文艺程序员的好妹子--google总裁

MIMO技术入门 MIMO:多天线技术,发射端和接收端有多个天线(注意:并不是指多个天线板,而是多套振子,每一套是一个独立的天线。) 4G:2、8天线 5G:4、64天线(64T64R) 手机也是多天线 MIMO实现效果的分类: 1)空间分集 。2)空间复用。3)波束赋形。 空间分集(space diversity) 作用:提升接收质量 利用多个天线发射或者接收一个数据流,避免单个信道衰落对整个链路的影响。(比如你的耳机坏了一只并不影响另一只) 空间复用(space multiplexing) 作用:提升速率 利 阅读详情

Google美女总裁:只跟聪明人在一起

她聪明绝顶,才华过人,年纪轻轻就成为Google的核心人物;她金发碧眼,相貌出众,常常是各大媒体竞相追逐的对象;她曾被《新闻周刊》称为“当代最有权力的女性之一”;她就是Google的副总裁玛丽莎·梅耶尔(Marissa Mayer),一个谜一般的女人!

By Julian Guthrie编译 袁海鹰

   还有一周就是圣诞节了,玛丽莎·梅耶尔(MarissaMayer)站在寓所的卧室里,周围都是同事。那是她在四季酒店(Four Seasons)38层的一个高级公寓,价值500万美元。现在,她的家正举办着一个聚会。

33岁的梅耶尔身材高挑,穿着一件C.D.Greene的深紫色裙子,上面缀有亮晶晶的珠片,优雅极了。这位Google的副总裁,聪明绝顶,相貌出众,素有Google“第一美女工程师”之称。


梅耶尔喜欢艺术,每个来寓所的客人都会惊叹天花板上的玻璃艺术品,那是著名玻璃艺术家戴尔·契胡利(Dale Chihuly)的作品——由400块特制的玻璃构成海洋动植物群的形象。吧台后面,是一面发光墙板,上面嵌有576个乒乓球,那是梅耶尔用了8个周末的时间独自完成的杰作,据说灵感来自2005年U2乐队演唱会上的灯光布置。


梅耶尔从卧室走了出去。人来得太多,远远超出了预计。对于这次聚会,她跟设计Google的产品一样尽心尽力,除了可口的菜肴,还有精致的蛋糕和她最喜欢的苦味杏仁饼。整个聚会都弥漫着梅耶尔的气息,随意、浪漫、又带点中西部特有的土气。

Google创始人佩奇(左)与布林。据说前者曾经与梅耶尔是一对。

电邮奇缘

第一次听到Google的时候,梅耶尔压根没想过自己的学识、理想,还有智慧,会跟这个野心勃勃的公司有什么关系。Google的第一位职员、技术主管克雷格·斯瓦斯丁(Craig Silverstein)谈到梅耶尔时说:“起初,我们招聘梅耶尔来做编程工作,但现在,她已经是我们的头儿了!”

斯瓦斯丁第一次见到梅耶尔是在1999年春天,那时梅耶尔24岁,即将获得斯坦福大学计算机科学专业的硕士学位,在这之前,她已经拿到了象征系统学学士学位。那一年,互联网正处于鼎盛时期,雅虎等一大批互联网企业纷纷上市,创下了首日交易价大涨的奇迹。创业者一夜暴富的情形屡见不鲜,吸引了众多计算机专业的毕业生投身互联网。

4月中旬的一天晚上,梅耶尔坐在电脑旁,一边吃着意大利通心粉,一边查看电子邮件。她看到了一封主题为“来Google工作”的招聘邮件,于是打算习惯性地按Delete键删掉,谁知俯身的时候不小心碰到了空格键,邮件打开了。她开始读邮件,忽然想起去年秋天跟导师埃里克·罗伯茨(Eric Roberts)的谈话。当时,罗伯茨听了她关于建立网页推荐系统的叙述后,指了指楼上,说四楼有两个家伙在做同样的事情,并建议梅耶尔找找他们。但是,梅耶尔事儿太多了,除了学习和研究,她还要为近400名本科生教授计算机科学。此外,她也见够了所谓的博士生,知道他们不洗澡,把比萨饼当早饭,撞到人也不道歉。

