自然语言处理 on s-ai-unix's Bloghttps://s-ai-unix.github.io/tags/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/Recent content in 自然语言处理 on s-ai-unix's BlogHugo -- 0.161.1zh-cnSun, 22 Mar 2026 08:00:00 +0800什么是 AI 味，怎么去 AI 味https://s-ai-unix.github.io/posts/2026-03-22-ai-writing-tropes/Sun, 22 Mar 2026 08:00:00 +0800https://s-ai-unix.github.io/posts/2026-03-22-ai-writing-tropes/AI 写作痕迹的识别与去除完全指南。深入浅出讲解 AI 味的本质、六大类别模式，以及去除 AI 味的核心原则与实战方法。AI 论文解读系列：BERT - 预训练深度双向 Transformer 的革命https://s-ai-unix.github.io/posts/2026-01-30-bert-paper-interpretation/Fri, 30 Jan 2026 12:00:00 +0800https://s-ai-unix.github.io/posts/2026-01-30-bert-paper-interpretation/深入解读 Google 发表于 NAACL 2019 的里程碑论文，剖析 BERT 如何通过双向预训练革命性地提升自然语言理解能力AI 论文解读系列：Seq2Seq--从序列到序列的革命https://s-ai-unix.github.io/posts/2026-01-30-seq2seq-paper-explained/Fri, 30 Jan 2026 09:00:00 +0800https://s-ai-unix.github.io/posts/2026-01-30-seq2seq-paper-explained/深入浅出解读 Seq2Seq 论文，从机器翻译的困境到编码器-解码器架构的突破，揭示深度学习处理序列数据的核心思想。AI 论文解读系列：Word2Vec - 词向量的革命https://s-ai-unix.github.io/posts/2026-01-30-word2vec-paper-explained/Fri, 30 Jan 2026 09:00:00 +0800https://s-ai-unix.github.io/posts/2026-01-30-word2vec-paper-explained/深入浅出解读 Mikolov 等人的 Word2Vec 论文，从词袋模型到神经语言模型，完整推导 CBOW 和 Skip-gram 的数学原理与应用。AI 论文解读系列：GPT-3——当语言模型学会举一反三https://s-ai-unix.github.io/posts/2026-01-30-gpt3-few-shot-learners-paper/Fri, 30 Jan 2026 08:50:00 +0800https://s-ai-unix.github.io/posts/2026-01-30-gpt3-few-shot-learners-paper/深入解读 OpenAI 里程碑式论文 GPT-3: Language Models are Few-Shot Learners，从 Transformer 架构到少样本学习的范式转变，探讨大规模语言模型的涌现能力与未来前景。