Gemodelleerd Unificatie
Definition
Een unificatiemodel verwijst naar een kunstmatige intelligentiesysteem dat in staat is …
Terms tagged with Efficiency
Een unificatiemodel verwijst naar een kunstmatige intelligentiesysteem dat in staat is …
Robotic Process Automation (RPA) maakt gebruik van softwarebots, vaak verrijkt met AI, om …
Deze term verwijst naar een gespecialiseerde architectuur binnen de Qwen-familie, die …
Kwantisering is een techniek voor modeloptimalisatie die de numerieke precisie van de …
Prompt tuning houdt in dat trainbare ‘zachte prompts’ (continue vectoren) …
Pruning omvat het identificeren en elimineren van neuronen, verbindingen of filters in …
Bij proactief leren bepaalt het AI-systeem welke monsters de onzekerheid het meest zouden …
Prefix Tuning is een parameter-efficiënte adaptatietechniek voor voorgebouwde …
Phi, afgekort voor ‘Foundation models based on Teaching-Learning Paradigm’, …
P-Tuning (Prompt Tuning) is een techniek ontworpen om grote voorgekochte taalmodellen met …
Multitaakoptimalisatie houdt in dat één model wordt getraind om verschillende …
Deze techniek maakt gebruik van de gedeelde inductieve bias tussen gerelateerde taken om …
Mixture of Experts (MoE) is een machine learning-architectuur die is ontworpen om …
Deze categorie omvat methoden zoals pruning, kwantisering en knowledge distillation, …
Mixtral is een baanbrekend open groot taalmodel dat een Sparse Mixture of Experts …
DeepSeek V3 is een geavanceerde iteratie in de DeepSeek-modelfamilie, gekenmerkt door de …
Automatisering van bedrijfsprocessen (BPA) houdt in dat software en AI worden ingezet om …
Bij batchverwerking worden gegevensinvoer groeperen tot een batch voordat er een …
AutoML (Automated Machine Learning) stroomlijnt de ontwikkeling van ML-modellen door …
Geautomatiseerde besluitvorming (ADM) vertrouwt op softwaresystemen om keuzes te maken …
Actief leren vermindert de hoeveelheid gelabelde gegevens die nodig is door het model in …
Zero-shot learning stelt een machine learning-model in staat instanties van klassen te …
QLoRA combineert Low-Rank Adaptation (LoRA) met 4-bits kwantisatie om de geheugenruimte …
Few-shot learning heeft als doel modellen in staat te stellen te generaliseren op basis …
Adapters zijn een techniek voor parameter-efficiënte fine-tuning, voornamelijk gebruikt …
Training-vrije benaderingen verwijzen naar technieken die modelgedrag of -output wijzigen …
Een voorgeïnstalleerd model is een fundamenteel AI-model dat uitgebreid is getraind op …
Goedkope AI richt zich op efficiëntie, met als doel de instapdrempels en operationele …
Transfer learning maakt gebruik van voorgeïnteresseerde modellen om de prestaties te …
Mamba vertegenwoordigt een aanzienlijke vooruitgang in sequentiemodellering door de …
LoRA bevriest voorgekochte modelgewichten en voegt trainbare decompositiematrices in elke …
In AI-contexten beschrijft ‘direct’ vaak architecturen of inferentiepaden die …
Automatisering in AI omvat het gebruik van algoritmen en systemen om taken uit te voeren …