Robotprocesautomatisering
Definition
Robotprocesautomatisering (RPA) anvender softwarebots, ofte beriget med AI, til at …
Terms tagged with Efficiency
Robotprocesautomatisering (RPA) anvender softwarebots, ofte beriget med AI, til at …
Dette begreb refererer til en specialiseret arkitektur inden for Qwen-familien, der …
Kvantisering er en teknik til modeloptimering, der reducerer den numeriske præcision af …
Prompt-tuning indebærer tilføjelsen af trænbare ‘bløde prompts’ …
Pruning indebærer at identificere og eliminere neuroner, forbindelser eller filtre i et …
I proaktiv læring bestemmer AI-systemet, hvilke prøver der ville reducere usikkerheden …
Prefix-tuning er en parameter-effektiv tilpasningsteknik til for-trænede transformere. I …
Phi, forkortelse for ‘Foundation models based on Teaching-Learning Paradigm’, …
P-Tuning (Prompt Tuning) er en teknik designet til at tilpasse store fortrænede …
Multitask-optimering indebærer træning af en enkelt model til at håndtere flere …
Denne teknik udnytter den induktive bias, der deles af relaterede opgaver, til at øge …
Blanding af eksperter (MoE) er en maskinlæringsarkitektur designet til at forbedre …
Denne kategori inkluderer metoder som pruning, kvantisering og videnstileddannelse …
Mixtral er en banebrydende LLM med åbne vægte, der udnytter en Sparse Mixture of Experts …
DeepSeek V3 er en avanceret iteration i DeepSeek-modelfamilien, kendetegnet ved dens …
Automatisering af forretningsprocesser (BPA) indebærer udnyttelse af software og AI til …
Batch-behandling indebærer at aggregere datainput til en gruppe, eller batch, før en …
Automatiseret beslutningstagning (ADM) stole på softwaresystemer til at træffe valg, der …
AutoML (Automated Machine Learning) strømliner udviklingen af ML-modeller ved at …
Aktiv læring reducerer mængden af mærkede data, der kræves, ved at tillade modellen at …
Zero-shot læring gør det muligt for en maskinlæringsmodel at klassificere instanser af …
QLoRA kombinerer Low-Rank Adaptation (LoRA) med 4-bit-kvantisering for betydeligt at …
Few-shot learning sigter mod at gøre det muligt for modeller at generalisere fra blot et …
Adaptere er en teknik til finjustering med effektiv parameterbrug, der primært anvendes i …
Træningsfrie tilgange henviser til teknikker, der modificerer modeladfærd eller output …
En fortrænet model er en grundlæggende AI-model, der har gennemgået omfattende træning på …
Lavomkostnings AI fokuserer på effektivitet med det formål at reducere barriererne for …
Transfer Learning udnytter fortrænede modeller til at forbedre ydeevnen og reducere …
Mamba repræsenterer et betydeligt fremskridt inden for sekvensmodellering ved at …
LoRA fryser fortrænede modelvægte og indsætter trainable dekompositions-matricer i hvert …
I AI-sammenhænge beskriver ‘direkte’ ofte arkitekturer eller inferensstier, …
Automation inden for AI involverer brugen af algoritmer og systemer til at udføre …