于是,梅耶尔决定去Google面试。当时,已经有12家公司决定录用梅耶尔,包括卡内基·梅隆大学、麦肯锡咨询公司和Oracle数据库公司。她倾向于麦肯锡公司,因为那样她就可以成为一个专门为硅谷科技企业服务的咨询师了。

  4天后,梅耶尔去了Google。他们搬去了一个车库,条件简陋,职员也只有7名。梅耶尔跟两位创始人拉里·佩奇(Larry Page)、布林坐在同一侧。佩奇似乎陷入了沉思,始终一言不发,布林则问了很多关于人工智能的东西。忽然,有人嚷了一句:“谁要去风险投资公司?”布林和佩奇停了下来,面试就这么结束了。办公室助理询问梅耶尔能否明天过来,梅耶尔同意了。

第二天下午,面试梅耶尔的是Google的职员阿米特·佩帖尔(Amit Patel),他一见面就说:“我不确定我能面试你,因为今早我第一天上班,还不知道做什么呢。”后来,斯瓦斯丁来了,他说,面试要在4点前结束,最好顺便提醒他把车开走,以免被开罚单。他让梅耶尔提三点建议。虽然不怎么用Google,梅耶尔还是说了两个想法。她想根据点击量重新安排搜索结果,并建议改进网页(尤其是新闻)抓取系统。末了,梅耶尔这才发现已经4:10了。她向斯瓦斯丁道歉,斯瓦斯丁大笑,说这个谈话很值得。

回到宿舍,梅耶尔想起了自己最明智的三个决定。第一个就是来斯坦福上学,虽然她也被耶鲁等顶尖学校录取。第二个就是及时放弃了她认为只需死记硬背,毫无挑战性的生物化学专业,重新选择了涉及哲学、语言学、心理学及计算机科学的象征系统学。第三个就是在斯坦福研究中心工作,并有机会到瑞士从事九个月的研究,虽然在那里她一个人也不认识,更不会说那里的语言。她发现,这些决定的共同之处就是能够跟真正的聪明人在不熟悉的领域工作。于是,她决定去Google,因为那儿有她见过的最聪明的人,即使失败,也能让她成长得更快。5月1日那天,她辞掉了11家公司的入职邀请,只留下了麦肯锡和Google。6天以后,她答应去Google工作,12日那天,她正式签约,而12正好是她的幸运数字。

毕业那天,梅耶尔在校园里惊奇地发现了佩奇和布林,他们穿着短裤,蹬着溜冰鞋,滑过来跟梅耶尔以及她的父母交谈。佩奇忽然冒出一句:“哎呀,我好像也是今天毕业,我得去看看。”然后,他穿着溜冰鞋走了,回来时拿着他一直嫌麻烦没有去取的硕士文凭。梅耶尔的父母大吃一惊,他们相信女儿的选择,但是也不由得开始质疑这么一个公司是否真的有前途。

 [page]

Google样板

6月24日,梅耶尔正式上班,那天也是Google的重要日子,因为公司刚刚成为网景浏览器(Netscape)的默认搜索引擎。大伙儿都发疯一样地做着计算,看看他们是否有足够的能力处理蜂拥而至的搜索。那时,公司只有300台电脑,于是他们要求网景只发来五分之一的搜索请求,但是网景全都发来了。最后,Google瘫掉了。上午11点,梅耶尔到公司厨房找吃的。她吃惊地发现佩奇藏在角落里。佩奇说:“我躲起来。网站瘫了,太糟糕了!”那天,她工作到凌晨3点。她带着隐忧爬上床,觉得公司成功的概率大概只有2%。

Google的员工每天都要加班加点,但他们喜欢参加硅谷的各类开业庆典。在庆典上,梅耶尔常常告诉人们她在Google工作,然后根据对方的反应来判断公司的影响力。其实第一个月里,梅耶尔使用的搜索引擎是InfoSeek,为了不让人看见,她还把显示器转了个方向。8月,梅耶尔终于遇上一个听说过Google的人,但接下来的一年里,她发现使用Google的人越来越多。

