Modellekstraksjon
Definition
Modellekstraksjon involverer å query (spørre) en målmaskinlæringsmodells API for å …
Modellekstraksjon involverer å query (spørre) en målmaskinlæringsmodells API for å …
Et bakdørsangrep involverer forgiftning av treningsdataene til en maskinlæringsmodell med …
Zeuthen-strategien er en regelbasert tilnærming for forhandling i …
Vårdat datamaskinvirksomhet refererer til systemer der biologiske nevroner, ofte dyrket …
WebSocket er en datamaskinkommunikasjonsprotokoll som muliggjør vedvarende, toveis …
Wetware refererte opprinnelig til biologisk hjernematerie, men har utviklet seg innen …
Instituttet, etablert med betydelig støtte fra Wadhwani-stiftelsen, utnytter avansert …
Video Superoppløsning innebærer bruk av nevrale nettverk for å skalere opp videoinnhold …
vLLM (Virtual Large Language Model) er et åpen kildekode-bibliotek designet for å …
Universell psykometri innebærer å utvikle og anvende verktøy for vurdering som kan måle …
Tangetre (ToT) utvider tradisjonell «chain-of-thought»-prompting ved å tillate modellen å …
Dette begrepet refererer til den historiske og projiserte sekvensen av hendelser der …
Trefaktorlæring er en spesifikk tilnærming innen forsterkningslæring som deler …
Tekst-til-video refererer til generative AI-modeller som lager dynamisk visuelt innhold …
Myntet av Pedro Domingos i boken med samme navn, beskriver ‘Master Algorithm’ …
Tekstgenereringinferens (TGI) er et dedikert programvarerammeverk designet for å betjene …
Tidsmessig skjevhet oppstår når maskinlæringsmodeller gir uforholdsmessig stor vekt til …
Symbolsregresjon er en type regresjonsanalyse som søker å finne et matematisk uttrykk, …
Supermind AI refererer til systemer der flere AI-komponenter, menneskelige eksperter …
Statistisk læringsteori (SLT) er en gren av statistikk og datavitenskap som studerer …
Statistisk relasjonslæring (SRL) kombinerer sannsynlighetsteori med …
Spike-and-slab-regresjon er en bayesiansk statistisk teknikk brukt for variabelutvalg og …
Romlig intelligens refererer til evnen til kunstig intelligens-modeller til å oppfatte, …
Talerdiarisering er oppgaven med å dele opp et lydsignal i homogene segmenter basert på …
Romlig innbygging involverer konvertering av fysiske eller abstrakte romlige relasjoner …
Suveren AI beskriver evnen til et land eller en organisasjon til å bygge, distribuere og …
Slopaganda beskriver en strategisk form for desinformasjon som stoler på repetisjon, …
Studier av singulariteten er en voksende akademisk disiplin som undersøker implikasjonene …
Likhetslæring fokuserer på å trene modeller til å kartlegge inndata inn i et vektorrom …
Semantisk foldning refererer til prosessen med å komprimere komplekse, høydimensjonale …
Denne teknikken brukes primært med store språkmodeller (LLM) og forbedrer nøyaktigheten …
Sam3 Video refererer til anvendelsen av avanserte segmenteringsmodeller, potensielt en …
SUPS er et akronym som kan variere avhengig av kontekst, men forekommer ofte i …
Robotlæring innebærer å trene robotagenter til å utføre oppgaver autonomt ved å utnytte …
Reparameteriseringsteknikken er en grunnleggende metode brukt i variational autoencoders …
Rekursiv selvforbedring refererer til den teoretiske evnen til et kunstig …
Rademacher-kompleksitet evaluerer hvor godt en hypoteseklasse kan korrelere med …
Denne tilnærmingen går utover enkel menneskelig involvering i merking. Den involverer …
Dette begrepet refererer til en spesialisert arkitektur innen Qwen-familien, som …
Qwen3 5 ser ut til å betegne en spesifikk sjekkpunkt-, størrelsesvariant eller …
Kvantisering er en modelloptimeringsteknikk som reduserer den numeriske presisjonen til …
I konteksten av Pyannote Audio refererer en pipeline til en konfigurerbar arbeidsflyt som …
