概念词汇表：N¶
本页整理拼音首字母为 N 的中文概念词条。词条正文由单词源文件 include 生成。
n-gram¶
- 含义：n-gram 是连续的
n个词、字符或 token 组成的局部上下文单位。 - 为什么重要：它展示了早期语言模型如何先统计短距离片段，再发展到处理更丰富、更长的上下文。
- 相关概念：
语言模型，统计语言模型，稀疏性 - 中心 Section：
P1-11.1 - 出现 Section：
P1-9.3,P6-19.1
ndarray¶
- 含义：ndarray 是 NumPy 用于高效数值计算的核心多维数组结构。
- 为什么重要：它把 Python 列表和带有 shape、dtype、ndim、索引与广播行为的计算数组区分开。
- 相关概念：
NumPy，shape，dtype - 中心 Section：
P2-11.1 - 出现 Section：
P2-11.2,P2-11.4,P2-12.1
ndim¶
- 含义：
ndim表示 NumPy 数组有多少个维度或轴。 - 为什么重要：它帮助读者在理解 shape 操作、广播或轴运算前先检查数组结构。
- 相关概念：
shape，ndarray，维度 - 中心 Section：
P2-11.1 - 出现 Section：
P2-11.2,P2-11.3
最近邻¶
- 含义：最近邻是在距离或相似度规则下，最接近查询向量或基准向量的候选。
- 为什么重要：它说明检索和案例推理中，哪个已有对象会成为最近的依据。
- 相关概念：
相似度搜索，距离，top-k - 中心 Section：
P1-13.2 - 出现 Section：
P1-13.4,P7-2.1,P7-2.2
newaxis，np.newaxis¶
- 含义：
newaxis或np.newaxis会给 NumPy 数组增加一个长度为 1 的轴，但不改变底层值。 - 为什么重要：它帮助有意对齐 shape 以使用广播，并避免把 shape 问题误读成值问题。
- 相关概念：
广播，shape，共享底层对象 - 中心 Section：
P2-11.4 - 出现 Section：
P2-12.1
下一步行动¶
- 含义：下一步行动是在读取当前状态、观察、策略和失败记录后选择的、立即可执行且安全有意义的步骤。
- 为什么重要：它避免评审和失败记录停留在说明层，而是连接到具体运行步骤。
- 相关概念：
观察，状态，暂停状态，审批策略，重试 - 中心 Section：
P7-6.3 - 出现 Section：
P1-14.4,P7-6.1,P7-6.2
下一个问题¶
- 含义：下一个问题是把评审或比较后留下的不确定性收束为下一次调查的问题。
- 为什么重要：它把比较结果和错误案例转换成下一轮迭代的第一个输入。
- 相关概念：
回顾，错误案例，评审，改进计划，工作假设 - 中心 Section：
P7-2.2 - 出现 Section：
P7-index,P7-1.1,P7-1.3,P7-2.1,P7-2.3,P7-5.3,P7-summary
下一输出生成¶
- 含义：下一输出生成把生成结果看作根据当前条件和已有输出继续扩展小片段的过程。
- 为什么重要：它帮助读者把文本、代码和结构化输出看作累积过程，而不是一次性拿出的完成品。
- 相关概念：
下一 token 预测，采样，生成 - 中心 Section：
P1-10.2
下一 token 预测¶
- 含义：下一 token 预测会根据当前上下文计算下一个 token 候选，并逐 token 继续生成。
- 为什么重要：它是理解 LLM 文本生成以及采样、temperature、上下文窗口等设置的直接基础。
- 相关概念：
token，语言建模，采样 - 中心 Section：
P6-6.1 - 出现 Section：
P1-10.2,P5-15.1,P5-15.2,P6-5.1,P6-6.2
节点¶
- 含义：节点是图中可连接关系的单个对象或位置。
- 为什么重要：它把“什么被连接”和“如何连接”分开，是读取图数据的起点。
- 相关概念：
图，边，权重 - 中心 Section：
P2-9.3 - 出现 Section：
P2-9.4,P4-14.1
噪声¶
- 含义：噪声是观测数据中的变动或错误，可能遮蔽当前问题真正相关的信号。
- 为什么重要：它让读者不把每个观测值都当成有用信号，并支持输入质量诊断。
- 相关概念：
不确定性，部分可观测性，误差 - 中心 Section：
P1-6.1
非线性结构¶
- 含义：非线性结构通过分支、层级或关系组织数据，而不是一条直线顺序。
- 为什么重要：它帮助区分序列问题和树、图问题，后者关系往往比位置更重要。
- 相关概念：
线性结构，树，图 - 中心 Section：
P2-9.1 - 出现 Section：
P2-9.4
非参数记忆¶
- 含义：非参数记忆是模型参数之外的外部存储，例如文档或检索记录，模型需要时可以查询。
- 为什么重要：它解释了为什么 RAG 可以在不改模型参数的情况下更新来源并追踪证据。
- 相关概念：
参数化记忆，检索增强生成，搜索 - 中心 Section：
P1-13.3
非确定性¶
- 含义：非确定性指同一输入或状态不一定导向唯一固定结果。
- 为什么重要：它把多个可能结果和随机性区分开，帮助解释搜索、生成和系统执行。
- 相关概念：
随机，随机过程，不确定性 - 中心 Section：
P1-6.2
笔记本¶
- 含义：笔记本是把代码、说明和输出放在同一个基于单元格的计算文档格式中。
- 为什么重要：它适合学习和实验，但隐藏执行状态也可能影响可复现性。
- 相关概念：
代码单元格，Markdown 单元格，可复现记录 - 中心 Section：
P2-10.1 - 出现 Section：
P2-10.2,P2-10.3
数值稳定性¶
- 含义：数值稳定性指重复计算时，值和梯度保持在机器可以处理的范围内。
- 为什么重要：数学上成立的公式在有限机器上也可能失败，因此初始化、归一化和学习率有实际意义。
- 相关概念：
初始化，批归一化，反向传播 - 中心 Section：
P5-8.3
NumPy¶
- 含义：NumPy 是用于数值数组、向量和矩阵计算的 Python 库。
- 为什么重要：它把普通 Python 代码连接到 AI 实践中大量使用的数组式数值计算。
- 相关概念：
数组，ndarray，shape - 中心 Section：
P2-11.1 - 出现 Section：
P2-11.2,P2-11.3,P2-11.4,P2-15.1