- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（3）
终结状态可能是成功解决了问题，那么我们发现了问题的一个解；也可能是没有解决问题，但是后面无路可走了，那么说明说我们之前做的决策有错误 深度优先搜索可以用来遍历所有选择，找到所有的终结状态，从而找到所有的解 例如f1=2表示从1滑动到3需要先经过2；特别的fi=0表示从i到j没有限制 这个f数组是这样的，其余的f值是0： f[1][3] = f[3][1] = 2; f[1][7] = f[7][1] = 4; f[1][9] = f[9][1] = f[2][8] = f[8][2] = f[4][6] = f[6][4] = f[3][7] = f[7][3] = 5; f[3][9] = f[9 ][3] = 6; f[7][9] = f[9][7] = 8; 然后就是深度优先搜索的过程。 [4] = f[3][7] = f[7][3] = 5; f[3][9] = f[9][3] = 6; f[7][9] = f[9][7] = 8; cin >> t;
69140发布于 2018-07-04 - 来自专栏程序那些事儿
秘塔AI搜索，AI时代的搜索引擎
然而，随着用户需求的不断升级，对于搜索体验的期望也水涨船高。上海秘塔科技洞察到这一市场趋势，推出了秘塔 AI 搜索，这不仅是对产品的一次革新，更是中国 AI 搜索领域迈向新高峰的一个标志性事件。 一、秘塔 AI 搜索的技术基础 秘塔 AI 搜索的核心是上海秘塔网络科技有限公司倾力打造的大语言模型 MetaLLM。 根据最新的市场统计数据显示，其访问量在 2024 年 3 月达到了令人震惊的 721 万次，相比之前实现了 551.36%的惊人增长速度。 四、对未来的展望 毫无疑问，秘塔 AI 搜索的推出标志着中国 AI 搜索市场即将迎来一个崭新的时代。它的到来不仅仅是对现有搜索体验的一次颠覆，更有可能推动整个行业进入新纪元。 结语 总结来说，秘塔 AI 搜索作为一款创新的 AI 搜索引擎，以其出色的技术能力和用户友好的设计理念，迅速在国内外市场上占据一席之地。
2.7K20编辑于 2024-04-26 - 来自专栏bit哲学院
AI（四）：对抗搜索
参考链接： 人工智能对抗搜索 https://blog.csdn.net/NGUever15/article/details/89160951 对抗搜索 文章目录 对抗搜索1 博弈multi-agent 环境形式化搜索问题 2 博弈中的优化决策2.1 极小极大算法2.2 多人博弈时的最优策略 3 $\alpha-\beta$ 剪枝3.1 行棋排序 4 不完美的实时决策4.1 评估函数 3 α − β \alpha-\beta α−β 剪枝 图中存在哪些节点不必搜索？及max（）的值与哪些值无关？ 计算公式： 在C下发现2了之后，就不用再接着看 4 和 6 了，因为最小值一定小于等于2，而2 小于B下的最小值3，所以一定不会选它。 具体的查询过程如下图所示。 3.1 行棋排序 时间有限，实行深度受限搜索。 采用迭代加深搜索。 4 不完美的实时决策 ？？？如何设计评估函数。 ？？？ 如何截断。
75340发布于 2021-01-29 - 来自专栏算法一只狗
AI 搜索 vs 传统搜索：替代还是共存？
根据一份覆盖2023年4月至2025年3月的数据报告，AI聊天助手的访问量同比增长80.9%，达到552亿次，而传统搜索引擎依然稳居主导地位——总流量高达1.86万亿次，仅微降0.51%。 尽管聊天机器人流量增速惊人，但其总量仍仅为搜索引擎的1/34，可见在宏观层面上，AI搜索尚未完全取代传统搜索。 1.AI 搜索与传统搜索的对比 交互方式传统搜索需要用户自行过滤和阅读海量结果，围绕关键词跳转网页；AI助手支持对话式交互，可直接生成整合性的答案与建议，更适合需要理解、总结或规划型任务。 2.以百度为例：AI 搜索的实践与困境“已经好久没有用过百度搜索了”，这句话折射出当下许多用户的体验： AI 功能走马观花 百度在网页入口中嵌入了 AI 搜索功能，能够集成图文、视频等信息、直接展示相关内容 3.AI 能否真正“取代”传统搜索？现在很多人都在用 AI 助手来找答案，但它其实还有不少明显的短板。首先是数据的准确性和可靠性问题。
