本文全面讲解向量表征（Embedding）核心知识，从基础定义、本质逻辑、技术演进，到文本向量生成、相似度计算方法层层拆解，覆盖 NLP、RAG、推荐系统等主流应用场景；搭配 Ollama 实战可视化代码，直观呈现文本向量空间分布规律，帮读者快速掌握 AI 语义检索底层技术，打通理论到实操的全流程认知。

xn，并计算它们对应的权重值w1,w2,…在进行On-Policy的过程中，actor先于环境进行交互，交互得到很多的评价得分，然后构建损失，进行更新Policy Network。如上述图片所示，当在左侧的时候，p(x) > q(x)，计算得到等式左侧的值是负值。当在右侧的时候，q(x) < p(x)，采样计算得到的等式左侧的值看起来是正值，会导致左右两侧不同。：由于On-Policy方法依赖于连

介绍神经网络中的Dropout正则化方法

介绍自注意力机制和多头注意力机制在Transformer框架中的应用

介绍了机器学习的主要分类以及不同分类之间的区别

介绍了传统RNN的变体模型LSTM和GRU模型

介绍Transformer架构中的前馈全连接层、规范化层和子层连接结构的原理及实现

介绍了机器学习的主要分类以及不同分类之间的区别

介绍自注意力机制和多头注意力机制在Transformer框架中的应用

介绍神经网络中权重参数初始化的常用方法