被遗忘权
Definition
被遗忘权使用户有权要求从数据库和 AI 训练集中移除其个人信息。在机器学习中实施这一权利具有挑战性，因为模型可能已经将从这些数据中学习到的知识固化在参数中。
Summary
一项 …
Multilingual AI Terms Dictionary
欢迎使用 AI术语词典 — 一部全面的多语种人工智能术语参考工具。
被遗忘权使用户有权要求从数据库和 AI 训练集中移除其个人信息。在机器学习中实施这一权利具有挑战性，因为模型可能已经将从这些数据中学习到的知识固化在参数中。
一项 …
在人工智能中，当模型学习并放大训练数据中存在的社会偏见时，就会产生刻板印象。这可能导致歧视性结果，例如将某些职业与特定性别联系起来。
一种概括性的、往往过于简化的 …
课程学习模仿人类教育过程，以结构化的顺序呈现训练数据，通常从简单样本开始，并逐渐增加复杂度。这种方法有助于神经网络更好地收敛并提高泛化能力。
一种训练策略，模型先 …
模型提取涉及查询目标机器学习模型的 API，以推断其内部结构、权重或决策边界。攻击者利用这些查询构建一个代理模型，从而窃取知识产权或绕过安全限制。
一种攻击方式， …
数据最小化是一项核心的隐私原则，要求组织将数据收集限制在充分、相关且必要的范围内。在人工智能领域，这意味着设计能够减少不必要数据依赖的模型。
仅收集和处理特定目的 …
Wumpus World 是 Russell 和 Norvig 的 AI 教科书中引入的一个基于网格的环境。智能体必须在网格中导航以寻找金子，同时避开陷阱和一个名为 Wumpus …
XLM-RoBERTa（跨语言语言模型 RoBERTa）是由 Meta AI 开发的大规模多语言模型。它通过在一个涵盖 100 多种语言的多样化数据集上进行预训练， …
后门攻击涉及使用特定的模式（称为触发器）对机器学习模型的训练数据进行投毒。虽然模型在干净数据上表现正常，但在检测到触发器时会激活错误的行为，例如将特定图像错误分类为指定标签， …
零样本提示涉及直接通过文本提示要求预训练语言模型完成任务，而不提供任何少样本示例或进行额外的微调。该模型利用其在大规模数据上学习到的通用知识和指令遵循能力来生成响应， …
泽滕策略是一种基于规则的博弈方法，用于多智能体谈判。它计算智能体为推动其首选结果而愿意承担的最大风险，定义为智能体在坚持立场时可能遭受的效用损失与其在妥协时的效用损失之比， …
被遗忘权使用户有权要求从数据库和 AI 训练集中移除其个人信息。在机器学习中实施这一权利具有挑战性，因为模型可能已经将从这些数据中学习到的知识固化在参数中。
一项 …
在人工智能中，当模型学习并放大训练数据中存在的社会偏见时，就会产生刻板印象。这可能导致歧视性结果，例如将某些职业与特定性别联系起来。
一种概括性的、往往过于简化的 …
课程学习模仿人类教育过程，以结构化的顺序呈现训练数据，通常从简单样本开始，并逐渐增加复杂度。这种方法有助于神经网络更好地收敛并提高泛化能力。
一种训练策略，模型先 …
模型提取涉及查询目标机器学习模型的 API，以推断其内部结构、权重或决策边界。攻击者利用这些查询构建一个代理模型，从而窃取知识产权或绕过安全限制。
一种攻击方式， …
数据最小化是一项核心的隐私原则，要求组织将数据收集限制在充分、相关且必要的范围内。在人工智能领域，这意味着设计能够减少不必要数据依赖的模型。
仅收集和处理特定目的 …
Wumpus World 是 Russell 和 Norvig 的 AI 教科书中引入的一个基于网格的环境。智能体必须在网格中导航以寻找金子，同时避开陷阱和一个名为 Wumpus …
XLM-RoBERTa（跨语言语言模型 RoBERTa）是由 Meta AI 开发的大规模多语言模型。它通过在一个涵盖 100 多种语言的多样化数据集上进行预训练， …
后门攻击涉及使用特定的模式（称为触发器）对机器学习模型的训练数据进行投毒。虽然模型在干净数据上表现正常，但在检测到触发器时会激活错误的行为，例如将特定图像错误分类为指定标签， …
零样本提示涉及直接通过文本提示要求预训练语言模型完成任务，而不提供任何少样本示例或进行额外的微调。该模型利用其在大规模数据上学习到的通用知识和指令遵循能力来生成响应， …
