英文论文怎么读：RAG
先读摘要的问题、方法和实验任务，再看检索器与生成器如何连接。检索负责找材料，生成负责组织回答；不要把某个实验的提升理解为所有问答都可靠。术语：retriever＝检索器，generator＝生成器，knowledge-intensive＝依赖知识的。
来源：Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (2020)
自测与数据实操
先选一项自测，再用真实数据运行一个可复现的小任务。答案反馈和错题回看保存在本浏览器，与阅读进度分开。
基础自测
这8题是入门抽样，不代表全站全部概念测评。先独立作答再看反馈。
真实数据：鸢尾花分类
任务：根据4个花萼、花瓣测量值预测3种鸢尾花类别。材料含150条真实观测。基础难度；预计20—30分钟（含读代码），需要列表、均值和距离的基本知识。
- 下载CSV与Python脚本放在同一目录；Python 3标准库即可。也可直接点击下方按钮在浏览器运行。
- 保持原始顺序；每个类别内从第1条起每5条取1条测试，其余训练，得到120条训练、30条测试。
- 只用训练集计算均值和总体标准差，标准化后计算各类中心；测试样本按最近中心分类。并列时按类别名称排序取第一个。
- 比较混淆矩阵与预期结果，解释错误集中在哪些类别。若改模型或切分，先保留独立测试，不能用测试集反复挑方案。
下载数据CSV · 下载Python脚本 · 预期结果JSON · 来源与许可
python practice-iris.py
预期结果与解释
固定方案应预测正确25/30条，准确率约83.33%。矩阵行是真实类别，列是预测类别，顺序为setosa、versicolor、virginica：[[10,0,0],[0,5,5],[0,0,10]]。
这是小数据集上的教学基线，不是该数据集的最佳成绩，也不能证明对其他花或其他数据有效。实操不上传数据、不训练在线模型。
来源：Fisher, R. (1936), Iris — UCI; DOI 10.24432/C56C76; CC BY 4.0
来源：scikit-learn — Data leakage
下载使用UCI修正版本bezdekIris.data，添加表头并统一换行，保留数据顺序。获取日期2026-11-01。
英文资料阅读辅助
以下是本站编写的阅读提示，不是全文译文。原文仍是核对依据，网页预览不会把外站嵌入或自动传送阅读内容。
英文论文怎么读：Transformer
先对应架构图中的编码器、解码器与注意力，再看训练和评估设置。论文中的机器翻译结果有具体实验条件，不能直接外推到今天所有模型。术语：encoder＝编码器，decoder＝解码器，self-attention＝自注意力。
英文文档怎么读：避免数据泄漏
抓住“先切分、只在训练集拟合”这条操作原则，再对照代码中的fit与transform。fit学习参数，transform应用参数。本页实操按训练集计算均值和标准差，测试集只参与最终评价。
延伸问题
AI会有情感吗？
模型能生成表达情绪的语言，也可以识别某些情绪线索。这些可观察行为本身不能证明它有主观感受。意识与体验如何识别仍有争论，因此既不把拟人表达当作证据，也不对所有未来系统下定论。阅读研究时，区分行为表现、内部机制和主观体验三个问题。
“人工智能”这个名字从哪里来？
1955年达特茅斯夏季研究项目提案使用了“artificial intelligence”这个名称，项目计划在1956年开展。名称表达了用机器研究和实现智能能力的研究方向，并不等于机器具有人类的全部心理属性。年份要区分提案发表和活动举行。
来源：McCarthy, Minsky, Rochester & Shannon — Dartmouth research proposal (1955)
AI的发展是必然的吗？
这是开放讨论，不能用一条技术趋势当作必然结论。可以分别讨论：技术能力是否继续提升、投入与资源是否持续、社会是否选择部署。能力进步与采用速度不是同一件事；政策、成本、风险和公众选择都会影响路径。请提出一个可检验的条件和一个可能推翻你判断的证据，不把立场题当作有唯一答案的测验。
来源：Stanford AI100 — historical background (2016; not a forecast)
本页整理日期2026-11-01。具体论文有自己的发表年份；研究争议不按单一立场判分。