2K10编辑于 2025-07-08 - 来自专栏Web_xy
AI搜索引擎
通过与 ChatGPT 发明者 OpenAI 合作，微软给自己的搜索引擎加入了先进的 AI 对话模型，以支持全新版本的必应（Bing）和 Edge。 我本来也想试试，但是现在公测版还未发行，且内测版被各大头条垄断，只能先看看谍照了hh ---- 基于AI的搜索引擎 新模式的搜索引擎 ---- 我们能看到，新必应搜索的其中一种模式将传统搜索结果与 ---- 「人工智能将从根本上改变各类软件，首先就从最大的类别 —— 搜索引擎开始。今天，我们推出了由 AI 加持的必应和 Edge，以帮助人们从搜索和网络中获取更多信息。」 实时对话 ---- 用 AI 重塑搜索 微软宣布，新的必应体验是四项技术突破的结晶： 下一代 OpenAI 模型。 将人工智能应用于核心搜索算法。我们还将 AI 模型应用于我们的核心必应搜索排名引擎，从而实现了二十年来相关性的最大跃升。有了这个 AI 模型，即使是基本的搜索查询也更加准确和相关。 新的用户体验。
1.7K20编辑于 2023-02-23 - 来自专栏做数据的二号姬
认真聊AI | 搜索技术
原创内容 No.704 认真聊AI | 搜索技术 书接上回，本期AI的内容到了搜索技术~ 图片由海艺AI绘制 提到搜索技术就不得不提到搜索问题。 搜索解决方案：使用广度优先搜索（BFS）或深度优先搜索（DFS）找到从初始状态到目标状态的路径。 剪枝条件：在搜索过程中，如果发现某个状态已经搜索过了，或者某个状态不符合问题的约束条件，就可以将其从搜索路径中剔除，以避免无效搜索。 这种解决问题的方法也就是搜索技术。 我们在实际执行的时候，为了提高搜索的速度，图搜索并不是先生成所有的状态连接图再进行搜索的，而是边搜索边生成图，一旦找到了合适的答案搜索就停止了。 在搜索的过程中引入启发信息，减少搜索范围，以便更快地找到问题的解，这种搜索策略称为启发式搜索。 A算法和A*算法是常用的两种启发式搜索算法，我们首先介绍一下A算法。
47610编辑于 2024-11-26 AI会消灭搜索吗？
徐一平 腾讯研究院高级研究员一边是谷歌Gemini 3高调入局，AI独角兽争相涌入，将AI搜索视为最钟爱的赛道；另一边却是马斯克“AI将消灭搜索”的惊人断言。 战略转向：蓝色链接正在消融今年3月，美国AI搜索公司、人工智能独角兽企业Perplexity发布了一则极具冲击力的广告：《鱿鱼游戏》主演李政宰再次陷入一场生死游戏。 根据用户体验和信息检索研究中的一般性观察，在传统搜索引擎中，用户平均需要访问3-5个网页页面才能完成单次信息检索任务，搜索词优化往往需要2-3轮迭代。 当时谷歌AI Overview给出了用胶水粘住披萨的错误答案。路线二——破局原生：AI原生搜索引擎颠覆式重构该路线的代表是是以Perplexity、OpenAI为代表的AI原生搜索引擎。 中游：营销范式向夺取AI心智转移传统数字营销的核心方法论——搜索引擎优化（SEO），其底层逻辑正因AI搜索的出现而面临结构性调整。过去，优化的核心是提升特定页面在搜索结果列表中的排名。
40710编辑于 2025-12-10企业AI搜索优化必修课：3大问题+3种解决方案全解析
要想在AI搜索时代保持竞争力，企业必须系统理解AI搜索优化的核心问题，并建立可持续的解决机制。AI搜索优化的三大核心问题首先，品牌信息在AI生成答案中缺失。 通过语料投喂和模型适配，企业可以在不同AI平台上实现一致呈现，覆盖用户搜索路径的各个节点，从而获取更多AI搜索流量。 企业AI搜索优化的行业价值系统的AI搜索优化不仅增加流量，还直接驱动品牌认知和业务转化。 A:用户搜索行为已逐渐迁移到生成式AI平台，若不进行GEO优化，企业信息容易被遗漏，影响品牌曝光和销售机会。优化后可提升内容被AI引用的概率。Q3:秒响应网络在AI搜索优化中提供哪些核心服务？ Gartner.GenerativeAIimpactonsearch:pressrelease.Gartner,2024.[2]中国互联网络信息中心.第五十五次中国互联网络发展状况统计报告[R].CNNIC,2025.[3]