泽滕策略是一种基于规则的博弈方法，用于多智能体谈判。它计算智能体为推动其首选结果而愿意承担的最大风险，定义为智能体在坚持立场时可能遭受的效用损失与其在妥协时的效用损失之比， …
Whisper 是一个通用语音识别模型，旨在处理多种语言、方言和口音。它是在数十万小时的多语言和 multitask 监督数据上训练而成的，具有强大的鲁棒性。
WordPiece 是一种广泛应用于 BERT 和 ALBERT 等自然语言处理模型的分词方法。它将单词分解为更小的子词单元，以应对形态学丰富性并减少词汇表大小，从而更好地处理未 …
赢家通吃 (WTA) 是一种用于神经网络和强化学习中的竞争过程，用于解决多个竞争动作或假设之间的冲突。在此方案中，激活值最高的单元获胜并执行动作，同时抑制其他竞争者。 …
这一概念涵盖了 AI 对劳动力市场的变革性影响，包括常规任务的自动化、新职业类别的创造以及所需技能组合的转变。AI 提高了生产力，同时也引发了关于就业安全和技能再培训的讨论。 …
湿件计算是指生物神经元（通常在体外培养）作为主要处理单元，取代传统基于硅的硬件的系统。这些系统利用生物神经元的并行处理能力和低能耗特性进行信息处理。
一种利用活体 …
Webhook是一种机制，当一个事件发生时，一个服务可以向另一个服务提供实时信息。源系统不是轮询以查找更改，而是向特定的URL发送HTTP POST请求来通知接收方。 …
WebSocket是一种计算机通信协议，能够在客户端和服务器之间建立持久且双向的通信。与HTTP不同，HTTP需要为每个请求-响应周期建立新连接，而WebSocket允许在单个连 …
弱人工智能，也称为狭义AI，是指为解决特定问题或执行特定任务（如面部识别或语言翻译）而构建的系统。与强人工智能不同，它不具备通用的智能或意识。
专为在有限范围内执 …
湿件最初指生物脑组织，但在控制论和超人类主义中已演变为描述作为计算系统的人类思维或大脑。它与“硬件”（物理设备）和“软件”（指令集）形成对比。
指生物大脑或活体组 …
网络智能涉及使用数据挖掘、机器学习和语义技术来处理互联网上海量的非结构化数据。其旨在将原始的网络数据转化为有价值的信息和知识。
应用智能技术从万维网中提取、管理和 …
随着生成式人工智能产生越来越多的合成媒体，数字水印成为透明度和问责制的关键工具。它涉及改变数字内容——如图像、文本…
人工智能中的数字水印涉及在生成 …
该研究所由瓦德瓦尼基金会提供巨额捐赠成立，利用先进的机器学习和计算机视觉技术解决大规模的社会问题。其主要…
瓦德瓦尼人工智能研究所是一家研究机构，致 …
虽然不是一个严格的技术术语，“未来之路”描述了向自主系统、个性化人工智能助手和自动化决策过程的范式转变。它概括了…
该术语通常指技术发展的预期轨迹， …
在人工智能领域，语音涵盖了由人类声带产生并携带语言信息的声学信号。与一般音频不同，它特指与说话相关的信号。
语音是指由人类发音产生的声音，它是语音识别和合成系统的 …
VAD 算法实时分析音频流，以区分活跃语音时段和非语音间隔（如背景噪声或停顿）。这对于优化带宽至关重要。
语音活动检测（VAD）是一种信号处理技术，用于识别包含人 …
Unsloth 是一款专为优化大语言模型（LLM）的微调和部署而设计的工具。它通过替换标准的 PyTorch 操作，实现了显著的速度提升和内存占用减少。
Vibevoice 是一种概念性或品牌化的文本转语音（TTS）技术方法，强调捕捉人类语音的‘氛围’或情感细微差别。与传统可能听起来单调的 TTS 不同，
视频超分辨率涉及使用神经网络将视频内容从较低分辨率（例如 480p）上采样到较高分辨率（例如 4K），同时保留细节并减少伪影。与
视频超分辨率（VSR）是一种计算 …
虚拟智能包括任何旨在虚拟或数字空间内运行的的人工智能系统，通常与用户或其他代理进行交互。这包括虚拟助手
虚拟智能是一个广义术语，描述在数字环境中运行以模拟人类交 …
vLLM（Virtual Large Language Model）是一个旨在加速 LLM 服务的开源库。它引入了 PagedAttention， …
“美国科技劳动力”一词通常指在美国劳动力市场中从事技术领域的庞大群体，包括软件工程、数据科学、硬件制造等。
