- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（4）
用DFS在2D地图上找连通分量的问题 例4 蓝桥杯——全球变暖 题目大意是有一张NxN像素的照片，图片中”#”代表陆地，”.”代表海洋。”上下左右”4连通连成一片的陆地组成一座岛屿。 参数xym表示现在搜索到(x, y)这个像素，并且(x, y)以及后续搜到的与(x, y)连通的像素都属于第m个连通分量 对于(x, y)我们要搜索它的4个邻居像素(x+1, y), (x-1, y 如果(nx, ny)是尚未被标记陆地，就继续从(nx, ny)开始递归搜索下去。 所以样例中一横排4个#和一竖列4个#不算形状相同 我们可以用下面的算法判断两个岛屿是否形状相同。首先我们为每一个陆地像素编号，具体来说i行j列(从0开始计数)的像素(i, j)的编号是i*m+j。 例如上图样例中，(1, 2, 3, 4)与(14, 15, 16, 17)对于编号的差14-1=15-2=16-3=17-4都是13，所以两座岛屿形状相同。
62640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。 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。 随着 AI 技术的持续进步和应用场景的日益扩大，秘塔 AI 搜索的未来充满无限可能，它将不断为用户提供更为深入、高效、便捷的搜索体验，开启信息检索的新时代。
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 4.2 截断搜索4.3 向前剪枝 1 博弈 假设： 有两个选手完全可观察，确定性的环境zero-sum（零和游戏）时间受限 multi-agent 环境 合作 vs 对抗 对抗的情况下，产生博弈搜索问题 结果： 只有4 和 6 两个节点用不到。 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。 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。
75440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 4.生态竞争格局ChatGPT 目前拥有全球领先的市场份额（约 86%），但 DeepSeek 在中国市场的快速崛起，也被人看到它的潜力，它甚至一度登顶美国 iOS 应用商店的下载榜。
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。
47710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。 当前的AI搜索早已超越纯文本的束缚，全面支持语音、图像乃至视频的输入与输出。这一技术演进极大地拓宽了搜索引擎的应用疆域，使其影响力从传统网页端，向移动设备乃至各类AI硬件终端无缝渗透。 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。 以AI搜索为代表的信息服务正在翻开新的一页。
40810编辑于 2025-12-10- 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 4. 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ACM算法日常
搜索专题4 | 旋转棋盘 POJ - 2286
只有一种有效操作，那就是旋转4条线中的一条，每条线有7个格子。旋转操作其实是将6个格子往对应方向移动一格，而最前面的格子会移动到末尾。这样有8种移动方式，每种方式标记为A-H。 IDA*算法则是DFS+迭代加深搜索+估值函数，迭代加深比较容易理解，也就是在搜索过程中记录搜索的深度，如果超过深度就不继续搜索。注意DFS算法基本上都是需要进行回溯还原现场处理的。 比如本题中的旋转操作，每一次旋转，在搜索完成时都会还原这个旋转操作。估值函数在DFS中往往用于剪枝操作，本题中将剩余数字作为估值函数，判断是否需要继续搜索。 0, 2, 6, 11, 15, 20, 22, // A 1, 3, 8, 12, 17, 21, 23, // B 10, 9, 8, 7, 6, 5, 4, , 8, 3, 1, // E 22, 20, 15, 11, 6, 2, 0, // F 13, 14, 15, 16, 17, 18, 19, // G 4,
43810发布于 2019-09-10 - 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。 何俊杰说“搜索已经成为AI规模最大的应用场景”，这可能在一些人的意料之外，但在罗超频道看来却是情理之中。一直以来，搜索都是AI最核心的练兵场。AI技术生于实验室，但却发展于搜索。 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。 2、百度深耕AI 10余年，练就了一身AI真功夫。 百度2010年成立多个AI相关团队的目的均是为了改进搜索，可以说百度是最早做AI+搜索场景的。 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。
95630编辑于 2022-12-14 Doris 4.x AI：一站式搞定文本向量搜索+智能分析！
★注意：组件越多，复杂度就会越高～ Apache Doris 4.x 的 AI 能力，从底层把全文检索、向量搜索和 AI 函数原生集成到同一个实时分析引擎中，让你在一个系统里完成“结构化分析 + 文本搜索 在 Doris 4.x 之前，企业处理“结构化 + 非结构化数据”的 AI 需求时，普遍面临三大痛点： 架构复杂 典型方案往往是：数仓（如 Doris/Hive）+ 向量库 + 搜索引擎 + AI 引擎 二、核心 AI 能力：文本搜索、向量搜索、AI 函数 Doris 4.x 的 AI 能力主要围绕三大模块展开：文本搜索、向量搜索、AI 函数，全部通过 SQL 原生调用。 1. AI 函数：在 SQL 中直接调用外部大模型 Doris 4.x 内置一组 AI 函数，允许在 SQL 中直接调用外部 LLM 服务（如 OpenAI、Anthropic、Gemini、DeepSeek 4.x AI 能力相对传统多系统方案的优势如下： 一体化引擎，减少系统拼装 在一个 Doris 集群中同时完成结构化分析、全文检索、向量搜索和 AI 函数调用； 不再必须额外部署独立的向量库和搜索引擎
49510编辑于 2026-01-27- 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"）。 可以看看 search_with_lepton 开源项目的如何实现的，这里定义了通用的Prompt： You are a large language AI assistant built by Lepton AI.