PyTorch Model Hub Mixin er en komponent fra Hugging Face Transformers-biblioteket som …
Proksimale gradientmetoder er iterativ optimeringsteknikker brukt når tapfunksjonen …
Dette feltet undersøker de mentale prosessene som ligger til grunn for menneskelig …
Ekspertproduktet (PoE) er en metode for å konstruere komplekse sannsynlighetsfordelinger …
I proaktiv læring bestemmer AI-systemet hvilke prøver som ville redusert usikkerhet eller …
Sannsynlighetsnumerikk anvender bayesiske metoder på tradisjonelle numeriske problemer …
Prediktive tilstandsrepresentasjoner (PSR) utvider tradisjonelle delvis observerbare …
Prefiks-tuning er en parameter-effektiv tilpasningsteknikk for forhåndstrenede …
Polysemitet er en egenskap observert i dype nevrale nettverk, spesielt i transformere, …
Personaplex refererer til økosystemet eller infrastrukturen som støtter opprettelsen, …
Mønster teori gir et strengt matematisk grunnlag for å forstå hvordan komplekse objekter …
En oppfatningsfeilmodell beskriver avvikene mellom observerte sansedata og sann tilstand, …
Paritetslæring er et benchmark-problem i maskinlæringsteori hvor målet er å forutsi …
P-Tuning (Prompt Tuning) er en teknikk designet for å tilpasse store forhåndstrengte …
PagedAttention er en teknikk introdusert av vLLM-prosjektet for å forbedre effektiviteten …
Deteksjon av overlappende tale (OSD) er en spesialisert oppgave innen talebehandling som …
Nouvelle AI refererer til en klasse av kunstige intelligenssystemer som bruker symbolske …
Dette feltet binder sammen nevrovitenskap og robotikk ved å implementere nevronale …
Neuro-symbolesk AI integrerer sub-symboliske nevrale læringsmetoder med symbolbaserte …
Nevrale modelleringsfelt involverer studiet av hvordan nevrale populasjoner organiserer …
Muse Spark er et åpen kildekode-rammeverk for dyp læring designet for å kjøre effektivt …
MXFP4 (Mixed eXtended Floating Point 4-bit) er et spesialisert datatypformat introdusert …
Multimodal representasjonslæring innebærer å trene modeller til å behandle og integrere …
Multivariate Adaptive Regression Splines (MARS) er en fleksibel regresjonsmetode som …
Denne teknikken utnytter den induktive biasen som deles mellom relaterte oppgaver for å …
Blanding av eksperter (MoE) er en maskinlæringsarkitektur designet for å forbedre …
Moshi er en avansert AI-modell laget av Kyutai som integrerer tale- og tekstbehandling i …
I GAN-er oppstår mode collapse når generatoren lærer å utnytte svakheter i …
Mistral Common er et Python-pakke vedlikeholdt av Mistral AI som tilbyr standardiserte …
Mixtral er en banebrytende LLM med åpne vekter som bruker en Sparse Mixture of Experts …
Trening med blandet presisjon (MPT) kombinerer halvpresisjon (FP16) og full presisjon …
Meta-læring fokuserer på å designe algoritmer som kan lære fra tidligere oppgaver for å …
Selv om det ikke er et standard akademisk begrep, betegner ‘Mindpixel’ typisk …
Maksimum indre produkt-søk (MIPS) er et grunnleggende problem innen informasjonsutvinning …
Manifold-regulering utvider tradisjonelle regulariseringsmetoder ved å inkludere den …
Denne hypotesen forklarer hvorfor dyp læring fungerer effektivt til tross for …
Denne teknikken adresserer personvernreguleringer som GDPRs ‘rett til å bli …
Dette tverrfaglige feltet bruker maskinlæring til å behandle store mengder biologiske …
Maskinlæringsstyring integrerer adaptive algoritmer med tradisjonelle styresystemer for å …
MAUVE er et statistisk mål designet for å vurdere hvor nært output fra en generativ …
Lokal tilfelle-kontroll-sampling er en strategi som primært brukes under trening av …
Lotteribillett-hypotesen foreslår at innenfor et stort, tilfeldig initialisert neuralt …
Å kjøre en lokal LLM innebærer å distribuere åpne språkmodeller direkte på …
I dynamiske systemer og tidsserieanalyse måler korrelasjonens levetid varigheten over …
