用 LLM 提问生成可解释嵌入,替代黑盒向量
kieranklaassen · x · 2026-09-26
kieranklaassen 分享一个用 Jev 做「非黑盒嵌入」的思路:与其让嵌入模型输出 1536 个无语义的数字,不如让模型针对每份文档回答一组问题,把答案本身作为向量。
例子:一封邮件「这个月被扣了两次费,请尽快修复」得到的向量是 [iscustomer, urgent, aboutbilling, needsrepl...],每个维度都有明确含义。他随后更正:应该是加权点积而非余弦相似度。这个方法让检索/分类的匹配逻辑可解释可调控。
所属事件:开发者用 LLM 问答生成可解释嵌入替代黑盒向量(3 条相关)→
「编程与Agent」频道最新
- Claude Code 命令改名：/checkup prompt-audit 可清理冗余指令 — petergyang · 2026-09-26
- Unsplash MCP 服务器发布:对话中直搜高质量图库,支持内容安全过滤 — modelcontextprotocol · 2026-09-26
- Razuna 推出 DAM MCP:59 个工具把数字资产管理接入 AI 工作流 — modelcontextprotocol · 2026-09-26
- OpenClaw 插件支持热重载，现场演示安装 Apple PIM 并即时开发插件 — heyneighbor · 2026-09-26
- 多人协作新范式：直接和写代码的同一个 Agent 聊 PR — sergeykarayev · 2026-09-26
- OpenAI Codex 全线故障约一小时后恢复，API key 登录曾可绕过 — reach_vb · 2026-09-26