NLP

用我自己的白话来讲一遍 TF-IDF。从 term 与分词开始，到 TF、IDF、查询打分、BM25，再到博客里推荐相关文章的实践。也算是还了一下没听 NLP 老师课的债，有需要再学果然更容易看进去。

从"稀疏和稠密到底是什么意思"这个困惑出发，一路走通了 embedding pipeline、subword 与词典、输入长度的影响，最终搞清楚稀疏和稠密的区别以及 figure out 它们实际的应用场景。

MoeChat 衍生讨论 RRF 和 Hybrid Search：时间检索应该以什么姿态参与混合检索？在不同场景里如何适配？以及 wikimem 和 XnneHangLab 的边界划分。