Livslang planlegging A* (LPA*) er en utvidelse av A*-søkealgoritmen designet for miljøer …
Inne i statistisk læringsteori representerer en lærbar funksjonsklasse hypoteserommet …
I motsetning til standard klassifisering eller regresjon, fokuserer learning to rank på å …
Forankret i talehandelteori og pragmatikk, understreker dette perspektivet hvordan …
Kolmogorov–Arnold-nettverk (KANs) er en ny klasse av neurale nettverk inspirert av …
I motsetning til samarbeidsfiltrering, som stoler på tidligere atferd, bruker …
Metoder for kunnskapsgraf-innbinding, som TransE eller DistMult, transformerer diskrete …
Knowledge distillation er en maskinlæringsmetode brukt til å komprimere et stort, …
KAoS er et intelligent agentrammeverk utviklet for å håndtere kompleksiteten i store, …
Innenfor forsterkningslæring driver indre motivasjon en agent til å utforske miljøet sitt …
Intelligent styring bruker metoder for kunstig intelligens som usikker logikk, nevrale …
Denne teorien hevder at læring i bunn og grunn er en prosess med sannsynlig inferens. I …
Induktiv bias representerer de iboende preferansene eller begrensningene som er innebygd …
Induktiv programmering, ofte referert til som programsyntese, involverer å lage …
Inkrementell heuristisk søk refererer til algoritmer som forbedrer et kandidat-løsning …
Teknologien Bilde-til-video tar et enkelt statisk bilde og forutser etterfølgende bilder …
Dette feltet studerer prosessene bak hvordan idéer dannes, kombineres og utvikles. Det …
Et Hybrid Intelligentsystem (HIS) slår sammen forskjellige AI-paradigmer, vanligvis ved å …
Hyperparameteroptimalisering (HPO) refererer til det bredere feltet for automatisering av …
Algoritmen for Hierarkisk Navigerbar Liten Verden (HNSW) konstruerer en flerlagsgraf der …
Hierarkisk risikoparitet (HRP) er en metode for porteføljesammensetning som adresserer …
Highway Networks er designet for å adressere problemet med forsvinnende gradienter i dyp …
Histogram over orienterte forskyvninger (HOD) er en metode for funksjonsekstrahering for …
Halite var en årlig AI-programmeringskonkurranse arrangert av Two Sigma, der utviklere …
Grokking refererer til et motintuitivt fenomen observert i dyp læring, der en modell …
Denne optimaliseringsstrategien gjør det mulig å trene dype læringsmodeller med effektive …
Denne tilnærmingen etterligner menneskelige kognitive prosesser ved å gruppere data i …
GPT OSS betegner vanligvis alternativer eller derivater av proprietære Generative …
Det finnes ikke noe enkelt standardbegrep ‘GLM MoE DSA’. Det kombinerer …
Genesis-misjonen refererer typisk til en strategisk fase eller et prosjekt innenfor en …
Geometrisk funksjonslæring fokuserer på behandling av data som har ikke-euklidiske …
Per nåværende kunnskap finnes det ingen offisielt utgitt modell som spesifikt heter …
En fuzzy-agent opererer i miljøer der data ofte er tvetydige eller ufullstendige, ved å …
FCA gir et strengt rammeverk for å analysere relasjoner mellom objekter og deres …
Kraftstyring muliggjør at roboter utfører delikate operasjoner som montering, polering …
Flytbaserte generative modeller konstruerer komplekse sannsynlighetsfordelinger ved å …
Tilpasningsapproksimasjon brukes i evolusjonsregning når evaluering av den sanne …
Funksjonsinnlæring, ofte assosiert med dyp læring, gjør det mulig for modeller å lære …
I motsetning til genetiske algoritmer som opprettholder en populasjon, fungerer EO på én …
EBL kombinerer symbolsk resonnement med maskinlæring for å akselerere læringsprosessen. I …
Inspirert av biologisk ontogeni utforsker ED-robotikk hvordan komplekse atferdsmønstre og …
ExBERT gir tolknbarhet for BERT-transformermodellen ved å analysere betydningen av …
Lik odds er en statistisk paritetsbegrensning brukt i algoritmesk rettferdighet for å …