28610编辑于 2025-12-29- 来自专栏机器学习
AI 文档搜索系统：基于 LangChain + FAISS 的智能搜索
LangChain 和 FAISS（Facebook AI Similarity Search） 构建一个 AI 文档搜索系统。 原理解析2.1 传统搜索 VS AI 搜索传统文档搜索依赖于 全文搜索（Full-text Search） 或 基于关键词的索引。 例如： 传统搜索： 用户查询 "公司财务情况" 搜索引擎返回所有包含 "公司"、"财务"、"情况" 的文档 无法识别 "盈利情况"、"年度财报" 这些相关内容 AI 语义搜索： 使用 向量化索引 ：用户输入查询语句，向量化后在 FAISS 数据库中进行最近邻搜索，返回最相关的文档 结果展示：显示匹配的文档及相关段落，提升搜索体验 3. 总结本教程介绍了 AI 文档搜索系统 的原理、核心技术，并提供了完整的代码示例。通过 LangChain 解析文档，FAISS 进行语义索引，嵌入模型向量化文本，实现高效、精准的 AI 文档搜索。
1.6K01编辑于 2025-03-30 - 来自专栏罗超频道
AI与搜索的双螺旋：取之于搜索，用之于搜索
近十年来，AI与搜索结合得愈发紧密，AI从搜索获取数据和反馈不断进化，反过来也在大幅提升搜索的智能化水准，两者形成类似于DNA的“双螺旋”结构，可谓取之于搜索也用之于搜索。 AI率先在搜索引擎场景大规模商用并不让人意外。 第一，AI与搜索都具备“数据驱动”的本质。 另一方面，在溢出效应下，将AI技术开放给产业已成为百度新的增长曲线，其Q3财报里智能云、智能交通等业务都已在贡献增量。 百度早已从搜索引擎升级成AI公司，但这并不意味着百度不做搜索了，相反，百度是真的将“AI+搜索”这件事给做透了，搜索与AI形成了很强的协同效应，两者都受益。 3、百度不只是搜索引擎，更是超级内容平台。 移动时代不同平台都在建篱笆，将内容圈起来，这对搜索引擎不是好消息。
95630编辑于 2022-12-14 - 来自专栏周末程序猿
ChatGPT|AI搜索（Tiny Search）上线
1、简介 AI搜索（Tiny Search）是类似Perplexity AI，实现会话搜索引擎，通过将搜索的内容聚合，然后通过AI进行整合从而提升搜索效率，之前贾扬清也开源了Perplexity的源码， disabled: false 2.2、定义Prompt Prompt是AI搜索的核心，定义了AI搜索的意图，包括两个部分： 通用的RAG的Prompt，是针对返回的内容，让LLM如何进行总结 （页面上的"AI回答"）。 AI. Here is the original question: 3、Beta版本 目前是beta版本，后续会持续优化搜索速度和返回内容的准确性（以下是入口的截图）。
24000编辑于 2025-02-27 - 来自专栏算法一只狗
AI 时代：它正在改变搜索，但远未取代搜索
现在真的太依赖于AI助手去回答问题了。AI助手如 ChatGPT、DeepSeek 等确实正在 改变人们的信息获取方式，但还远没有全面取代传统搜索引擎。 根据一份覆盖 2023 年 4 月至 2025 年 3 月的研究数据，AI聊天助手的流量确实快速增长（同比 +80.9%，达到 552 亿次访问），但搜索引擎的总流量仍高达 1.86 万亿次，同比仅略降 这些挑战凸显了 AI 代理与传统搜索引擎之间的差异。AI 搜索代理代表了我们与在线信息交互方式的重大转变。 从最初的“搜索 + 阅读 + 总结”，到如今可以直接对话式获取整合答案、代码框架和应用方案，对于算法工程师、程序员、内容创作者，AI 已成为不可或缺的辅助工具。 未来 AI 助手是否能够取代搜索引擎，尚且无法定论，但可以确定的是——善用 AI 的人，正在取代不会用 AI 的人。
39710编辑于 2025-07-04 - 来自专栏ACM算法日常
搜索专题3 | 八数码 HDU - 1043