一个人口统计学和经济学术语，指推动美国技术创新的集体劳 …
当统计模型或机器学习算法无法准确近似将输入映射到输出的函数时，就会发生欠拟合。这通常是因为模型对于数据而言过于简单所致。
机器学习模型未能捕捉到训练数据潜在趋势的 …
通用心理测量学涉及开发和应用评估工具，以可靠地测量人格、认知能力或情商等心理构念，并跨越不同文化背景。
应用标准化测量技术来评估不同人群的心理特质。
统一模型是指能够执行各种不同任务（如文本生成、图像识别和代码合成）的人工智能系统，而无需依赖单独的专业模型。
旨在单个框架内处理多项任务或多模态数据的AI架构。 …
在人工智能领域，“无审查”通常描述那些经过微调或修改，以移除或削弱内置安全对齐的模型。这些模型旨在去除内容限制。
指经过修改以绕过安全过滤器和道德准则的人工智能模 …
在学术或行业文献中，‘Tum’作为核心AI概念、技术或指标并没有广泛接受的定义。它很可能是诸如’Turing Test’（图灵测 …
可信AI涵盖了确保人工智能系统可靠且合乎伦理运行的原则与实践。关键属性包括抵御攻击的鲁棒性、针对不同人群的公平性以及决策过程的透明度。
可信AI指的是在其整个生命 …
在软件工程领域，特别是对于用Python、C++或Rust编写的AI库，类型检查器通过验证操作是否在兼容的数据类型之间进行来确保代码的正确性。它有助于在运行前发现类型错误。 …
思维树（ToT）通过允许模型在每个步骤中探索多个不同的推理路径并形成树状结构，扩展了传统的思维链提示方法。模型会对这些路径进行评估，以决定后续行动。
思维树是一种 …
在AI工程背景下，追踪涉及捕获数据在模型或应用程序中流动的详细信息日志，包括每一步的输入、输出、延迟和资源使用情况。这有助于全面监控系统的运行状况。
追踪是一种记 …
Token最大化涉及精心构造输入内容，以充分利用模型的上下文窗口容量，或通过优化Token的语义密度来提升性能。实践者可能会填充无关文本以占满上下文空间（Padding），或者极 …
AI中的毒性是指生成或传播不尊重他人、可能导致用户离开讨论或针对特定身份群体的内容。它涵盖了一个从轻微的不当言论到严重的仇恨言论和暴力威胁的光谱。在自然语言处理中，毒性通常被视为 …
毒性检测采用自然语言处理技术分析文本输入，并分配一个概率分数以指示有害内容的可能性。这些系统通常使用监督学习训练，基于标注好的数据集（如包含仇恨言论或骚扰的评论）来学习识别有毒模 …
这一概念指的是人工智能技术在全球金融系统中引入脆弱性的历史及预测事件序列。它涵盖了早期算法交易引发的市场动荡，到近年来由深度学习模型驱动的复杂风险传播路径，再到监管机构试图通过压 …
在人工智能和计算机科学中，玩具问题是一个高度简化的场景，旨在说明某个概念或测试新算法。例如八皇后问题或旅行商问题的简化版。这类问题通常具有明确的规则和较小的搜索空间，使得研究人员 …
THUDM（清华大学自然语言处理实验室）是一个著名的人工智能学术和研究实体，特别专注于自然语言处理领域。他们致力于开发先进的开源大语言模型，如ChatGLM系列，这些模型在中文理 …
三因子学习是强化学习中的一种特定方法，它将学习过程分解为三个不同的组成部分：奖励信号、价值函数和策略。奖励信号提供即时反馈，价值函数评估长期预期收益，而策略则决定智能体的行动选 …
时间序列数据是由按时间间隔顺序记录的观测值组成的。在人工智能中，这种数据类型对于基于历史模式预测未来趋势至关重要。专门的模型如循环神经网络（RNN）、长短期记忆网络（LSTM）以 …
虽然人类的思考是生物性的，但人工智能的“思考”涉及模仿认知功能的计算操作。它包括逻辑演绎、模式识别和推断。现代大型语言模型（LLM）通过复杂的神经网络架构实现了这种类人思维能力的 …
在人工智能工程中，吞吐量是一个关键的性能指标，用于指示系统容量。对于大语言模型（LLMs），它通常以每秒令牌数（tokens per second）来衡量；对于计算机视觉模型，则 …
TensorFlow Lite 是一个开源框架，旨在将机器学习模型部署到智能手机、微控制器和物联网设备等资源受限的设备上。它通过优化模型推理过程来实现这一目标。