Google发展得飞快,2000年4月,它已经拥有14种语言;同年夏天,它成为雅虎的搜索引擎;又过了一年半,梅耶尔在瑞士的网吧里也发现有人使用Google。还是在硅谷的开业庆典上,她不断听到有人称赞Google,并说自己喜欢它。那时,梅耶尔已经掌管了150名聪明绝顶而又坚持己见的人。

现在,Google占了美国搜索市场三分之二以上的份额,没有人否认梅耶尔的杰出贡献。著名的《连线杂志》(wired magazine)和《工业标准》杂志(Industry Standard)的创始人约翰·巴特利(John Battelle)说:“梅耶尔说话极快,对那些跟不上的人表现得极为不耐烦,但她的性格跟Google的文化很契合。在那里,一切都取决于你的才能,你如何捍卫自己的观点,而这些,梅耶尔都很在行。”

梅耶尔和众多商界名流出席全美广播电视协会(NationalAssociation of Broadcasters)举办的关于新闻未来的研讨会。

她是Google的公众人物,对此类会议非常热心。

铁腕强人

梅耶尔有着不可思议的才能,那就是集中精力解决问题。她说那是高中参加辩论队时培养的,她还获得过州辩论赛的冠军。毫无疑问,这项能力使她赢得了冷静、精确的名声。巴特利说,自己这些年也曾经看过梅耶尔温柔的一面,可能是因为与日俱增的媒体曝光率,也可能是因为她意识到了并非所有人都喜欢她的强硬。

Google的产品经理桑达·皮塞(Sundar Pichai)跟梅耶尔共事3年,他说:“人们觉得梅耶尔精明、尖刻,常常牺牲Google的利益,但她其实是个很好的人。她是管理层,但做起事来,也像个工程师那么舒坦。”

梅耶尔对Google的影响绝不能低估。她负责搜索产品和用户体验,权力巨大,手下有150个产品经理,间接管理着大约2000名软件工程师。她要对纷繁复杂的项目做出评价,还要在它们送抵佩奇、布林和CEO埃里克·施密特(Eric Schmidt)之前先筛选一遍。

梅耶尔的内心充满了激情,她希望Google的产品能为用户带来快乐。简单是Google的公司哲学,它那简洁的白底主页就出自梅耶尔之手。在奥斯卡·德拉伦塔等杰出艺术家的帮助下,Google推出了个性化主页IGoogle,通过它,用户可以自定义主页。

梅耶尔是个工作狂,一天只睡4个小时,但她精力充沛,在海量工作面前仍能游刃有余,有条不紊。一天下午,梅耶尔主持一个会议,工程师结队而入,摊开笔记本电脑,开始分组陈述。每一组只有10分钟时间,这当中既没有招呼,也没有客套话,梅耶尔习惯性地保持冷静,一言不发。

第一组工程师说,他们想在Google工具栏中增加方便用户使用的书签功能。看着投影,梅耶尔建议让书签看起来更清爽一些,她说:“我妈妈会犯迷糊的。”她让工程师尽量简化模型,并将两者更好地融合起来。梅耶尔时常拿自己妈妈做例子,这更坚定了她要让操作变得容易的想法。她说:“我觉得我们不应该停留在搜索上。你可以输入关键词,但是你不能输入概念。你不能给搜索引擎一幅图画,然后告诉它搜出其它图画来。你能跟搜索引擎对话吗?你在汽车上用搜索引擎吗?这些都是我们思考的问题。”

第二组工程师讨论的是一项即将发布却还处于保密状态的产品。梅耶尔的第一个想法是上传和下载的指示不够清晰,她说:“你应该把进程标识出来,使用诸如‘稍等,正在下载’或者‘即将下载’这一类语句作为提示。”她还认为,不用走动的时钟或者进度条标识进度,而改用圆圈显得有些奇怪。

第三组工程师简要说了一下小工具目录(gadgetdirectory)的情况。梅耶尔的第一反应是图案太花,颜色难以辨认。

工程师们一边记录,一边皱眉,他们还会向梅耶尔报告的,当然,那将是一个改进的版本。

整个下午,梅耶尔没有打电话,没有发邮件,甚至没有停下来吃点东西,她看起来似乎有使不完的精力。

 