Empirisk dynamisk modellering (EDM) er et rammeverk for analyse av ikke-lineære dynamiske …
Innenfor forsterkningslæring og kunstig intelligens er empowerment en intrinsisk …
Energi-baserte modeller (EBM) definerer en sannsynlighetsfordeling over inndata ved hjelp …
Utviklet av Google bruker EfficientNet en sammensatt skaleringmetode for å balansere …
Dette feltet utfordrer tradisjonelle syn som behandler sinn som en datamaskin som …
Dette begrepet refererer til det synergistiske forholdet mellom …
Domeneadaptasjon håndterer utfordringen når trenings- og testdata kommer fra ulike …
Dette begrepet refererer til en spesifikk implementering i Hugging Face …
Diskriminering mot roboter er et voksende etisk og sosiologisk begrep som undersøker …
Denne pipeline-en integrerer Qwen-Vision-Language-modellens evner i Diffusers-rammeverket …
Denne pipeline-en tilpasser de generative evnene til Qwen-VL-modeller for bildesyntese. …
Differensielt personvern gir sterke personverngarantier ved å legge til kalibrert …
Denne pipelineen utnytter Flux-arkitekturen, kjent for sin høykvalitets bildegenerering, …
Beskrivelseslogikker (DL) er avgjørbare fragmenter av førstesrads logikk som danner det …
Å utplassere til Azure innebærer å bruke sky-native verktøy som Azure Machine Learning, …
Dyp tomografisk rekonstruksjon representerer et betydelig fremskritt sammenlignet med …
Anti-aliasing i dyp læring refererer til metoder som bruker nevrale nettverk for å dempe …
Deep Learning Super Sampling (DLSS) er en teknologi som utnytter nevrale nettverk til å …
Datasett for søkebaserte spørsmål-svar-oppgaver består vanligvis av par av …
Denne oppføringen refererer til et spesifikt datasettrepo identifisert med …
Specter-datasettet er konstruert fra et stort utvalg av datavitenskapelige papirer, der …
Dette datasettet ekstraherer data på setningsnivå fra Stack Exchange XML-filer, og gir en …
PAQ-datasettet (Pseudo-Answer Quality) inneholder millioner av automatisk genererte …
Drevet astronomi basert på data utnytter avanserte beregningsmetoder, inkludert …
DABUS er et spesifikt kunstig nevralt nettverk designet for å generere nye oppfinnelser …
Denne fiendtlige teknikken har som mål å kompromittere integriteten til …
Kryss-entropimetoden (CEM) er en kraftig generell optimeringsalgoritme som brukes til …
Koblede mønstergjenkjennere er designet for å håndtere data der instanser fra to …
Kostnadsfølsom maskinlæring utvider tradisjonell veiledet læring ved å tilordne ulike …
Kontinuerlig læring, også kjent som livslang læring, gjør at nevrale nettverk kan tilegne …
Kontraktiv læring er en metode for representasjonslæring som ikke krever merket data. Den …
Kontrastiv språk-bilde-forhåndsopplæring (CLIP) er en nevralt nettverksarkitektur trent …
Et konneksjonistisk ekspertsystem integrerer mønstergjenkjennelses- og læringsstyrkene …
Konstitusjonell AI er en ramme for å tilpasse store språkmodeller (LLMs) til menneskelige …
Konseptdrift er et fenomen innen maskinlæring der sammenhengen mellom inndatafunksjoner …
Vilkårlige tilfeldige felt (CRF) er en klasse med diskriminerende modeller som vanligvis …
Komprimerte tensorer er flerdimensjonale arrayer brukt i dyp læring der den numeriske …
Kohærent ekstrapolert vilje (CEV) er et konsept introdusert av Eliezer Yudkowsky i …
Kognitiv databehandling er en gren av kunstig intelligens som søker å samhandle med …
Kognitiv robotikk integrerer kognitiv vitenskap med robotikk for å bygge maskiner som kan …
CAM genererer varme kart lagt over inndata-bilder for å vise hvilke piksler som bidro …
Denne metoden utnytter flere distinkte sett med funksjoner (visninger) av de samme …
Kaos-teori utforsker hvordan små variasjoner i startparametere kan føre til vidt …
Denne metrikken kvantifiserer hvor godt en sett med kategorier lar en forutsi verdiene …