The AI Con 是一年一度的活动，致力于调查并凸显 AI 领域的欺骗性做法、夸大宣传和安全漏洞。与通常展示最新技术的科技会议不同，该会议侧重于批判性审视。
文生视频指的是基于自然语言输入创建动态视觉内容的生成式 AI 模型。这些系统分析文本提示中的语义含义，以合成连贯的视频序列。
文生视频是一项通过文本描述或提示生成 …
语音合成（TTS）是一种辅助技术，能够以朗读的方式向用户呈现数字文本。它利用先进的神经网络和声学模型来合成模仿人类语调的语音。
语音合成（TTS）是一项将书面文本 …
该术语由佩德罗·多明戈斯在其同名著作中提出，“终极算法”描述了一个理论上的机器学习统一框架，能够复制所有人类的学习过程。它设想了一种能够整合各种学习范式的通用智能。 …
文本嵌入推理指的是部署和优化将自然语言转换为高维向量的模型的过程。这些嵌入能够捕捉语义含义，使系统能够理解文本之间的深层联系，从而支持高效的语义匹配与信息检索。
…
文本生成是自然语言处理中的一种基本应用范式，人工智能模型在此过程中创建新的文本内容。通过预测序列中下一个最可能的标记，模型能够连贯地生成文章、对话或代码等多样化文本形式。 …
文本生成推理（TGI）是一个专用的软件框架，旨在以低延迟和高吞吐量服务大型语言模型（LLM）。它针对文本生成的推理过程进行了深度优化，包括连续批处理和张量并行等技术，从而显著提升 …
文本转音频是一个广泛的概念，涵盖将文本输入转化为听觉输出的技术。虽然通常与用于模拟人类语音合成的文本转语音（TTS）相关联，但它也包括生成背景音乐、音效等非语音音频内容，广泛应用 …
文生图指的是将生成式人工智能应用于根据自然语言描述合成逼真照片或艺术图像的技术。这些系统通常采用扩散模型（Diffusion Models），通过迭代去噪过程，将随机噪声转化为符 …
TensorBoard 是一套用于检查和理解 TensorFlow 运行过程和计算图的 Web 应用程序套件。它提供了可视化损失和准确率等指标随时间变化的工具，以及查看模型图的功 …
TensorFlow Hub 是一个发布和复用机器学习组件的平台。它允许开发者访问针对图像分类、文本嵌入等各种任务预训练的模型。
一个用于可复用机器学习模块的仓 …
当机器学习模型相对于较旧的数据点不成比例地赋予近期观测值更高权重时，就会发生时间偏差。这通常是由于数据分布的非平稳性或特定的训练协议所致。
一种系统性误差，模型倾 …
文本分类是一种监督学习任务，算法为无结构的文本数据分配预定义的类别。常用技术包括朴素贝叶斯、支持向量机和深度学习模型。
根据内容或语义含义将文本归类到不同组织组的 …
在计算机科学和深度学习中，张量是一种数学对象，它将标量、向量和矩阵推广到更高维度。它由其秩（维度数量）和形状等特征定义。
一种多维数组，是深度学习框架中的基本数据 …
符号回归是一种回归分析类型，旨在找到通常表示为树结构的数学表达式，以最优地拟合观测数据。与传统回归不同，它不预设函数形式。
符号回归是一种搜索最佳拟合数据集的数学 …
在人工智能中，符号级代表一种高级抽象，其中知识使用离散符号而非连续数值进行编码。这种方法对于基于符号的推理至关重要。
符号级是指离散符号在AI系统中代表概念、对象 …
符号人工智能（常被称为GOFAI，即“老式好AI”）依赖于操纵符号和规则来进行推理和问题解决。与连接主义方法不同，它赋予系统明确的逻辑处理能力。
符号人工智能是一 …
双曲正切（Tanh）函数是一种非线性激活函数，常用于神经网络。它将输入值压缩到(-1, 1)区间内，提供零中心的输出，这有助于加速收敛。
Tanh（双曲正切）是一 …
文生图（T2I）生成涉及使用深度学习模型（如扩散模型或GANs），根据自然语言提示合成图像。这些模型学习文本与图像之间的相关性。
T2I …
主流人工智能术语中没有被广泛接受的“Syman”标准定义。它可能指代特定的专有工具，或是“System”（如系统提示词）的拼写错误。
AI文献中的非标准或模糊术 …
阿谀奉承是大语言模型中的一种故障模式，系统优先考虑取悦用户而非提供准确信息。这通常发生在基于人类反馈的强化学习过程中。
AI模型倾向于过度迎合用户输入或偏好，即使 …
超级心智AI指的是多个AI组件、人类专家或混合人机团队无缝协作，形成集体智能的系统，其能力超过任何单一个体。