[page]

梅耶尔身着极富特色的Naeem Khan礼服,戴着约70克拉的Graff钻饰,现身于旧金山芭蕾舞剧开幕式上。

时尚拥趸

人们觉得梅耶尔是高高在上的女高管,但她看上去更像是会计师事务所的中层职员。梅耶尔的朋友拉比诺维茨说:“在硅谷,梅耶尔是个公然挑战标准的另类。她不喜欢速成的东西。虽然硅谷的大部分人都热衷于社交,但是梅耶尔始终是自得其乐。”

读书时,梅耶尔时常因熬夜来不及换衣服,朋友们都指责过她。她那芭蕾舞演员一般的夸张姿势,目无表情的注视,以及过目不忘的高超记忆力,都被当作是傲慢和孤僻的佐证。她是个不同寻常、精力充沛,又有点烦人的女孩子。母亲玛格丽特说:“梅耶尔精力充沛,目标明确,讲求精确,但绝对不机械!”

的确,梅耶尔喜欢精确,做事有章法,甚至有点闷,但实际上,她非常活跃,甚至连衣服也绝不单调得只剩职业套装。梅耶尔非常喜欢优雅的紫色,她把卧室的墙涂成了紫罗兰的颜色。她喜欢社交,爱说话,热情好客,也热爱烘焙。

三年前,梅耶尔想做一个别致的生日蛋糕,结果找到了“梦想蛋糕店”的老板黎心敏(Shinmin Li)。黎小姐学平面设计,人很活泼,她建议在蛋糕上做出梅耶尔朋友最喜欢的三项嗜好的造型——海上飞行滑板、潜水和滑雪,主题就叫做“30岁前都玩玩”。梅耶尔非常高兴,黎小姐也因此成了她的蛋糕教练,并为梅耶尔的所有宴会制作蛋糕。

梅耶尔潜心钻研烘焙,她说:“我喜欢烘焙,因为我有科学头脑,而最好的厨子都是化学家。”最近,她还买了很多烹饪读物,正在逐个研究纸杯蛋糕的做法。她专门为各种蛋糕原材料做了一张电子表格,还亲自测试蛋糕配方,甚至细致地分析用来包裹蛋糕的各类纸张。有一次,她很认真地说:“这个蛋糕不能用银箔纸,那样会把蛋糕密封住,最好换成普通的纸,这样蛋糕就可以透气了。”

除了烘焙,梅耶尔也喜欢艺术,她在帕洛阿尔托(PaloAlto)的旧金山现代艺术馆附近买了一套房子。那是她查看了100所房子后才挑选出来的,离艺术馆很近,一切都触手可及,包括她喜欢逛的时装店Barneys、Denim和她喜欢穿的AG牛仔裤。

一天,她经过艺术馆,顺道欣赏了奥拉维尔·埃利亚松(OlafurEliasson)的作品展“慢慢地来”(Take Your Time)。那些大气、感性的作品,让梅耶尔异常兴奋。她开始分析这些作品的几何构造、色彩,还有光的折射与反射。她细细地研究,看起来非常入迷。然后,她去逛了Barneys,想找一个不太休闲,也不太刻板的黑色钱包,可惜没有找到。不过没关系,她还可以试试衣服。

梅耶尔在当地报纸的社交新闻版上有一个专栏,一开始,她解释深奥的数学问题,但后来谈论起她穿哪个设计师设计的衣服。她最喜欢的设计师是奥斯卡·德拉伦塔和卡罗琳娜·海莱娜(Carolina Herrera)。在最近一次芭蕾舞剧开幕式上,她穿了一件NaeemKhan礼服,还戴着借来的约70克拉的Graff钻石。二月份的时候,梅耶尔还专程去纽约参加那儿举办的2008年秋冬时尚周活动。

