单跳：只查一条记忆、单轮对话，直接拿答案；多跳：要把多轮 / 多会话的多条记忆拼起来推理，才能得出答案。性能全面超越现有记忆系统，兼顾精度与推理能力。双架构适配不同任务场景，灵活性强。工程化程度高，低延迟、低 token、实时可用，满足生产要求。记忆自动维护，一致性与时序性保障完善。

摘要核心是概括论文核心内容，但内容简洁、不够详细，且引言会包含摘要的大部分信息，因此无需精读：出于尊重，可简单浏览，了解论文大致方向；若觉得冗长，可借助AI总结，仅关注AI总结中的“方法部分”即可，无需深究其他内容。

本质是给大模型的具体问题或指令，是模型启动运转的前提（无Prompt则模型无法输出内容），例如“帮我写一首诗”就是典型的Prompt。

本质是给大模型的具体问题或指令，是模型启动运转的前提（无Prompt则模型无法输出内容），例如“帮我写一首诗”就是典型的Prompt。

PPM（Pyramid Pooling Module）是 PSPNet 的核心模块，通过并行多尺度池化，把特征图拆成不同大小区域做池化，再融合回原尺寸，让模型同时拥有全局视野与局部细节。ResNet50 原生：强在局部特征提取，弱在全局上下文与多尺度：保留局部优势，新增全局 + 多尺度上下文，让模型 “既见树木，又见森林”

一般一个self - attention 模型 ，一个字的编码维度是768， 字的个数可以按照128，或者512计算。这里的数字的含义是什么？768 维：指每个字的向量长度（特征维度），是模型对一个字的 “描述维度”；128/512：指序列长度（token 数量），是模型能处理的 “最多字数”，本质是序列维度。→ 768 维特征（768 个小数）

        这个项目是一个典型的医学文本生成任务，具体来说是CT 报告诊断生成任务，属于医疗 AI 的重要应用方向。