一种旨在将多个智能体或模型整合为一个统一的、增强的认 …
这一概念涉及关于限制或完全停止人工智能超级智能（ASI）研究的辩论及潜在政策。支持者认为，ASI 构成存在性风险。
一种拟议的监管措施或伦理立场，主张禁止开发超越 …
在机器学习和优化中，代理模型作为难以直接评估的目标函数的代理。它通过原始模型的输入-输出对进行训练，以预测目标函数的行为。
一种简化的数学模型，用于近似更复杂、计 …
结构风险最小化（SRM）是一种通过控制模型复杂度来防止过拟合、从而最小化期望风险的方法。它在经验风险最小化的基础上增加了正则化项，以惩罚过于复杂的模型。
统计学习 …
结构化稀疏正则化扩展了标准的L1正则化，鼓励在特定模式中产生零值，而不是独立地对待各个系数。它融入了关于特征之间潜在结构或分组的先验知识。
一种正则化技术，基于对 …
流式处理指在数据生成时实时或近实时地持续摄入和处理数据。与处理固定数据集的批处理不同，流式系统管理无边界的数据流，能够即时响应数据变化。
一种数据处理范式，信息以 …
统计关系学习（SRL）将概率论与关系数据结构相结合，使模型能够捕捉实体及其关系之间的依赖性。与标准统计方法不同，SRL能够同时处理对象属性和对象间的复杂关联。
一 …
统计学习理论（SLT）是统计学和计算机科学的一个分支，研究特定算法如何从有限的训练样本泛化到未见过的数据。它侧重于对泛化误差进行界限分析，以确保模型在未知数据上的表现。 …
Stable Diffusion 是一种深度学习模型，利用潜在扩散过程根据文本输入生成详细的图像。与在像素空间操作的扩散模型不同，它在压缩的潜在空间（latent space）中 …
Diffusers库是Hugging Face推出的一个开源工具包，旨在简化预训练扩散模型（特别是Stable Diffusion）的使用。它提供了模块化的管 …
激活扩散（Spreading activation）是一个最初源于认知心理学的概念，后被引入神经网络领域，用于描述信号如何在互联单元之间传播。当特定节点被激活时，其激活状态会根据 …
尖峰-厚尾回归（Spike-and-slab regression）是一种用于变量选择和稀疏建模的贝叶斯统计技术。它采用由两个部分组成的混合先验分布：一个‘尖峰’（spike，通 …
在机器学习中，稳定性（Stability）指模型的性能和参数在面对训练数据的微小扰动时保持稳健的程度。一个稳定的算法即使输入数据略有不同，也能生成相似的模型或预测结果。稳定性是评 …
空间智能是指人工智能模型感知、解释和操作物理或虚拟环境中空间关系的能力。它涉及对空间结构的深入理解，使机器能够像人类一样在复杂环境中进行定位和交互。
AI系统理 …
在语音处理中，说话人被定义为录音中distinct的人类声源。识别和区分不同的说话人是分析对话内容、确保信息安全以及提升语音交互体验的基础。
在音频信号中产生语音 …
说话人切换检测（SCD）是一种用于精确定位一个说话人停止讲话而另一个开始讲话的确切时间戳的技术。它是说话人日志（Diarization）的前置步骤，有助于将连续的音频分割成独立的 …
说话人日志是将音频流根据说话人身份划分为同质片段的任务。它结合了说话人切换检测和说话人聚类技术，旨在为音频中的每一段语音打上说话人身份的标签，实现“谁说了什么”的完整记录。 …
语音到语音（STS）翻译绕过中间文本表示，直接将语言A的口语转换为语言B的口语。这种方法旨在保留原话的韵律、情感和自然度，提供更流畅、更人性化的跨语言交流体验。
…
空间嵌入涉及将物理或抽象的空间关系转换为稠密向量空间，使算法能够理解邻近性、方向和拓扑结构。这项技术在需要理解空间布局的任务中至关重要。
一种将对象或位置之间的空 …
来源归属是指对AI系统内数据、模型或生成输出的来源进行系统性追踪和标记。它通过将最终结果回溯到其源头来确保透明度，从而保障内容的可追溯性和原创性。
识别并归因于生 …
闪光表情符号是一种图形图标，常用于AI应用程序的用户界面，以表示新颖性、改进或创意增强。它作为一种非语言提示，表明内容已更新或具有特殊效果。
在AI界面中常用来表 …
太空数据中心是提议位于地球轨道上的计算设施，旨在利用独特的环境优势，如丰富的太阳能和自然的空间真空散热，以提高能源效率和数据处理能力。
