用户813441182361

贝叶斯中的先验与后验：以抛硬币为例 核心思想 贝叶斯统计的核心是用先验（信念）乘上似然（证据），得到后验（更新的信念）。

似然（Likelihood）似然函数表示在已知观测数据 D 的情况下，参数 \theta 的“合理程度”。

定义 $X$：大写字母表示随机变量 $x$：小写字母表示随机变量的观测值 Agent: 一个嵌入在环境中的系统，并采取行动以改变环境的状态。 状态 ( State $S$ ): 状态可以被视为系统历史

概述 推荐系统的评价指标 日活用户数（DAU）和 留存 是最核心的指标。（电商不同，电商最重要的是营收） 留存 目前工业界最常用 LT7 和 LT30 衡量留存。 LT7: 假设某个用户今天登录了ap

查询（Query）：matrix movies 相关文档（Relevant）：10, 582, 877, 10003（标记为 REL） Precision (P@k) $P@k$ 是指对于某个查询的给

Extrinsic Hallucinations in LLMs https://lilianweng.github.io/posts/2024-07-07-hallucination/ 为了避免幻觉

[GraphRAG] [Query] Local Search Local Search 将来自知识图谱中的结构化数据与来自输入文档的非结构化数据结合起来，在查询时用相关实体信息增强LLM上下文。 这

GraphRAG 论文 From Local to Global: A Graph RAG Approach to Query-Focused Summarization 一种从文本构建并增强知识图的

[GraphRAG] [Index][graph][extractors] community_reports_extractor CommunityReportsResult **Community