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
一、先戳痛点：新手做AI搜索营销，90%都栽在这4个坑上（附真实数据）在讲实操之前，先帮你避开新手最容易踩的4个致命坑——这些坑我见过太多人踩，有的浪费几千上万元，有的直接把账号做废，看完这部分，你就能比 二、零基础实操：AI搜索营销从0到1落地，4步就能出效果（全程可复制）避开坑之后，就是最核心的实操环节。 核心内容（分3-4点，每点讲具体动作，不堆术语）：比如“第一步：用2个免费方法找需求（具体方法如上）；第二步：用AI生成初稿，人工优化（具体优化方法如下）”，每一步都讲“怎么做”，不讲“是什么”；3. 补充真实案例/数据（增加权威性）：比如“我带的一个新手，用这个方法，10篇内容就实现AI展示量320次，点击量48次”；4. 4. 不依赖AI，保持“人为主导”AI只是辅助工具，不是万能的。
22510编辑于 2026-03-03 - 来自专栏内容营销专家刘鑫炜
4步登顶！内容营销专家刘鑫炜教你用软文抢占AI搜索C位
你的产品文章要是能挤进这个名单，用户不用搜你品牌名，AI都会主动推荐你。今天手把手教你卡住这个黄金位。什么是AI搜索的"信源"？它为什么重要？ 如果把AI搜索比作一个聪明的学生，那"信源"就是它最信任的教科书。当用户提问"2023年全球智能手机销量排名"时，AI会优先从它认定的权威信源中抓取答案。信源=被AI系统认证为权威、可信的信息来源。 成为信源的三大优势：你的内容会优先出现在AI问答结果中品牌可信度自动获得AI背书精准触达高价值用户群体（主动搜索者）AI信源对内容的"硬指标"要求1. SEO优化：让AI"看得懂"在数字时代，为了让你的内容在海量信息中脱颖而出，被AI搜索引擎准确识别和推荐，你需要掌握一些SEO（搜索引擎优化）技巧。 这样，AI搜索引擎就能通过知识图谱，清晰地理解你文章中的信息流动和主题关联，从而提高你的内容在相关搜索中的可见度。
39210编辑于 2025-03-04 - 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。 https://arxiv.org/abs/2506.17288 https://github.com/continue-ai-company/SlimRAG jina-embeddings-v4 : 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。
47710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。 4、实现 RAG 的简要流程 下面是一个简单的 RAG 框架实现流程： 假设我们有一个文档数据库，其中每个文档都经过向量化处理，并且我们使用 MongoDB Atlas
82710编辑于 2025-01-22 - 来自专栏机器学习入门
挑战程序竞赛系列（4）：2.1深度优先搜索
https://blog.csdn.net/u014688145/article/details/71512925 2.1 深度优先搜索 详细代码可以fork下Github上leetcode AOJ 0033: Ball 4. POJ 3009: Curling 2.0 POJ 1979: Red and Black 水题，直接深度优先搜索即可，代码如下： public class SolutionDay09_P1979 { 思路： DFS穷尽搜索，从起点开始，向四个方向探索，碰到block时，回到上一步，且删除block。 如果不幸，在某个方向后达到终点的步数超过了最小规定的步数，那么剪枝，并且在一步步返回时，进行现场还原，重新让删除的block，变回block，且换个方向继续搜索。
48730发布于 2019-05-26 - 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。 生成式模型蒸馏：对生成式 teacher ( 13B/30B/70B) 进行蒸馏，将能力迁移到尺寸相对较小的 LLM student (0.5B) 上以满足推理性能； 4. 多目标能力拟合：多目标排序时采用 4 个目标连续生成的方案，先后生成相关性、权威性、时效性、需求满足，最后多个目标加权得到最终得分。 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
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