https://blog.qife122.com/tags/%E5%B5%8C%E5%85%A5%E5%90%91%E9%87%8F/ Recent content in 嵌入向量 on 办公AI智能小助手 Hugo zh-cn qife Wed, 10 Sep 2025 21:02:34 +0800 https://blog.qife122.com/p/%E4%BB%85%E7%94%A8%E5%8E%9F%E5%A7%8Bjson%E5%92%8C%E5%9B%BE%E5%83%8F%E7%94%9F%E6%88%90%E5%AE%9D%E5%8F%AF%E6%A2%A6%E5%B5%8C%E5%85%A5%E5%90%91%E9%87%8F/ Wed, 10 Sep 2025 21:02:34 +0800 https://blog.qife122.com/p/%E4%BB%85%E7%94%A8%E5%8E%9F%E5%A7%8Bjson%E5%92%8C%E5%9B%BE%E5%83%8F%E7%94%9F%E6%88%90%E5%AE%9D%E5%8F%AF%E6%A2%A6%E5%B5%8C%E5%85%A5%E5%90%91%E9%87%8F/ <h1 id="仅用原始json和图像实现宝可梦嵌入向量的超强效果">仅用原始JSON和图像实现宝可梦嵌入向量的超强效果</h1> <p>嵌入向量是人工智能领域中极为实用但讨论相对较少的概念。它是由数百个数字组成的集合，唯一对应特定对象并定义其维度，现代通常采用128的倍数如384D、768D甚至1536D。维度越大，理论上能包含的&quot;信息&quot;和独特性就越多。这些嵌入向量可直接用于传统的回归和分类问题，但真正有价值的是：如果能在给定查询嵌入向量与其他嵌入向量集合间找到最小数学距离，就能发现最相似的项——这对搜索等实际应用极为有用。</p>