把 LLM 变成可解释向量:命名向量与成对关系矩阵新玩法
kieranklaassen · x · 2026-09-27
一串值得关注的 embedding 思路实验:
- 命名向量替代黑盒向量:kieranklaassen 提出不再用 embedding 模型输出 1536 个无意义数字,而是让 LLM 对每个文档回答一组问题,把答案组成可解释向量(如邮件「是否客户/紧急/账单相关/需回复」→ [1.0, 0.9, 1.0, 1.0]),再配老式余弦相似度做检索,「客户账单问题」查询能准确命中重复扣费邮件而非普通 newsletter。
- 成对关系矩阵:trevin 在此基础上指出余弦只能表达「方向相同」,表达不了两张工单之间的阻塞关系。他的做法是构建矩阵,行列为条目,每个单元格用 LLM 对有序对提问(同一问题?A 阻塞 B?B 阻塞 A?是否重复?)生成的小向量——读单元格本身,而不是对行向量算距离。单元格是「某一对条目」的评分,不属于任何单个条目。
核心洞见:传统向量相似度只编码条目各自的属性,无法表达条目间的关系;让 LLM 生成命名向量与成对关系向量,可以做出完全可解释、可查询的语义检索与关系推理。
所属事件:开发者提出用 LLM 生成可解释嵌入，替代黑盒向量(4 条相关)→
「编程与Agent」频道最新
- gspot CLI:一套配置管住 AI 生成代码的 lint 与 agent 规则 — TheMoonMidas · 2026-09-27
- New Relic 报告：四分之一企业 AI Agent 处于无监控运行 — rvp · 2026-09-27
- 一条命令搞定 Claude Code 提示词体检：/checkup 清理冗余指令 — xiaohu · 2026-09-27
- 网友晒图：Opus 5.5 一气呵成徒手写出填色涂鸦动画 — sven_ai · 2026-09-27
- AI 参谋团运营实战:人的带宽才是真正瓶颈 — RachelVT42 · 2026-09-27
- MongoDB 发布 Agent Skills,让 AI 编码助手写出更规范的数据库代码 — TheTuringPost · 2026-09-27