居安全系统的主要特点，如运动检测、摄像头质量...

课程 Claude 可以用多种方式格式化其输出。 你只需要请求它这样做就可以了！ 其中一种方式是使用 XML 标签将回复与其他多余的文本分开。你已经学会了可以使用 XML 标签使提示变得更清晰并且更容...

笔记：https://colab.research.google.com/github/run-llama/llama_index/blob/main/docs/docs/examples/multi...

1. "为{行业}领域的{求职者}创作一个引人注目的LinkedIn标题，突出他们独特的{技能}和{价值主张}。" 2. "为一位追求{职位名称}职位的{求职者}创建一份专业的LinkedIn简介，强...

预训练模型（Pre-trained Model）是人工智能领域一项基础而强大的技术，代表在大规模数据集上预先进行训练的机器学习模型。模型通过处理海量信息，学习数据中的通用模式和特征，形成广泛的知识基础...

"我正在寻找一个Instagram故事创意，以创新和吸引人的方式向我的[理想客户画像]展示我的[产品/服务]的独特特点和优势。" "我需要一个Instagram故事创意，为我的[理想客户画像]提供有关...

1. "撰写一份个人陈述，突出你对'{特定学习领域或职业道路}'的热情。解释是什么激发了这种热情，以及它如何塑造了你的学术历程和职业目标。" 2. "写一份个人陈述，重点描述你克服的一个重大挑战，以及...

在机器学习中，超参数（Hyperparameter）是模型训练开始前由人工预设的配置选项，而非从数据中学习得到。核心作用在于控制学习过程本身，如同为算法设定一套运行规则。例如，学习率（Learning...

如果你已经读过 Jina 上一篇经典长文《DeepSearch/DeepResearch 的设计与实现》，那么不妨再深挖一些能大幅提升回答质量的细节。这次，我们将重点关注两个细节： 从长网页提取最优文...

正则化（Regularization）是机器学习与统计学中防止模型过拟合的核心技术。正则化通过在目标函数中添加与模型复杂度相关的惩罚项，控制拟合程度。常见形式包括L1和L2正则化：L1产生稀疏解，适用...

- 你能否制定一个CRO策略，优化我网站的用户体验，并提高关键行为（如注册、下载和购买）的转化率？ - 进行用户研究和可用性测试以确定改进领域和优化机会的最佳方法是什么？ - 我如何使用A/B测试和其...

神经网络（Neural Network）是一种计算模型，设计灵感来源于生物大脑中神经元的工作方式。

1. "提供定性研究的概述，重点关注其在{研究领域}中的应用，并讨论这种研究方法中的关键方法论和收集的数据类型。" 2. "讨论定性研究在研究{主题}时的优势和局限性，突出其相对于定量研究方法的优点和...

- "请写一篇引人注目的[文本类型]，直接与我的[理想客户角色]对话，鼓励他们在我的[网站/产品]上采取[期望的行动]。" - "我需要一篇[文本类型]，通过突出其独特的优势并解决任何潜在的反对意见...

课程 如果有人突然叫醒你，并立即问你几个复杂的问题，而且你必须马上回答，你的表现会如何？可能不如你有时间先思考一下再作答来得好吧。 猜猜看？Claude 也是一样的。 给 Claude 时间逐步思考有...

论文地址：https://arxiv.org/abs/2404.17723 知识图谱只能有针对的抽取实体关系，这类可稳定抽取的实体关系可以理解为接近结构化数据。 图1展示了一种结合了知识图谱...

课程 一些坏消息：Claude 有时会“幻觉”，并做出不真实或不合理的陈述。 好消息是：有一些技巧可以帮助你减少幻觉的发生。 在下文中，我们将讨论其中的几种技巧，具体包括： 让 Claude 有机会回...

模型微调（Fine-tuning）是机器学习中迁移学习的一种具体实现方式。核心流程以预训练模型为基础，预训练模型利用大规模数据集学习通用模式，形成广泛的特征提取能力。微调阶段则引入特定任务的数据集，对...

课程 给 Claude 说明你希望它如何表现（或不希望它如何表现）的示例非常有效，用于： 获得正确的答案 以正确的格式获得答案 这种提示方式也被称为“少样本提示”。你可能还会遇到“零样本”、“n 样本...

"您能分析我们的销售数据，并为下一季度/年度提供预测吗？" "我们如何利用销售预测来改善库存管理和定价策略？" "根据销售数据和市场趋势，您能为我们提高[产品/服务]销量提供建议吗？" "您能识别我们...

