AI 中 Token 的概念是什么？
Token 代表 AI 模型处理的最小文本单元，类似于词语或词片段。它是语言模型赖以运行的基本构建块，使模型能够解释和生成人类语言。
Token 通过称为分词（Tokenization）的过程从原始文本中创建。存在不同的分词方法，根据空格、规则或针对语言模式优化的算法来分割文本。不同模型中 token 的具体数量差异显著；常见词语可能是单个 token，而复杂词语或标点符号通常会被拆分。重要的是，模型的输入和输出，以及上下文长度，都以 token 而非字符或词语来衡量和约束。
理解 token 对于高效的 AI 交互至关重要。它们决定了计算成本，影响响应长度限制，并影响提示词的处理方式，直接影响 AI 输出的相关性和质量。优化 token 使用有助于管理成本，并确保提示词适合模型的上下文窗口。
相关问题
模型微调和重新训练之间差别大吗？
微调是使用相对较小的数据集将预训练模型适配到特定任务，而重新训练则是从头开始使用大量（通常是特定任务）数据构建新的模型架构。两种方法都能实现模型更新，但在方法和资源需求上有显著差异。 微调修改已建立模型（如 BERT 或 GPT）的权重，这些模型已在大量通用数据上训练。与重新训练相比，它所需的数据...
零样本学习和小样本学习有什么区别？
零样本学习（ZSL）使模型能够识别或分类在训练期间没有可用标记训练样本的对象。相比之下，小样本学习（FSL）利用极少量（如 1-5 个）每个新类别的标记样本来适配模型。 零样本学习主要通过利用预先存在的语义知识或辅助信息（如类别属性、文本描述或嵌入）来将学习到的概念迁移到未见过的类别。小样本学习专...
小样本学习的应用场景有哪些？
小样本学习使模型仅凭少量标记样本就能有效学习新概念或执行任务。其核心能力是从最少数据中高效获取知识。 这种方法在收集大量数据集不切实际或不可能的情况下极为有价值。关键应用场景包括：在医学影像中识别罕见疾病、在计算机视觉中识别新颖对象或场景、在语音识别中适应特定语音命令或口音、以及以最少的显式用户反...
BLEU 指标和 ROUGE 有什么区别？
BLEU 和 ROUGE 都是评估 NLP 模型生成文本质量的自动化指标，但它们衡量的方面不同。BLEU 主要评估精确率（匹配的正确性），而 ROUGE 则强调召回率（内容捕获的全面性）。 BLEU 计算候选文本与参考文本之间的 n-gram 精确率，并对过短的输出进行惩罚。它对精确的词汇匹配高度...