ADK.wang 统一知识工程 · 权威专著深度引证

ADK.wang AI & 软件技术百科

全库汇聚全球 22,000+ 核心技术词条,深度引证上千本行业权威学术专著,涵盖大模型原理、云原生、架构设计与工程效能。

22,077

全量学术技术词条

9 大

核心专业领域体系

10,000+

权威专著深度引证

100%

原书精粹与工业对齐

通识与商业创新
📚 1 本专著

建构定性框架

Qualitative Framework

我首先要感谢大学时期我的启蒙恩师姜新立教授,感恩他传授给我社会科学研究方法论,让我具备了建构定性框架(Qualitative Framework)的能力。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

後填寫試卷程度分析

Question Level Analysis

同樣的,在考試過後填寫試卷程度分析(Question Level Analysis),發現在聯立方程式題目,滿分5分當中有幾個學生得0分,有幾個得2分,老師也無法從中了解到什麼。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

性质说

Quality Theory

由科学的眼光以决定新闻之形体者,即为(三)之见解,即哈润登与弗润开宝之性质说(Quality Theory)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

户提出查询

Query

图 8-1 RAG 的工作流程 当用户提出查询( Query)时,检索器会利用混合搜索技术召回相关的文本片段,混合 搜索兼顾了关键词匹配的精准性和语义上的扩展性。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

拟牛顿

Quasi-Newton Methods

拟牛顿法(Quasi-Newton Methods)不直接计算海森矩阵或其逆矩 阵,只需要每步迭代计算目标函数梯度,通过正定矩阵来拟合海森矩阵 的逆矩阵,这样简化了计算过程。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

拥有查询词

Query

MHA是Transformer中最重要的环节,它拥有查询词(Query)、键(Key)和值(Value)三个关键元素,可以按照寻址来理解这三者的关系:Query表示当前的输入,Key可以标识出大量的内容中和它有关联的内容,因此Query和Key结合可以产出...

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

接口查询

QueryInterface

在 Windows 下做过开发的人,通常都接触过 COM ,知道 COM 也有一个接口查询( QueryInterface )。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

搜索日志

Query Log

搜索日志挖掘 搜索日志(Query Log)是搜索引擎对用户行为的记录,通过记载用户行为,可以构建更好的算法以使得搜索结果更准确及更具有个性化色彩,搜索日志一般会记载用户发出的查询,发出查询的时间,点击过哪些搜索结果等数据。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

搜索过程分为查询阶段

Query Phase

在Elasticsearch中,搜索过程分为查询阶段(Query Phase)和获取阶段(Fetch Phase)。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

数量准则

Quantity

【样式五】数量准则(Quantity): ● 所说的话语不要少于会话要求。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

机只能运行量子退火算法

Quantum Annealing

佐迪·罗斯根据“绝热量子运算”理论设计出的计算机能回避这问题的大部分,但该计算机只能运行量子退火算法(Quantum Annealing),无法运行Shor算法。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

机器人问答系统

Question Answering

”判定为负面情感;文本摘要(Summarization)是从一篇新闻稿件中把摘要抽取出来;机器人问答系统(Question Answering)是对用户问题的自动智能回复。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

查询会话

Query Session

查询会话(Query Session) 通过挖掘搜索日志,可以将同一用户在较短时间段内发出的连续多个查询找出,这样一段日志被称做一个查询会话。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

查询参数

Query Parameter

Spring MVC允许以多种方式将客户端中的数据传送到控制器的处理器方法中,包括: - 查询参数(Query Parameter)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

查询向量

Query Vector

Ni 定义8.1 注意力分布: 为了从 N 个输入向量[ x ,…, x ]中选择与某个特定任务相关的信息,需要引入一个和任务相关的表示,称为查询向量(Query Vector),并通过一个打分函数来计算每个输入向量和查询向量之间的相关性。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

查询吞吐量

Query throughput

对于数据库管理员来说,MySQL数据库的性能状态监控内容非常多,但通常必不可少的内容包括查询吞吐量(Query

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

查询图

Query Graph

查询图(Query Graph) 用户发出的查询之间是有语义关联的,查询图就是试图构建查询之间相互关系的一种数据表示。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

查询处理器

Query Handler

而那些根据查询条件执行查询操作的方法则被称为查询处理器(Query Handler)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

查询字符串

Query String

可以看到,env中包含了客户端请求的所有信息,比如请求类型、客户端的User-Agent、查询字符串(Query String)以及一些rack自身的信息(这些属性都以rack.开头)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

查询文本

Query

关系评估模块通过动态归纳模块已经获取了训练集中每个类别的类向量表征,并通过语义编码模块获取了批数据集合(Batch Set)中每个查询文本(Query)的向量。

难度: ★★★ 阅读: 5分钟
查看引证 →
云计算与容器网络
📚 1 本专著

查询流水线

QueryPipeline

ClickHouse计算引擎和一般数据库的计算引擎在整体架构上并没有太大的不同,目的都是将描述性的SQL语句转化为可以执行的物理计划并获得执行结果,ClickHouse将物理计划称为查询流水线(QueryPipeline)。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

查询编译器

Query Compiler

查询编译器(Query Compiler):其负责将HiveQL语句编译转换为 内部表示的由MR任务构成的DAG任务图。

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

查询编辑器

Query Editor

查询编辑器(Query Editor) Query Editor可以理解为语句管理,每个面板都提供一个Query Editor,可以编写语句实时有效地控制面板展示不同的图表。

难度: ★★★ 阅读: 5分钟
查看引证 →
后端开发与架构
📚 1 本专著

查询范数

Query norm

·查询范数(Query norm):一个基于查询的归一化因子,它等于查询中词项的权重平方和。

难度: ★★★ 阅读: 5分钟
查看引证 →
显示第 3 / 4 页,共 92 条记录