假设有一个词“苹果”它的向量是[0.9, 0.9]那么这个[0.9, 0.9]是怎么来的呢这其实是大模型自己算出来的模型内部是一个的神经网络里面有几亿个参数权重。这些权重是通过大量训练学来的之后调整权重比如刚开始大模型算出苹果是[0.1, 0.1]但是正确答案是[0.9, 0.9]这样我们就人工干预调整参数最终大模型把苹果算对了通过一定次数的调整算对了苹果之后它会学到一些能力之后算橘子的时候就会更简单一些这样它的能力越来越强之后人工干预的次数也会越来越少越来越简单你可以参考感知机/权重/参数这篇文章简单的看一看本文目的并不会将具体生成方式因为实在是太复杂了根本不是用博客和文章能说的明白的你只需要知道向量是通过大模型算出来的即可本文纯属是为了后文的metric_type做铺垫所以只需要知道大模型算出来的向量即可我们关注的是后面的文章的如何判断两个向量是否相似
假设有一个词“苹果”它的向量是[0.9, 0.9]那么这个[0.9, 0.9]是怎么来的呢这其实是大模型自己算出来的模型内部是一个的神经网络里面有几亿个参数权重。这些权重是通过大量训练学来的之后调整权重比如刚开始大模型算出苹果是[0.1, 0.1]但是正确答案是[0.9, 0.9]这样我们就人工干预调整参数最终大模型把苹果算对了通过一定次数的调整算对了苹果之后它会学到一些能力之后算橘子的时候就会更简单一些这样它的能力越来越强之后人工干预的次数也会越来越少越来越简单你可以参考感知机/权重/参数这篇文章简单的看一看本文目的并不会将具体生成方式因为实在是太复杂了根本不是用博客和文章能说的明白的你只需要知道向量是通过大模型算出来的即可本文纯属是为了后文的metric_type做铺垫所以只需要知道大模型算出来的向量即可我们关注的是后面的文章的如何判断两个向量是否相似
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