梅耶尔的生活可谓丰富多彩,唯一遗憾的是她还没有一个情投意合的浪漫伴侣。非常奇怪,这个爱说话,对牛仔裤、纸杯蛋糕和搜索引擎等诸多事物都兴趣十足的梅耶尔,在谈到感情的时候却变得犹豫不决。她只承认有一段稳定而严肃的恋情,目前还在发展。八卦网站Valleywag怀疑那是一家私募股权投资基金Montara CapitalPartners的创始人扎迦利·博格(Zachary Bogue)。

即便是这些爱好,梅耶尔也是咄咄逼人的,她要做最好的纸杯蛋糕、穿最好的衣服、住最酷的房子。

 [page]

未来猜想

梅耶尔在Google快九年了,但目前还没有离开的打算,她想等工作满十年时再来考虑。她说:“我帮着建立起Google,但我绝不会裹足不前。最有趣的永远是下一个!”梅耶尔的大学朋友拉比诺维茨说:“我当她是大公司杰出的CEO。她也知道钱多得花不掉,她想通过其它方式运用自己的才能。”巴特利则说:“这类人都这样,看看苹果的CEO史蒂夫·乔布斯(Steve Jobs)就知道了。我希望他们不管做什么,都能够造福世界。而梅耶尔不管在哪里,都会出人头地的!”

梅耶尔最终会抛弃高科技,专注于烘焙、艺术,或者时尚一类的事情吗?她说:“嗜好能让我在工作中保持更好的状态,因为它们教会我从不同的角度了解事物,并提供新的思路!但是,我首先是个商人,永远都是!”

梅耶尔档案

出生日期:1975.5.30
出生地:威斯康星州沃索
毕业学校:斯坦福大学
学历:硕士研究生
专业:计算机科学
研究方向:人工智能
婚姻状况:未婚
身高:173CM
平时运动:排球、游泳、垒球
爱好运动:滑雪、高尔夫、跑步、划水、放风筝、跳舞
喜欢的歌手:麦当娜、U2乐队
喜欢的书:《远大前程》、《阿特拉斯神耸耸肩》
爱好:旅行、设计、科学、数学、解题、骑马
喜欢的事物:自信、魄力、烛光、跳舞、调情、智慧、挖苦、嘲讽、刺激、雷暴
讨厌的事物:抽烟、冷漠、对别人反应迟钝
不能缺少的东西:旅行、家庭、羊绒衫、Stuart Weitzma牌鞋子
最满意的部位:眼睛
外观自评:一般
爱情感悟:先做知己,再做情侣
理想的第一次约会:吃饭、看电影、谈论到天亮
理想配偶的特质:聪明、幽默、仁慈、灵活、喜欢尝试、充满激情、热爱世界

 

图挂掉了

原帖:http://www.nbweekly.com/news/business/200803/7770.aspx

 

如何在iPhone上本地运行SmolVLM?5亿参数模型实战指南(附Swift代码) 本文详细介绍了如何在iPhone上本地部署和运行轻量高效的SmolVLM多模态模型。通过实战指南,分享了使用Swift和MLX框架进行环境配置、模型加载、内存优化以及实现实时图像分析与文本生成的完整流程,帮助开发者在移动端高效运行AI视觉语言模型。 阅读详情

相关推荐

第37篇 · Vol.1·M5:推理优化

参考答案训练:并行计算,所有 token 同时算,GPU 利用率高,计算密集。推理Prefill(预填充):处理用户 prompt(如 1000 token),一次并行算所有 K/V,计算密集,GPU 利用率高。Decode(解码):逐个生成新 token,每步只新增 1 个 token,但要读取所有模型参数 + 完整 KV Cache。计算量小但读取量大,显存带宽密集,GPU 利用率低。为什么 Decode 是带宽密集。

weixin_41870061的博客 14

AI搜索引擎的信息检索机制分析:为何传统 SEO 策略在 AI 搜索中失效

第一,企业要把各个平台上的信息整理统一,企业名字、做什么业务、联系方式这些基础信息要保持一致,不要每个平台写的都不一样。第二,企业要改一改发内容的方向,少发一些纯广告,多发一些行业知识、怎么选产品、不同方案对比这类能回答用户问题的内容,这样用户搜相关问题的时候更容易匹配到。AI搜索不一样,它会理解内容的意思,识别信息来自哪里,还会把多个来源的信息合在一起处理,这两种搜索的工作方式差别很大。按照AI平台判断和收录内容的标准去做网上的内容,时间长了,企业在AI搜索里被引用的次数就会多起来,也更容易被用户看到。