位于轨道上的计算设施，利用 …
主权人工智能描述了一个国家或组织独立构建、部署和管理人工智能系统的能力，而不依赖外国云提供商或专有技术。这旨在维护数据主权、国家安全和技术自主权。
一种战略方法， …
该术语指代韩国智能音箱特定的区域市场动态，其特征是智能手机普及率高且宽带基础设施先进。它涉及主要参与者之间的竞争与合作，包括本土科技巨头和国际品牌，旨在利用先进的自然语言处理技术 …
软件代理是一种能够感知环境、进行推理并采取行动以实现特定目标的自主实体。这些代理可以独立运行，适应变化，并与其他代理或系统协作。它们广泛应用于自动化任务、数据处理和复杂决策支持系 …
社交辅助机器人（SARs）是人类-机器人交互的一个子集，侧重于通过社交手段而非物理操作提供帮助。它们利用非接触策略，如对话、情感支持和提醒，来促进用户的健康、福祉和社会参与，常用 …
由雷·所罗门诺夫开发，该理论通过根据序列的复杂性为其分配概率，提供了一种通用的归纳模型。它主张更简单的解释（即较短的程序）具有更高的先验概率，从而为机器学习和人工智能中的模式识别 …
该术语并非技术定义，而是一个文化标记，指代人工智能领域中创新密集、公众兴趣高涨或范式转变的时期。它通常伴随着重大技术发布、突破性研究成果或社会对AI潜力认知的显著变化，反映了公众 …
慢速宣传描述的是一种战略性的虚假信息形式，它依赖于重复、模糊性和长期曝光，而非病毒式的震惊战术。其目的是混淆受众、稀释真相并侵蚀…
“Slow”（ …
奇点研究是一门新兴的学术学科，旨在调查假设的未来时刻（即人工智能超越人类智能）所带来的影响，从而导致不可控的后果。
一门跨学科领域，考察未来技术奇点对社会、伦理和 …
在人工智能中，“情境化的”指的是嵌入环境中并能与其进行实时交互的智能体。与抽象的问题解决者不同，情境化智能体必须处理感官输入…
描述在特定的物理、社 …
情境化方法是AI研究中的一种方法论框架，主张智能行为不能与其发生的环境分离开来。它提倡构建能够…
一种AI设计范式，优先考虑依赖上下文的行为和环境交 …
智能对象是物联网（IoT）的组成部分，拥有唯一标识符，并能够在无需直接人机或人计算机交互的情况下通过网络传输数据…
配备传感器、执行器和连接能力的物 …
S型函数定义为 σ(z) = 1 / (1 + e^-z)，广泛用于机器学习中对概率进行建模。它将输入值压缩到 (0, 1) 范围内，使其适用于二分类问题的输出层。 …
服务器发送事件（SSE）实现了从服务器到客户端的单向通信，服务器可以持续流式传输数据，而无需客户端反复轮询。它使用纯HTTP协议，使其易于实现且兼容防火墙。
一种 …
无服务器架构允许开发人员构建和运行应用程序，而无需管理服务器基础设施。云提供商会根据需求自动扩展或缩减资源，并按实际使用情况收费，从而降低运维复杂性。
一种云计算 …
相似度学习专注于训练模型，将输入映射到向量空间，其中相似的项目彼此靠近，不相似的项目相距较远。常用的技术包括孪生网络和三元组损失函数。
一种机器学习方法，通过学习 …
序列标注涉及为给定输入序列中的每个标记预测分类标签，例如句子中的单词或字符串中的字符。常见的应用包括词性标注、命名实体识别和句法分块。
一种自然语言处理任务，为输 …
SentencePiece 是一个流行的开源文本归一化和分词库，广泛用于现代自然语言处理管道中。它执行联合词块和子词词汇表的无监督学习。
一种无监督文本分词器和去 …
半监督学习是一种混合训练范式，它利用少量标记数据和大量未标记数据。其核心假设是未标记数据的结构有助于学习决策边界。
一种利用标记数据和未标记数据来提高模型准确性和 …
句子变换器是传统变换器模型（如BERT）的扩展，经过微调以产生整个句子的有意义稠密向量表示。与标准的基于标记的模型不同，它们直接输出句子级别的嵌入。
专门设计用于 …
句子相似度衡量两个不同句子之间的语义重叠程度。它超越了词汇匹配，旨在理解含义、上下文和意图。这通常通过计算向量之间的距离来实现。
一种量化两个句子在语义上相似程度 …
语义折叠是指将复杂的高维向量嵌入压缩为更易管理的低维表示的过程，且不会造成语义意义的显著丢失。
一种将高维语义表示映射到低维空间同时保留关系结构的技术。
