Model ujednolicony
Definition
Model ujednolicony odnosi się do systemu sztucznej inteligencji zdolnego do wykonywania …
Terms tagged with Efficiency
Model ujednolicony odnosi się do systemu sztucznej inteligencji zdolnego do wykonywania …
Automatyzacja Procesów Robotycznych (RPA) wykorzystuje roboty programowe, często …
Termin ten odnosi się do specjalistycznej architektury w rodzinie modeli Qwen, …
Kwantyzacja to technika optymalizacji modeli, która redukuje precyzję numeryczną …
Dopasowanie promptów polega na dodawaniu trenowalnych miękkich promptów (ciągłych …
Pruning polega na identyfikowaniu i eliminacji neuronów, połączeń lub filtrów w sieci …
W uczeniu proaktywnym system sztucznej inteligencji określa, które próbki najbardziej …
Tunowanie prefiksowe to technika adaptacji efektywnej pod względem liczby parametrów dla …
Phi, skrót od ‘Foundation models based on Teaching-Learning Paradigm’ (Modele …
P-Tuning (Prompt Tuning) to technika zaprojektowana w celu dostosowania dużych wstępnie …
Optymalizacja wielozadaniowa polega na trenowaniu jednego modelu do równoczesnego …
Ta technika wykorzystuje wspólny bias indukcyjny wśród powiązanych zadań, aby zwiększyć …
Mieszanka Ekspertów (MoE) to architektura uczenia maszynowego zaprojektowana w celu …
Do tej kategorii należą metody takie jak przycinanie (pruning), kwantyzacja i distylacja …
Mixtral to pionierski model LLM o otwartych wagach, który wykorzystuje architekturę …
DeepSeek V3 to zaawansowana iteracja w rodzinie modeli DeepSeek, charakteryzująca się …
Automatyzacja Procesów Biznesowych (BPA) polega na wykorzystaniu oprogramowania i AI do …
Przetwarzanie wsadowe polega na agregacji wejściowych danych do grupy, czyli partii, …
AutoML (Automated Machine Learning) usprawnia rozwój modeli ML, automatyzując zadania …
Zautomatyzowane podejmowanie decyzji (ADM) opiera się na systemach oprogramowania do …
Uczenie aktywne zmniejsza ilość wymaganych danych oznaczonych, pozwalając modelowi na …
Uczenie zero-shot umożliwia modelowi uczenia maszynowego klasyfikowanie instancji klas, …
QLoRA łączy adaptację niskiego rzędu (LoRA) z kwantyzacją 4-bitową, co znacząco redukuje …
Uczenie few-shot ma na celu umożliwienie modelom uogólniania wiedzy na podstawie zaledwie …
Adaptery to technika dostrajania efektywnego pod względem parametrów, stosowana głównie w …
Podejścia beztreningsowe odnoszą się do technik modyfikujących zachowanie modelu lub jego …
Model wcześniej wytrenowany to podstawowy model sztucznej inteligencji, który przeszedł …
Niskokosztowe AI koncentruje się na efektywności, dążąc do redukcji barier wejścia i …
Uczenie transferowe wykorzystuje modele wstępnie wytrenowane, aby poprawić wydajność i …
Mamba stanowi istotny postęp w modelowaniu sekwencji poprzez wprowadzenie …
LoRA zamraża wstępnie wytrenowane wagi modelu i wstawia trenowalne macierze dekompozycji …
W kontekście AI termin ‘bezpośredni’ opisuje często architektury lub ścieżki …
Automatyzacja w AI polega na wykorzystywaniu algorytmów i systemów do wykonywania zadań, …