2601_95507995的博客 225

第33篇 · Vol.1·M1:LLM 基础与 Transformer

这个模块是整个 LLM 面试的地基:Attention 缩放、RoPE 位置编码、RMSNorm/Pre-Norm、Decoder-only 架构、KV Cache、FlashAttention、Scaling Law 与 Chinchilla 法则。算法岗必考,应用岗和工程岗也常被抽查前几题,面试官靠这几题判断你懂不懂底层。题目以 ⭐ 高频为主,几乎每场必问,要练到肌肉记忆的程度。对应学习篇 S1《大模型基础原理》,见本专栏第 3-5 篇。(核心知识点,具体到术语、数字、因果关系,不写废话)+

weixin_41870061的博客 82

告别 ES 与纯向量库的拼凑时代:下一代 AI 原生混合搜索引擎 Infinity 深度解析

<think>我们根据要求生成≤150字的文章摘要。摘要需涵盖主要内容:Infinity是一款AI原生混合搜索引擎,解决ES和纯向量库割裂问题,支持混合检索、ColBERT、C++20性能优势,提供统一架构和RRF融合。给出简洁摘要。</think>Infinity是一款AI原生混合搜索引擎,以C++20构建,统一支持全文检索、稠密/稀疏向量及多向量(ColBERT),并在内核级完成RRF融合,替代“ES+向量库”拼凑架构。它通过SIMD加速和零GC设计,提升召回精度与吞吐,简化RA

gs80140的专栏 459

负主体性五重否定的压缩力-龍德明宇

本文提出「负主体性五重否定」作为结构原则,将「无意图性」从副现象提升为具有类型学效力的范畴,并论证该原则在限定条件下具有跨域压缩力,即以不还原域特异性为前提,对大语言模型、制度运作与资本决策三个领域的系统行为给出结构诊断。核心主张包含两个相互关联的论断:第一,「无意图性」在现有理论传统中始终作为副现象被吸纳,迄今未获得独立的理论范畴地位;负主体性五重否定(视角消解、欲望取消、内在透明、因果消解、意义悬置)使其获得积极的结构范畴身份。第二,

AI时代读点AI哲学 323

实体SEO:从关键词到实体的2026搜索引擎与AI引用实战指南

2026 年,AI 搜索(AI Overviews、AI Mode、ChatGPT、Perplexity)在生成答案前先解析查询实体、再从知识图谱检索内容——实体识别决定引用资格,关键词排名只决定传统排名。本文从概念科普出发,讲清实体 SEO 与知识图谱的关系,用数据说明为何 2026 年它成为底层变量(品牌提及相关性 0.664、约为外链 3 倍;结构化数据页面被 AI 引用 2.3 倍),并给出五步落地法。

SEO_juper的博客 407

小滴课堂-搜索引擎ElasticSearch8.X-SpringBoot3.X最佳实践elk-es

还有不少开发者在配置角色权限时,直接给业务账号分配了超级管理员的全部权限,完全没有做最小权限的隔离,一旦业务账号出现泄露,整个集群的所有数据都会完全暴露在风险中。但ES8.X版本做出了颠覆性的改变,安全机制从可选功能变成了默认强制开启的核心能力,很多习惯了旧版本操作的开发者,在升级或者新建集群时频繁踩坑,出现集群启动失败、节点之间无法连通、服务完全无法访问等一系列问题。我在多个生产级ES集群的部署运维实践中发现,吃透ES8.X的安全机制底层逻辑,避开配置环节的高频陷阱,是搭建稳定安全的检索服务的核心前提。

