都有哪些Embedding向量化嵌入模型？金融领域适合用哪些？
下面给你一份工程可用、选型导向的 Embedding 向量化模型全景说明，并重点回答金融领域该怎么选。 一、Embedding 向量化模型，本质在做什么？ 一句话： 把“文本”压缩成“语义坐标”，让“…
分类： 2026
向量检索层参数（Embedding / Vector DB）search_type dense / sparse / hybrid是什么意思？
在向量检索里，search_type = dense / sparse / hybrid指的是“用什么信号来判断‘相关’”。三者不是版本高低，而是信息来源不同。 一句话先给直觉 dense（稠密向量）…
检索器的优化，动态检索策略，怎么基于用户问题动态调整检索参数？
这是一个典型 RAG / Agent 工程里的核心问题，你已经问到“检索器从静态工具 → 智能组件”这一步了。 下面我不讲泛泛而谈的“可以用 LLM 判断”，而是给你一套可落地、可编码、可扩展的动态检…
什么时候调整Top K？ 什么时候调整Top P？
这个问题问得非常工程化。 结论先行：Top-K 和 Top-P 不存在“谁更高级”，而是“什么时候该动哪一个”。 一句话决策规则（先记住这个） 你想“限制模型别乱跑” → 调 Top-K 你想“在合理…
LLM 参数调优指南：一文读懂 Top-K 与 Top-P 的本质区别（Top K、Top P都是什么意思？）
在大语言模型（LLM）的开发与应用中，我们经常听到“Temperature”、“Top-K”、“Top-P”这些参数。它们是控制模型“大脑”的阀门，决定了生成的内容是严谨的逻辑推理，还是天马行空的创意…
面试官读简历时的脑内脚本反推版说明书
本文我们将完全站在面试官与 HR 的联合视角，从「他们怎么看」「他们怎么筛」「他们怎么追问」三个层次，系统拆解——一整篇简历中，每个部分该怎么写、各自承担什么叙事职责、哪些点一定要出现、哪些雷千万别踩…
简历里项目经历和公司经历的区别
在简历中，公司经历和项目经历虽然高度相关，但它们承担的叙事职责不同，面向的筛选者关注点也不同。区分清楚，有助于让简历更“可读”、更“可评估”。 一句话区分 公司经历（Work / Company Ex…