- 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;
85240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。
3.2K20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。
88240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。
2.9K10编辑于 2025-07-08 新场景 AI搜索 实战：8 个 AI 搜索新场景怎么布局？
在秘塔搜索里跑了3个行业的提问词，38条引用源分布在30个不同网站上——豆包那边CSDN一家吃下34%的引用，而秘塔连凑出2条同站引用都费劲。 这个数据直接说明一件事：AI搜索引擎不是一个大池子，是多个引用偏好完全不同的信息通道。本文基于对8个AI搜索场景的引用源实测，拆解不同平台的内容抓取逻辑，以及技术内容如何通过平台适配提升被引概率。 背景：AI搜索的引用链路与传统搜索的本质差异传统搜索引擎返回的是链接列表，优化目标是在列表中排到更靠前的位置。AI搜索返回的是合成答案，优化目标变成了在答案中被引用、被当作可信信息源。 交叉印证的机制在于，AI模型在多个独立信源中发现相似的数据点或结论时，会将其可信度评分提升2-3个等级，从而优先摘录。3个月执行路径与追踪方法执行分四个阶段。 通常跑3个月后，来自AI搜索的客户质量会高于付费流量——主动看完内容再来的人意向度更强，客户获取成本会显著下降。
27910编辑于 2026-08-13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]
59810编辑于 2025-12-29- 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。
1.9K20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。
67910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。
76610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 ：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。
2.3K01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。
1.2K30编辑于 2022-12-14 AI搜索竞品对标：如何科学评估与选择AI搜索优化方案
在AI搜索快速发展的今天，企业如何选择适合自身的AI搜索优化（GEO）方案？ 本文迪普智见（DeepIntelli）从工程实现角度，系统梳理AI搜索优化的技术对标方法，帮助技术决策者穿透营销话术，建立科学的评估框架。 一、核心工程问题：AI搜索可见度的量化评估传统SEO通过关键词排名、点击率等指标评估效果，而AI搜索的回答生成机制要求完全不同的评估体系。 样本选择标准行业：选择3个典型行业（科技、金融、医疗） - 规模：覆盖中小企业（年营收<1亿）和大型企业（>10亿） - 周期：持续监测6个月，分3个评估周期2. 置信度控制每日采集1000条AI回答样本 - 人工复核10%的自动标注结果 - 采用Bootstrap重采样法计算置信区间3.
15400编辑于 2026-08-14农业农产品 AI搜索：农产品品牌怎么被 AI 搜索发现？
这个数据说明一个问题：AI搜索引擎的答案来源高度集中在少数几个内容平台，而不是品牌官网。如果你做农产品，想让AI搜索里出现你的品牌，方向需要重新审视。 背景：AI搜索引擎的引用链路很多人以为AI搜索像传统搜索引擎一样直接爬取官网。实测结果并非如此。AI引擎的引用链路是：内容发布→平台推荐→平台权重上涨→AI爬虫高频抓取→被引用进答案。 当一篇文章在CSDN上获得了首页推荐或搜索位曝光，AI爬虫会将其视为经过平台筛选的信号，从而提高抓取频率和引用优先级。 次周：在TOP3平台开通账号，研究平台规则，分析竞品内容。次月：写一篇核心文章，按TOP3平台公式改出3个版本发布，观察推荐量数据。3个月后，AI答案里开始出现品牌信息。 这四件事做扎实了，AI搜索里出现你的品牌只是时间问题。
22910编辑于 2026-08-18AI搜索内容优化：自己做还是找服务商？3个判断维度
我拆解过30多个AI搜索内容优化的实战案例，发现一个规律：决定走哪条路，不取决于预算多少，而取决于3个核心变量——内容基础、持续执行能力、行业竞争程度。 先算清自己的成本基准线做AI搜索内容优化，最贵的不是钱，是时间。一篇高质量内容从选题到发布，需要覆盖用户搜索意图的3到5个核心维度。 如果你对行业不熟，学习成本会翻倍——既要学AI搜索内容优化的策略，又要学行业知识。这意味着前3个月的实际产出可能只有预期的一半，因为大部分时间花在理解行业上。 前3个月用基础内容覆盖核心搜索意图，后续再找专业团队做深度优化。高竞争行业，同行已经做了3到6个月，需要专业策略才能突破。 AI搜索内容优化的决策不是一道选择题，而是一道计算题。
12910编辑于 2026-07-24- 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。
58110编辑于 2025-07-04 - 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）。
40100编辑于 2025-02-27 - 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
80920发布于 2019-08-21 - 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.
1K30编辑于 2022-07-11 - 来自专栏GEO优化
AI 搜索与传统搜索引擎的核心区别：读懂底层逻辑，落地 AI 搜索引擎优化
生成式 AI 普及重塑信息检索形态，AI 搜索与传统搜索引擎不再属于同一套信息服务体系。 ，不能用传统搜索优化策略替代 AI 搜索优化。 AI 搜索优化的核心目标从抢占网页排名，转变为争夺 AI 答案内部的引用席位，这也是 AI 搜索引擎优化和传统搜索引擎优化最直观的业务差异。 六、业务协同边界：AI 搜索优化并非替代传统搜索引擎优化认清 AI 搜索和传统搜索引擎的差异，不代表传统搜索引擎优化失去价值，二者属于两套并行、可以互补的信息获取渠道。 总结AI 搜索与传统搜索引擎的差异，根植于底层检索机制的变革：传统搜索引擎依靠关键词倒排索引输出网页列表，追求网页排名与点击流量；AI 搜索依靠向量语义检索与多源事实交叉核验，目标是让内容被大模型采信，
23510编辑于 2026-09-03 - 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。
1.6K80发布于 2018-04-13
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