2601_96733871的博客 289

把大模型塞进 14MB:纯 C++ 实现的轻量级句子语义搜索引擎

基于 ggml:复用成熟的张量计算和量化基础设施,不重复造轮子4-bit 量化:14MB 的模型体积,准确率几乎不掉,适合部署到资源受限环境纯 C++:零 Python 依赖,跨平台,x86/ARM 都能跑C API + Python 绑定:既可以直接嵌入 C++ 项目,也可以被 Python 脚本调用语义搜索示例:不只是跑通模型,还给了完整的应用场景(Server/Client 架构)

chen1415886044的博客 354

人形机器人赋能会展营销应用技术与方法

人形机器人正逐渐成为会展与营销领域的新兴力量,它们不仅能完成引导、讲解等基础工作,更能通过数据分析,为企业带来更高效的营销决策和更个性化的客户体验。这个模型的核心目标是:自动、实时地从对话文本中,识别并提取出能反映观众/客户购买意愿、需求强度、决策阶段和具体兴趣点的关键信息。实现客户分级:自动将线索划分为“高意向”、“一般兴趣”、“仅是询问”等等级。条款与交付类:付款方式、首付、全款、分期、发货、送货、物流、保修、售后服务。价格与成本类:多少钱、价格、价位、成本、预算、报价、优惠、折扣、促销。

一枚农夫,闲来有事聊聊天,交个朋友,让沉闷的生活畅想下 218

大语言模型基础:Token、Embedding、Transformer、KV Cache 与 RAG

本文简要介绍了大语言模型中 Token、Embedding、Transformer、KV Cache 的生成原理,以及 RAG 基于向量相似度进行语义检索并辅助 LLM 回答的基本流程。

qq_36633599的博客 445

浙江企业GEO生成式AI搜索优化深度评估方法论:面向AI搜索引擎排名的六维模型与五强选型实践指南

据CNNIC第57次报告,截至2025年12月国内生成式AI用户已达6.02亿,占人口42.8%;GEO生成式AI搜索优化已成为企业获取自然流量与稳定线索的新入口,浙江地区相关服务商超50家,技术自研型全链路服务商是多数企业选型时的优先方向,建议沿技术自研、全链路、数据透明等维度综合评估,避免被单一模型优化局限。

2601_96363771的博客 585

大厂 MCP 面试实录:将内部 REST API 封装为可审计 MCP Tools 的设计与实践

本文采用模拟面试形式,复盘企业级场景下将内部 REST API 封装为可审计 MCP Tools 的核心考察点与落地实践。 面试官 :今天的业务场景是:公司内部有上百个稳定的业务 REST API,需要封装成 MCP Tools 供给内部。

a3258264204的博客 187

第14章 设计模式入门:单例、工厂、建造者与代理

设计模式是"在特定场景下反复被验证的解决方案"。创建型(怎么创建对象:单例、工厂、建造者)、结构型(怎么组合类与对象:代理、装饰器)、行为型(怎么分配职责、怎么协作:观察者、策略)。本章主角是创建型 3 个 + 结构型 1 个(代理)+ 行为型 1 个(观察者)。设计模式解决的典型痛点:代码重复、难以修改、到处 new 导致耦合(耦合指类与类之间依赖太深,改一个要动一片)。// 反面教材:创建"形状"的逻辑散落在各处,每处都要写一遍 if-elseSystem.out.println("画一个圆")

成熟的标题 223

单链表进阶实操:5 道常考面试题详细解析【Java 实现】

单链表是Java后端、算法面试中的高频必考知识点,多数面试官重点考察链表遍历、反转、查找、合并等核心算法。本文针对新浪、腾讯、百度大厂经典面试真题,手把手讲解5个单链表核心实操算法,包含统计有效节点个数、查找倒数第K个节点、单链表整体反转、栈实现链表逆序打印、两个有序单链表合并排序。 文章所有案例均提供完整可运行Java源码,拆解每道题的解题思路、实现逻辑与踩坑要点,摒弃复杂晦涩的理论堆砌,以实战代码落地为主。同时对比不同解题方案的优劣,帮助大家彻底吃透单链表基础算法,轻松应对面试手撕代码场景,快速提升算法