本搜索专题会参考vjudge上的《kuangbin带你飞》系列题目，前面2篇是基础题，后面会慢慢复杂起来！加油！ 本篇接着看BFS的启发式搜索A*算法。 虽然BFS搜索路径已经不错了，但是每次都是按部就班的从队列里先进先出的取元素，这样有点太古板了。 于是在某些情况下可以采用优先队列来替代普通队列，优先队列这个BFS搜索本来打算写一篇文章的，现在直接放在A*里面理解吧。 优先队列是指在搜索解时，选取一条最优路径，比如当前代价最小的路径。 [j / 3][j % 3] == 0) continue; if (e.f[j / 3][j % 3] > e.f[i / 3] printf("unsolvable\n"); else AStar(e); } return 0; } 有时候用一个庞大的队列来处理状态超级多搜索问题
67720发布于 2019-08-21 - 来自专栏专知
谷歌搜索和AI部门分家：Jeff Dean和Ben Gomes分别执掌AI和搜索业务
【导读】当地时间2018年4月2日，国外媒体网站The Information报告了关于Google一则重大消息，即谷歌的搜索和人工智能业务将拆分成两个独立的部门——AI部门和搜索部门。 谷歌曾在2016年将搜索和AI两个部门合并成立新的部门，并由John Giannandrea担任高级副总裁执掌新部门，以更好地在其核心搜索业务中应用AI技术，随着AI技术的发展，AI已不再局限于搜索服务 因此，近日爆出消息，Google将把该部门重新分裂成AI和搜索两个独立的部门。 此前担任谷歌高级副总裁John Giannandrea将卸任，随之迎来了AI和搜索两个部门新的领导人，分别是：谷歌大脑负责人Jeff Dean和谷歌资深研究员Ben Gomes。 由此次谷歌部门重组，可见谷歌的工作重心将不只是AI服务于搜索业务，AI作为当前最为流行的技术领域，将会在谷歌公司的全线产品中发挥至关重要的作用。
1.5K80发布于 2018-04-13 - 来自专栏HAUE_LYS'Blog
3. 基础搜索与图论初识
---- 3.1 简单搜索 ---- 分类 DFS BFS A* (BFS+贪心) 双向广搜 双端队列广搜 双向DFS IDDFS (DFS+BFS) IDA* (IDDFS优化) ---- 3.1.1 BFS ---- 思想 当题目需要对一组数据进行扩展式搜索时可以考虑BFS 搜索时要将已经满足要求的点入队 不断地弹出队头，以队头元素进行扩展搜索，可以得到若干新的元素 对这些元素进行判断，满足继续搜索的条件则将该元素入队 一般来说，BFS在第一次搜到答案时可以直接返回值，提前结束搜索 ---- 例题 844. 输出格式: 每组数据输出一行，如果小明能够从起点走到终点，那么输出Yes，否则输出No 输入样例： 3 3 S.. ..E ... 3 3 S## ### ##E 输出样例 Yes No 分析 走出迷宫需要对每一个点进行搜索 ，不提前返回或退出 当搜索过程中出现明显不满足目标的状态时可以提前返回，减少搜索次数 ---- 例题 3429.
84830编辑于 2022-07-11 - 来自专栏内容营销专家刘鑫炜
AI搜索实战专家刘鑫炜：AI 搜索营销是什么，零基础入门详细教程
作为深耕AI搜索营销的实战派，我每天都能收到新手的求助：“我花了3个月做AI搜索营销，一分钱效果没有”“跟着网上的教程做，越做越乱，流量不增反降”“AI搜索和传统SEO到底有啥区别，完全摸不着头脑”…… 第二坑：迷信“保证排名”，被服务商割韭菜很多新手急于出效果，看到服务商承诺“3个月保证AI搜索排名第1”“花5000块就能上AI推荐榜”，就盲目交钱，结果全是骗局。 真实案例：深圳有个老板，花10万找服务商做AI搜索营销，服务商承诺“3个月获客500条”，结果3个月只拿到3条无效线索，维权都无门。 开头戳痛点（1句话）：比如“新手做AI搜索营销，花了3个月没效果？其实是你没找对方法”，快速抓住用户注意力；2. 发布技巧：标题带长尾需求（比如“新手做AI搜索营销，第一步该做什么”），内容分段清晰，每段不超过3行，结尾带引导，每周发布2-3篇，坚持1个月，就能获得稳定推荐。2.