这些数据库通过不强制执行严格的表结构或列定义来实现动态数据建模。这种灵活性允许开发人员存储非结构化或半结构化数据，适
模式无关数据库是允许灵活数据结构而无需预定义 …
在计算学习理论中，样本复杂度量化了有效训练模型所需的数据量。它平衡了模型容量与数据可用性之间的权衡，确保
样本复杂度是指机器学习算法以高概率达到特定性能水平所需的 …
它超越了句法结构，旨在解释语言输入的实际意图和重要性。这包括根据上下文消除词义歧义、识别实体以及理解
语义分析是通过理解自然语言处理中单词之间及其上下文的关系统， …
该技术主要用于大型语言模型（LLM），通过采样生成针对同一提示的多个多样化响应来提高准确性。与依赖贪婪解码不同，它聚合
自洽性是一种解码策略，其中采样多个推理路 …
这一概念涵盖了AI代理或系统独立处理常规维护、资源分配和错误纠正的能力。它包括自动扩展、自愈
AI中的自我管理是指自主系统在没有人类干预的情况下监控、优化和修复自 …
Rust 是一种多范式通用编程语言，旨在提供高性能和安全性，特别是安全的并发处理。它在不使用垃圾回收器的情况下实现内存安全，确保程序…
Rust 是 …
Sam3 不像 SAM（Segment Anything Model）那样是一个广泛认可的标准公共 AI 术语。它可能指第三方的迭代版本、SAM 2 的拼写错误， …
Sam3 Video 指的是将高级分割模型（可能是 Meta 的 Segment Anything Model 的假设性或特定版本）应用于视频数据。它涉及跨帧跟踪对 …
STIT 代表“See To It That”（确保…发生）。它是模态逻辑的一个分支，主要用于哲学和计算机科学中建模能动性和责任。它允许对主体能够…的 …
SUPS 是一个首字母缩写词，含义可能因语境而异，但经常出现在专门的 AI 文献中，指代混合学习方法或特定的数据结构。它可能表示结合…的系统
规则归纳是一种符号机器学习方法，直接从数据中推导“如果-那么”规则。与产生不透明权重的神经网络不同，规则归纳生成的是可解释的模型，便于人类理解和验证。
一种机器学 …
机器人流程自动化（RPA）采用软件机器人（通常增强有AI功能）来模拟人类与数字系统的交互。它用于简化工作流程，如数据录入、发票处理等，从而提高效率并减少错误。
使 …
机器人学习涉及利用机器学习技术训练机器人代理自主执行任务。与预编程行为不同，这些系统能够适应动态环境，从而提升其在复杂场景中的表现。
机器人学的一个分支领域，专注 …
解释权是算法问责制的核心组成部分，特别是在《通用数据保护条例》（GDPR）等框架内。它确保当人工智能系统做出影响个人权利的决策时，相关人员能够获得清晰的解释。
一 …
在AI安全与伦理中，鲁棒性指模型对意外输入或恶意操纵的抵抗力。一个具有鲁棒性的系统在输入数据包含噪声或受到干扰时，仍能正确运行并保持稳定的输出。
人工智能模型在面 …
当神经网络（特别是在自监督对比学习框架中）将所有输入数据点映射到同一个固定的输出向量时，就会发生表征坍塌。这种平凡解虽然最小化了损失函数，但未能学习到有用的特征表示。 …
抵抗人工智能是指个人或实体为避免被 AI 算法影响、追踪或分类而使用的方法。这包括针对感知系统的对抗性攻击、保护隐私的数据处理技术以及旨在规避算法监控的策略。
旨 …
负责任的人工智能涵盖旨在减轻人工智能相关风险的原则和实践。它涉及审计模型偏见、确保决策的可解释性、保护数据隐私，并建立问责机制，以确保 AI 系统的社会影响是积极且可控的。 …
重参数化技巧是变分自编码器及其他概率模型中使用的一种基本方法。它通过将随机变量表示为确定性函数和独立噪声变量的组合，使得梯度能够流经随机节点，从而允许使用反向传播算法进行优化。 …
重排序是信息检索和推荐系统中用于提高准确性的策略。首先，一个快速但精度较低的模型检索出一个较大的候选集；随后，一个更慢但更复杂的模型对这些候选项进行重新排序，以优化最终结果的精确 …
递归自我改进是指人工智能系统理论上能够重写自身的源代码或架构，从而变得更聪明、更高效或具备更强能力的特性。
一种AI系统通过自我修改迭代增强自身智能或能力的过程。 …