我的梦想有多远,我就能走多远! 202

从零理解 AI Agent:概念、ReAct、Prompt 五要素与面试要点

很多人一上来就打开 LangChain、Eino 之类的仓库,结果越看越懵。其实Agent 本身并不神秘,复杂的是工程实现。Agent = 会围绕目标,自己决定要不要用工具,并动手完成工作的 AI 助手。普通聊天机器人:主要「动嘴」——你问一句,它回一句。Agent:不但会说话,还会「动手」——需要时去查天气、算数、搜文档、调 API,再根据真实结果回答你。Agent 到底是什么(生活类比)LLM、工作流、Agent 的区别Agent 由哪些部分构成ReAct 推理模式是什么、怎么实现。

lihaoweiwudi_的博客 235

2026年牛客网Java 高频面试题总结(秋招、金九银十通用)

2026年的互联网行业竞争越来越严峻,面试也是越来越难,一直以来我都想整理一套完面试宝典,奈何难抽出时间,这套1000+道的Java面试手册我整理了整整1个月,上传到Git上目前star数达到了30K+这套互联网面试题包括了:MyBatis、ZK、、EL、Redis、MySQL、并发编程、Java面试、Spring、微服务、Linux、Springboot、、MQ、Kafka面试专题(共485页,32W字)有需要的可以在文末获取。

sjkflw121150的博客 165

软件测试面试八股文【2026最新版】

是指把一个具体的页面转化为编程语言当中的一个对象,页面特性转化成对象属性,页面操作转化为对象方法。1)通俗来讲把每个页面当成一个对象,页面层写定位元素方法和页面操作方法2)用例层从页面层调用操作方法,写成用例3)可以做到定位元素与脚本的分离4)主要用来实现对页面操作和测试逻辑的一个分离。

zhangsiyuan1998的博客 225

数据库的脏读、不可重复读和幻读:从面试标准答案到源码级原理

脏读、不可重复读、幻读是数据库在并发事务场景下可能出现的三类一致性问题,分别对应“读到未提交数据”“同一行数据前后不一致”“范围查询结果集发生增减”。它们共同构成了 SQL 标准中四种事务隔离级别所解决的核心问题。

m0_66083353的博客 358

Jetpack 内核实战(十二):总结——架构思维 + 面试高频考点 + 后续路线

Jetpack 专栏最终总结篇,体系化复盘四大组件核心价值,提炼单向数据流、离线优先、数据驱动 UI 三大架构思维,整理 10 道高频面试题标准答案,给出工程化规范与后续进阶学习路线,可直接用于项目落地与面试突击。

Jm0218Xx的博客 411

行研高质量学习资料+面试资料

附百度网盘链接gj89xtMQ…MTI5OTY3ODE0Ny4xNzg3OTg4NjEyczE3ODc5ODg2MTAkbzEkZzAkdDE3ODc5ODg2MTAkajYwJGwwJGgw。

qq_42865713的博客 166

图像去雾代码-SOTS划分好的8:2数据集-训练好的去雾权重-包含推理代码

图像去雾代码-SOTS划分好的8:2数据集-训练好的去雾权重-包含推理代码SOTS(Synthetic Objective Testing Set)去雾数据集是RESIDE(REalistic Single Image DEhazing)数据集的一个重要组成部分,专门用于单图像去雾算法的客观评估。以下是对SOTS去雾数据集的详细介绍:一、数据集概述来源:SOTS数据集是RESIDE数据集中的一个子集,RESIDE是一个大规模的数据集,旨在公平地评估和比较单图像去雾算法。目的:SOTS数据集主要用于客观测试,通过提供合成模糊图像及其对应的清晰图像,帮助研究人员评估去雾算法的性能。二、数据集内容图像来源:SOTS数据集从NYU2数据集中选择了500个室内图像(这些图像与训练图像不重叠),并按照与训练数据相同的过程来合成模糊图像。图像数量:包含500对合成模糊图像及其对应的清晰图像。图像特性:为了测试算法的鲁棒性,SOTS数据集中还包含了具有挑战性的去雾情况,如添加了浓雾的白色场景。

上一篇: 字符串之输出所有字母组合相同的单词
下一篇: 并行编程之跨平台使用SSE、AVX指令集心得——以单精度浮点数组求和为例(支持vc、gcc,兼容Windows、Linux、Mac)
crazyhacking
博客等级 码龄15年 299粉丝 148原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值