4.1.8 存在问题
尽管循环神经网络(RNN)在处理序列数据方面具有天然优势,但它在实际应用中面临一个非常严重的问题:长期依赖建模困难。这指的是:在训练过程中,当输入序列很长时,模型难以有效学习早期输入...
小节四:Working Memory 怎么设计才不会变成“第二个垃圾桶”——生命周期、边界与质量控制
很多同学学到这里会进入另一个极端:既然 Working Memory 这么有用,那是不是多存一点更稳?其实恰恰相反,Memory 一旦没有边界,很快就会变成第二个垃圾桶。下面这张图,左边讲“应该放什么”...
小节一:Session 和 Run 到底为什么必须拆开——一个管“会话”,一个管“执行”
先看这张图,整体结构会一下子顺很多。它把 Session 负责“谁在聊、上下文怎么延续”,以及Run 负责“这次执行到底发生了什么” 这两件事分开画出来了。 如图可以很直观地看到:同一个 Sessio...
小节三:把 State 真正接进 Main Loop——Agent = Loop + State 到底怎么落到代码里?
现在我们把前两节合起来。 上一节是 Loop。 这一节是 State。 真正的 Agent 结构应该是: Loop 推进 State State 约束 Loop 这句话很关键。 不是 Loop 单方面使用 State。 而是两者互相影响。 ...
2.2.6 Softmax函数
Softmax将一个任意的实数向量转换为一个概率分布,确保输出值的总和为1,是二分类激活函数Sigmoid在多分类上的推广。Softmax常用于多分类问题的输出层,用来表示类别的预测概率。 Softmax会放大...
小节二:核心指标到底怎么看——Task Success Rate 只是第一层
这一组指标容易记混,不妨先把它们按用途放在一起。成功率看任务有没有完成;步骤、Token、延迟与成本看完成任务的资源投入;Tool Error 和 Retry 则更接近执行过程的稳定性。 如图所示,没有一...
小节一:先别急着并发——怎么判断多个 Tool Call 是否真的互不依赖?
并行执行之前,最重要的问题不是,“代码怎么写?” 而是,这些 Tool 到底能不能同时跑? 我们先定义一个最简单的判断标准,如果 Tool B 的输入不依赖 Tool A 的结果,并且二者执行不会互相修改...
4. 离散趋势 – 方差(Variance)
4.1 介绍 方差是用于衡量数据集中数值分散程度的统计指标。它描述了每个数据点与数据集平均值的偏离程度,是离散趋势的一种度量。 4.2 原理 方差的核心想法很直接:先看每个点离均值有多远,再...