Bioserentitet refererer til det konseptuelle ideallet der menneskelig biologi og kunstig …
Bradley-Terry-modellen er en sannsynlighetsmodell som brukes mye i psykometri og …
Bias-varians-handelen beskriver spenningen mellom undertilpasning (høy bias) og …
Biohybride systemer slår sammen levende vev, celler eller organismer med syntetiske …
Bayesiansk anger kvantifiserer forskjellen mellom den optimale belønningen som kan oppnås …
Bayesiansk programmering er et matematisk rammeverk som generaliserer Bayes-teoremet for …
Modeller for bayesianske strukturelle tidsserier (BSTS) representerer tidsseriedata som …
Dette konseptet fastslår at minimering av en regulert risikofunksjon med en bestemt …
Bayesiske læringsmekanismer oppdaterer troen på modellparametere ved hjelp av …
Et balltre deler datapunkter inn i nøstede hypersfærer (kuler) i stedet for …
Automatisert forhandling involverer programvareagenter som representerer menneskelige …
Autonom nettverksdrift anvender prinsippene fra autonom datateknologi på …
Autognostikk refererer til selvovervåkings- og selvreparasjonsmekanismer innebygd i …
Astrostatistikk er et spesialisert felt som binder statistikk og astronomi sammen. Det …
Lyd-inpainting er en teknikk brukt til å fylle hull i lydopptak forårsaket av utfall, …
Kunstig intimitet refererer til det psykologiske fenomenet der mennesker utvikler ekte …
Kunstig reproduksjon omfatter teknikker som letter eller replikerer biologisk …
AI i spiritualitet refererer til bruken av kunstig intelligens i religiøse eller …
En kunstig hjerne refererer til maskinvare- eller programvarearkitekturer som emulerer de …
Any-to-any refererer til enhetlige multimodale arkitekturer som kan håndtere ulike …
Lærlingslæring, også kjent som invers forsterkningslæring fra demonstrasjoner, muliggjør …
Algoritmisk sannsynlighet, som har røtter i Kolmogorov-kompleksitet og Solomonoffs …
Dette fenomenet oppstår når AI-modeller utilsiktet eller systematisk behandler individer …
Dette feltet omfatter både offensive teknikker for å bryte modeller og defensive …
Adversarielle angrep utnytter sårbarhetene i nevrale nettverk ved å introdusere subtil …
Den utvider tradisjonell logikk for å ta hensyn til agens, noe som tillater systemer å …
Actor-kritiker-algoritmen bruker to komponenter: actoren, som oppdaterer politikken for å …
Handlingmodell-læring innebærer at en agent konstruerer en intern representasjon av …
AZFinText er et stort, annotert korpus spesielt kuratert for analyse av kinesisk …
AI-komplette problemer er oppgaver som, hvis løst, ville implisere eksistensen av …
AI-veganisme er et spekulativt og metaforisk begrep som refererer til ideen om å lage …
AI-nasjonalisme beskriver trenden der regjeringer behandler kunstig intelligens som et …
AI-observabilitet utvider tradisjonell programvareovervåking for å adressere de unike …
AI-justering adresserer utfordringen med å gjøre kunstig intelligens robust nok til å …
Null-skots læring muliggjør at en maskinlæringsmodell klassifiserer instanser av klasser …
Visjonsspråkmodeller, ofte omtalt som multimodale store språkmodeller (MLLMs), integrerer …
Overvåket finjustering (SFT) innebærer å ta en stor forhåndstrent modell, som en …
Selvtilsynelæring er en teknikk der algoritmen lager tilsynssignaler fra de merkeløse …
ReAct-rammeverket lar store språkmodeller generere både resonneringstrinn og …
RNN-er er designet for å gjenkjenne mønstre i sekvenser av data, som tekst, genomer, …
Prompt-injeksjon utnytter måten store språkmodeller tolker brukerinstruksjoner ved å …
QLoRA kombinerer Lav-rang tilpasning (LoRA) med 4-bits kvantisering for å redusere …
Flere instans-læring (MIL) håndterer scenarier der data er gruppert i …
Model Context Protocol (MCP) er en åpen standard som gjør det mulig for AI-applikasjoner …
