-
任务适配往往住在低维流形上,这就是低秩更新能成立的原因
两个瘦矩阵相乘,秩不会超过较瘦的那一边。预训练权重大,任务增量小,用低秩去逼近这段增量。
-
所谓创造,人和模型都在重组旧材料,差在有没有身体和情绪当评审
大脑不会从虚无里变出元素。默认网络联想,额顶网络把关,很像生成器和判别器。要求模型绝对新颖,先得承认人也不满足这条标准。
-
分词不要死磕整词:字节对编码靠合并高频字对,才能扛住罕见词
空格和正则碰到错别字、黏着语和中英混排就会爆词表。子词从字符出发,反复合并最常见的相邻对。
-
用模型写 Listing,缺上下文的一句话提示只会产出套话
标题、五点、描述和后台搜索词的写法不同,该拆开提示。初稿仍要人工核参数,模型会编数字。
-
产品图先用生成补到八十分,主图仍要实拍,跑出量再请摄影
白底主图平台要真实照片。场景图、信息图和对比图才是生成能省钱的位置。Logo 和文字经常是乱码,必须局部修。
-
选品时模型负责八成搬运,市场潜力和供应链仍要人拍板
整理表格、翻译差评、按频率归痛点,它很快。判断这品能不能做、工厂能不能交,它替代不了行业经验。
-
购物助手时代,Listing 是语义档案,不是关键词堆场
系统要回答适合谁、会不会漏、能不能装热水。标题到问答必须指向同一个定位,各说各话会被判成两件产品。
-
广告报告丢给模型,要的是可执行清单,不是再做一张透视表
搜索词和品牌视频广告看的指标不同。它负责分类和排序,否词、降价、重拍视频仍要人在后台确认。
-
客诉不该只被回复:用模型分类,把重复问题沉淀成问答资产
同一连接问题回了十几次,说明书却从来没改。收集端字段要少,不知道的标待确认,禁止编功能和步骤。
-
提示词不是一句话,是把模型的猜测空间收窄的协议
模糊指令让模型走最常见的平庸路径。角色、背景、规格和「没给的数不许编」,比再堆形容词管用。