app怎么制作流程seo综合查询怎么用的

🌟第12.4节 从字符到故事：大语言模型的文字炼金术 🌟

---

1. 文字编码：给字母穿上数字马甲

(1) 基础编码法

• 字母 → 数字映射：

  a=1, b=2, ..., z=26  
  空格=0, 标点=27+  
  

  → 示例：
  “humpy_dumpt” → [8, 21, 13, 16, 20, 25, 0, 4, 21, 13, 16, 20]

(2) 输入限制

• 固定窗口长度：
  → 输入层只有12个神经元 → 只能处理12个字符
  → 超出部分截断：“Humpty Dumpt” → 只保留最后12字符

(3) 编码缺陷

• 语义丢失：
  → “h”=8 和 “i”=9 无内在关联
  → 改进方案：后续引入词向量（Word2Vec）

---

2. 神经网络架构：文字的流水线工厂

(1) 输入层 → 字符信箱

• 每个神经元对应一个字符位置
  → 示例：

  输入序列："umpty_dumpt"  
  神经元分配：  
  [u(21), m(13), p(16), t(20), y(25), _(0), d(4), u(21), m(13), p(16), t(20), ?(待预测)]
  

(2) 隐藏层 → 语义搅拌机

• 多层级特征提取：
  → 初级层：捕捉字母组合规律（如"th"常连用）
  → 深层：理解短语结构（如"on a wall"的介词搭配）

(3) 输出层 → 概率投票箱

• 26+神经元设计：
  → 每个神经元代表一个字母的得分
  → 使用Softmax转换成概率：

  P(y)=e^25/(e^8+e^21+...+e^25) ≈ 98%  
  

---

3. 文字生成：AI的接龙游戏

(1) 单步预测示范

输入："humpy_dumpt" → 预测下一个字符是"y