<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>自然语言处理 on Answer</title>
    <link>https://answer.freetools.me/categories/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/</link>
    <description>Recent content in 自然语言处理 on Answer</description>
    <generator>Hugo -- 0.152.2</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 12 Mar 2026 10:59:23 +0800</lastBuildDate>
    <atom:link href="https://answer.freetools.me/categories/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Hidden State：Transformer如何在层层传递中「理解」语言</title>
      <link>https://answer.freetools.me/hidden-statetransformer%E5%A6%82%E4%BD%95%E5%9C%A8%E5%B1%82%E5%B1%82%E4%BC%A0%E9%80%92%E4%B8%AD%E7%90%86%E8%A7%A3%E8%AF%AD%E8%A8%80/</link>
      <pubDate>Thu, 12 Mar 2026 10:59:23 +0800</pubDate>
      <guid>https://answer.freetools.me/hidden-statetransformer%E5%A6%82%E4%BD%95%E5%9C%A8%E5%B1%82%E5%B1%82%E4%BC%A0%E9%80%92%E4%B8%AD%E7%90%86%E8%A7%A3%E8%AF%AD%E8%A8%80/</guid>
      <description>从Hidden State的数学定义出发，深入解析Transformer不同层如何编码词身份、句法结构和语义信息。涵盖BERT层级分析、Probing研究、Fine-tuning对表示的影响，以及如何有效利用中间层表示的完整技术全景。</description>
    </item>
    <item>
      <title>Beam Search：为什么这个「折中」算法统治了序列生成三十年</title>
      <link>https://answer.freetools.me/beam-search%E4%B8%BA%E4%BB%80%E4%B9%88%E8%BF%99%E4%B8%AA%E6%8A%98%E4%B8%AD%E7%AE%97%E6%B3%95%E7%BB%9F%E6%B2%BB%E4%BA%86%E5%BA%8F%E5%88%97%E7%94%9F%E6%88%90%E4%B8%89%E5%8D%81%E5%B9%B4/</link>
      <pubDate>Wed, 11 Mar 2026 20:00:05 +0800</pubDate>
      <guid>https://answer.freetools.me/beam-search%E4%B8%BA%E4%BB%80%E4%B9%88%E8%BF%99%E4%B8%AA%E6%8A%98%E4%B8%AD%E7%AE%97%E6%B3%95%E7%BB%9F%E6%B2%BB%E4%BA%86%E5%BA%8F%E5%88%97%E7%94%9F%E6%88%90%E4%B8%89%E5%8D%81%E5%B9%B4/</guid>
      <description>深入解析Beam Search算法的核心原理、数学推导、优化技巧以及在大模型时代的应用与局限，揭示这个折中方案为何能长期统治序列生成领域。</description>
    </item>
    <item>
      <title>大模型为何会陷入无限循环：从自注意力机制到训练数据的重复诅咒</title>
      <link>https://answer.freetools.me/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E4%B8%BA%E4%BD%95%E4%BC%9A%E9%99%B7%E5%85%A5%E6%97%A0%E9%99%90%E5%BE%AA%E7%8E%AF%E4%BB%8E%E8%87%AA%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E5%88%B0%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE%E7%9A%84%E9%87%8D%E5%A4%8D%E8%AF%85%E5%92%92/</link>
      <pubDate>Mon, 09 Mar 2026 06:58:10 +0800</pubDate>
      <guid>https://answer.freetools.me/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E4%B8%BA%E4%BD%95%E4%BC%9A%E9%99%B7%E5%85%A5%E6%97%A0%E9%99%90%E5%BE%AA%E7%8E%AF%E4%BB%8E%E8%87%AA%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E5%88%B0%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE%E7%9A%84%E9%87%8D%E5%A4%8D%E8%AF%85%E5%92%92/</guid>
      <description>深入解析大语言模型生成重复文本的深层机制。从注意力机制的数学原理出发，系统阐述自我强化效应、训练数据影响、注意力汇聚现象，以及温度参数、Top-p采样、重复惩罚、对比搜索等多种解决方案的技术原理与工程实践。涵盖2023-2025年最新研究成果，包括ICLR论文《Repetition In Repetition Out》的核心发现、attention sinks与重复token的关系、特征层面的重复诅咒解析等前沿进展。</description>
    </item>
    <item>
      <title>一个字符的救赎：拼写检查如何在毫秒间从编辑距离走到深度学习</title>
      <link>https://answer.freetools.me/%E4%B8%80%E4%B8%AA%E5%AD%97%E7%AC%A6%E7%9A%84%E6%95%91%E8%B5%8E%E6%8B%BC%E5%86%99%E6%A3%80%E6%9F%A5%E5%A6%82%E4%BD%95%E5%9C%A8%E6%AF%AB%E7%A7%92%E9%97%B4%E4%BB%8E%E7%BC%96%E8%BE%91%E8%B7%9D%E7%A6%BB%E8%B5%B0%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/</link>
      <pubDate>Sat, 07 Mar 2026 11:02:09 +0800</pubDate>
      <guid>https://answer.freetools.me/%E4%B8%80%E4%B8%AA%E5%AD%97%E7%AC%A6%E7%9A%84%E6%95%91%E8%B5%8E%E6%8B%BC%E5%86%99%E6%A3%80%E6%9F%A5%E5%A6%82%E4%BD%95%E5%9C%A8%E6%AF%AB%E7%A7%92%E9%97%B4%E4%BB%8E%E7%BC%96%E8%BE%91%E8%B7%9D%E7%A6%BB%E8%B5%B0%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/</guid>
      <description>深入解析拼写检查与自动更正的技术原理：从1961年第一个拼写检查器到现代AI驱动的上下文感知纠错。涵盖Levenshtein编辑距离、BK树、SymSpell算法、N-gram语言模型、BERT深度学习等核心技术，以及触摸屏空间模型、键盘邻近键误触等移动端特殊挑战。</description>
    </item>
  </channel>
</rss>