1. "为{[公司名称]}的{[职位名称]}职位撰写一份引人注目的职位列表，突出这些必要的{[资格]}、{[职责]}和{[福利]}。" 2. "为{[行业]}中的{[职位名称]}角色设计一则吸引人的职...

神经网络架构搜索（Neural Architecture Search，NAS）代表人工智能领域一个前沿分支，专注于自动化设计神经网络的结构。

生成对抗网络（Generative Adversarial Network，GAN）是一种深度学习模型，由Ian Goodfellow等人于2014年提出。框架通过两个神经网络的对抗训练来实现生成模型...

重排序模型将根据候选文档列表与用户问题语义匹配度进行重新排序，从而改进语义排序的结果。 常用bge-reranker-v2-m3或cohere

示例 金融行业中的提示词由于与法律提示词类似的原因，也可能相当复杂。以下是一个金融使用场景的练习，其中 Claude 被用来分析税务信息并回答问题。与法律服务示例一样，我们对某些元素的顺序进行了调整...

交叉验证（Cross-Validation）是机器学习中评估模型泛化能力的核心方法，基本思想是将原始数据分割为训练集和测试集，通过轮换使用不同数据子集进行训练和验证，获得更可靠的性能估计。这种方法模拟...

条件生成对抗网络（Conditional Generative Adversarial Network, CGAN）是生成对抗网络的重要变体，在2014年由Mehdi Mirza等人提出。与传统生成对...

决策树（Decision Tree）是模拟人类决策过程的树形预测模型，通过一系列规则对数据进行分类或预测。每个内部节点代表一个特征测试，分支对应测试结果，叶节点存储最终决策。这种算法采用分而治之策略...

梯度下降（Gradient Descent）是求解函数最小值的核心优化算法。算法通过计算函数的梯度（各偏导数组成的向量）确定下降方向，按θ=θ-η·∇J(θ)的规则迭代更新参数。

下面主要介绍了提示工程的基本理念，及其如何提升大型语言模型(LLM)的性能... LLM的接口：大型语言模型如此火热的一个重要原因就是其文本到文本的接口实现了极简的操作体验。在过去，利用深度学习解决任...

损失函数（Loss Function）是机器学习中的核心概念，承担着量化模型预测误差的重要任务。这个函数通过数学方式衡量模型预测值与真实值之间的差异程度，为模型优化提供明确的方向指引。

卷积神经网络（Convolutional Neural Network，简称CNN），是专门设计用于处理具有网格结构数据的人工神经网络，在图像和视频分析领域表现卓越。

随机搜索（Random Search）是一种超参数优化方法，通过在参数空间中随机采样候选点来寻找最优配置。

支持向量机（Support Vector Machine，SVM）是基于统计学习理论的监督学习算法，主要用于分类和回归分析。核心目标是寻找一个最优决策超平面，将不同类别的数据点分开，最大化两类数据点之...

随机森林（Random Forest）是一种集成学习算法，通过构建多个决策树并综合其预测结果来完成机器学习任务。该算法基于Bootstrap聚合思想，从原始数据集中有放回地随机抽取多个样本子集，为每棵...

网格搜索（Grid Search）是机器学习中用于系统化寻找最优超参数组合的自动化方法。这种方法通过预先定义每个超参数的候选值范围，穷举所有可能的参数组合，逐一训练模型并评估性能，最终选择表现最佳的超...

逻辑回归（Logistic Regression）是用于解决二分类问题的统计学习方法。核心目标是根据输入特征预测样本属于特定类别的概率。模型通过线性组合特征值，利用S形函数将线性输出映射到0到1之间的...

K均值聚类（K-Means Clustering）是经典的无监督机器学习算法。主要用于将数据集划分为K个互不相交的簇。算法目标是将n个数据点分配到K个簇中，使每个数据点都属于离其最近的簇中心对应的簇。

评估指标（Evaluation Metrics）是衡量机器学习模型性能的量化标准体系。如同多维体检报告全面评估人体健康状况。在分类任务中，准确率（Accuracy）反映模型整体判断正确率，精确率（Pr...

数据增强（Data Augmentation）是通过人工创造新数据来扩充训练数据集的技术方法。

K近邻算法（K-Nearest Neighbors）是基于实例的监督学习算法，可用于分类和回归任务。

AI 剧漫剧的观众越来越多，普通创作者却越来越难赚到钱了。 这并不是你的错觉，DataEye 预估显示，2025 年国内漫剧用户规模约 1.2 亿，到 2026 年上半年，用户规模已突破 6 亿，规模...