22310编辑于 2026-03-03 - 来自专栏自然语言处理
迈向 AI 搜索范式：从AI搜索、多模态推荐到零样本混合检索器
信息检索领域前沿研究观察：从AI搜索到多模态推荐 最近在信息检索领域看到了不少有意思的研究进展，从百度搜索提出的AI搜索范式到各种新颖的检索增强方法，这些工作都在试图解决当前搜索和推荐系统面临的实际问题 AI搜索的新范式：多智能体协作系统 百度搜索团队最近提出了一个很有意思的"AI搜索范式"概念。 可以说是把现在AI领域的多种技术有机结合到了搜索场景中。 : 多模态嵌入的统一空间 Jina AI的jina-embeddings-v4模型展示了多模态嵌入的一个重要发展方向：将文本和图像表示统一到单一语义空间中。 这个问题的挑战在于，模型需要学会三个关键能力：什么时候需要搜索、应该搜索什么内容，以及如何根据搜索结果进行推理。 现有的RAG方法往往采用固定的管道，容易导致过度搜索的问题。
47410编辑于 2025-07-02 - 来自专栏前端专精
通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制
目录 通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制 一、引言 二、语义搜索与 MongoDB Atlas 的背景 三、MongoDB Atlas 的向量搜索功能 1. 典型操作示例 四、RAG 在 MongoDB Atlas 的应用 1、RAG是什么 2、RAG 的实现过程 3、RAG 的实际应用场景 4、实现 RAG 的示例流程 五、语义搜索与传统搜索方式的对比 六 迈向AI的搜索机制 一、引言 随着大模型和语义搜索的迅速发展，如何高效管理和检索大规模非结构化数据成为现代应用的重要课题。 提高信息匹配精度：语义搜索基于内容的相似性，可跨越词汇的表面差异。 支持自然语言处理：与大语言模型（如 GPT）集成，使得数据库能够直接支持生成式 AI 和问答系统等高级应用。 : "searchScore" } // 选择性：记录相似度得分 } } ]).toArray(); // 3.
82710编辑于 2025-01-22 - 来自专栏腾讯云TVP
腾讯元宝搜索实践：大模型时代，AI 如何让搜索焕发新生
本文特邀腾讯云元宝 AI 搜索团队的叶莎妮老师，和大家探讨在大模型颠覆知识生成模式的当下，为何我们仍注重搜索以及搜索如何在大模型时代焕发新生。 作者简介 叶莎妮，来自腾讯云元宝 AI 搜索团队。 而大模型则赋予搜索 “新大脑”，推动搜索从链接列表加人工筛选，升级为 AI 自动生成精准答案，更带动架构向生成式演进，实现算法全链路重构。 如前面介绍的混元 T1+RAG 实现的 AI 搜索，已积累大量应用场景，每日服务上亿次用户需求。 大规模监督生成式学习：采用纯生成式方案进行大规模下游任务训练，并采用细粒度的打分 GenFR 对生成式模型进行约束； 3. 这些环节对应了 AI 搜索从基础能力建设到线上落地的全流程。
2.3K10编辑于 2025-08-20 - 来自专栏新智元
AI 再造搜索３招：谷歌如何用机器学习和深度学习直接给你答案
【新智元导读】搜索是最先一批被人工智能深刻改变的行业，这不仅仅是因为搜索公司（谷歌、百度、微软）跑在了AI 革命的前面。 本文从搜索结果、视频搜索和精准营销/SEO这三方面，为你展现被机器学习和深度学习改变的搜索行业。只有拥有 AI 能力的企业才能在不远的未来获得巨大收益。 视频搜索终成现实 谷歌大脑在3月8日的谷歌 Cloud Next 17 云技术大会上推出 Video Intelligence API。这个 API 能够识别视频中的对象，并能够实时地搜索它们。 RankBrain 还可以“看出”那些似乎没有什么关联的搜索之间的模式，从而了解这些搜索之间有什么相似的地方。然后，RankBrain 还能将这些搜索与它认为搜索者正在寻找的结果相关联。 虽然仍有很长很长的路要走，但人工智能正在重塑搜索行业的面貌，机器学习和深度学习已经能让搜索引擎直接告诉我们答案，让视频搜索成为现实。
91640发布于 2018-03-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号