Multi-agent-systemer består av flere uavhengige agenter, hvor hver enkelt kan være …
LSTM-nettverk adresserer problemet med forsvinnende gradienter som er vanlig i standard …
Jailbreaking involverer å lage spesifikke inndata eller prompts som lurer en AI-modell …
Few-shot læring har som mål å gjøre det mulig for modeller å generalisere fra bare et …
Førdeles læring gjør det mulig for organisasjoner å samarbeide om å trene AI-modeller …
Disse modellene avbilder høydimensjonale data inn i et lavdimensjonalt kontinuerlig …
Dette konseptet adresserer ‘svarteboks’-problemet i komplekse AI-systemer ved …
I sekvens-til-sekvens-modeller tar dekoderen kontekstvektoren produsert av enkoderen og …
Distribuert trening akselererer modellkonvergensen ved å parallellisere beregninger over …
Chain-of-Thought (CoT)-prompting forbedrer ytelsen til store språkmodeller på komplekse …
Adaptorer er en parameter-effektiv finjusteringsteknikk som primært brukes i store …
Oppmerksomhetsmekanismer gjør det mulig for modeller å fokusere på relevant informasjon …
Null-skudd-læring muliggjør at modeller generaliserer til nye kategorier eller oppgaver …
Selvovervåket læring er en delmengde av maskinlæring der overvåkningssignalet automatisk …
Multi-agent-systemer består av flere uavhengige, intelligente enheter som oppfatter …
On-policy-algoritmer krever at agenten lærer direkte fra handlingene tatt av sin …
Lang-horisont problemer involverer sekvenser av handlinger der effekten av tidlige …
Diffusjonsbaserte modeller er en klasse av generativ AI som lager nye dataprøver ved …
Modeller med kontinuerlig tid beskriver systemdynamikk ved hjelp av …
Wasserstein-avstanden, også kjent som Earth Mover’s Distance, kvantifiserer …
Vektordatabaser optimaliserer lagring og henting av ustrukturerte data ved å konvertere …
Introdusert i artikkelen ‘Attention Is All You Need’, revolusjonerte …
Selvoppmerksomhet gjør det mulig for modeller å fange opp avhengigheter mellom alle …
AI-sikkerhet er et tverrfaglig felt som fokuserer på å forhindre uguntige utfall fra …
Forsterkningslæring (RL) er en gren av maskinlæring som fokuserer på hvordan intelligente …
Hentebasert generering (RAG) kombinerer styrkene til hentebaserte og generasjonsbaserte …
Forhåndstrening er en grunnleggende teknikk innen dyp læring der en modell lærer brede …
En ‘prior’ representerer eksisterende troer eller historiske data om en …
Et neuralt nettverk er en serie algoritmer som forsøker å gjenkjenne underliggende …
Multi-Head Attention utvider den vanlige oppmerksomhetsmekanismen ved å kjøre den flere …
Mamba representerer et betydelig fremskritt i sekvensmodellering ved å introdusere en …
Inne i maskinlæring er latente variabler uobserverte faktorer som påvirker observerte …
LoRA fryser forhåndstrengte modellvekter og setter inn trenbare dekomponeringsmatriser i …
Langevin-dynamikk inkluderer tilfeldig støy og dempningskrefter for å utforske …
Innom matematikk og teoretisk informatikk er en gruppe en mengde G sammen med en binær …
Diffusjonsmodeller er en klasse av generativ AI som lærer å reversere en stokastisk …
Innen kunstig intelligens søker kausal modellering å forstå hvordan intervensjoner på én …
Monte Carlo-metoder er essensielle teknikker innen AI og statistikk for å approksimere …
I konteksten av AI-terminologi beskriver ‘utover’ ofte fremvoksende …
Bayesiske tilnærminger innen AI bruker sannsynlighetsteori til å oppdatere …
Konvolusjonelle nevrale nettverk (CNN) er designet for automatisk og tilpasningsdyktig å …
Tilbakepropagering, forkortelse for bakoverpropagering av feil, er en metode som brukes i …
AI-sikkerhet omfatter forskning og praksis rettet mot å sikre at autonome systemer …
Justering fokuserer på å sikre at AI-systemer gjør det menneskene faktisk ønsker, snarere …