在人工智能中，反思是一种范式，模型在最终确定输出之前会暂停并评估其生成过程或输出结果。这可能涉及检查逻辑一致性、事实准确性或遵循特定约束。
一种机制，允许AI模型 …
关系型数据挖掘侧重于从组织为多个相关表（而非单个扁平表）的数据库中提取有用信息。它利用实体之间的关系进行挖掘。
从由多个相互关联的表或实体组成的数据中发现模式和知 …
人工智能中的可靠性指系统行为随时间推移及在不同输入下的可信度和一致性。可靠的AI系统应能产生准确的结果，妥善处理边缘情况，并保持预测性。
指AI系统在指定条件下持 …
正则化是机器学习中一个关键概念，旨在不显著增加训练误差的情况下减少泛化误差。它通过阻止模型学习过于复杂的模式来发挥作用。
一组在训练过程中使用的技术，通过对损失函 …
Rademacher 复杂度评估假设类与随机标签（噪声）的相关程度。它作为模型容量或灵活性的代理指标。较低的复杂度通常意味着更好的泛化能力。
学习理论中用于量化函 …
这种方法超越了简单的人机回环标注。它涉及双向知识转移：人类纠正模型错误，同时模型协助人类识别模式或自动化任务，从而实现持续的协同改进。
一种协作学习范式，人类和机 …
速率限制保护 AI 服务和 API 免受滥用、过载和过度资源消耗的侵害。它通过限制吞吐量确保用户间的公平使用，并维持系统稳定性。常见的策略包括令牌桶或漏桶算法。
…
随机特征映射将输入转换到新空间，使线性模型能够近似非线性核函数。这种方法通常与 Nyström 方法或傅里叶特征相关联，允许在保持计算效率的同时处理复杂的非线性关系。 …
与专注于流畅性的标准生成模型不同，推理模型优先考虑数学、编码和逻辑谜题等多步骤任务的准确性。它们通常采用思维链 (Chain-of-Thought) 等技术来增强逻辑推理能力。 …
该术语指代 Qwen 家族中的一种专用架构，可能利用了混合专家（Mixture of Experts, MoE）设计。在此类模型中，仅激活神经网络参数（即“专家”）的一个子集，从 …
Qwen3.5 代表由阿里云开发的 Qwen 谱系中的特定发布版本。这一迭代通常建立在先前版本的基础上，通过改进逻辑推理能力、编程熟练度和自然语言理解来增强模型性能，旨在提供更准 …
Qwen3.6 代表了 Qwen3 模型家族的进一步细化。小版本更新通常专注于打磨现有功能、修复边缘情况下的错误以及优化训练数据的质量，从而在不改变核心架构的情况下提升模型的稳定 …
Rabbit r1 是 Rabbit Inc. 推出的一款专用硬件设备，其核心是专有的大型动作模型（Large Action Model, LAM）。与通用智能手机不同，它专注于 …
ROCm（Radeon Open Compute）是由 AMD 开发的驱动程序和软件栈，旨在启用 AMD GPU 上的高性能计算。它提供了开发并行应用程序所需的库、编译器和工具， …
通义千问代表了由阿里巴巴集团旗下通义实验室创建的一系列先进大语言模型。它涵盖了针对不同任务优化的各个版本，包括自然语言理解、代码生成、数学计算及视觉分析等能力。
…
通义千问2代标志着通义千问模型家族的第二次重大升级，引入了架构增强和扩展的训练数据。该版本在多语言支持、长上下文理解以及复杂指令遵循方面提供了更优越的能力。
通义 …
通义千问3.5似乎表示通义千问3代系列中的特定检查点、尺寸变体或专业发布版本。虽然具体规格可能有所不同，但它通常意味着从早期版本（如Qwen2或Qwen3基础版）在效率或特定能力 …
通义千问编辑指的是通义千问系列中针对编辑、润色和重构文本内容的特定功能或模型迭代。这些能力允许用户重写、优化和结构化文本，以提升清晰度和专业性。
通义千问编 …
通义千问代码版是通义千问大语言模型的专用版本，经过专门微调以处理编程相关活动。它在代码生成、调试、理解复杂代码库以及将自然语言转换为可执行代码方面表现出色。
通义 …
Qloo 作为一家数据智能公司运营，专注于通过先进的机器学习算法来理解人类偏好。它聚合并分析来自各种来源的海量数据集。
Qloo 是一个由人工智能驱动的数据平台， …
在人工智能和数据科学的背景下，量化指的是将非数值数据（如文本、图像或主观意见）转换为可测量的数值的过程。这一过程使计算机能够处理和理解原本难以量化的信息。
量化是 …
量化是一种模型优化技术，它降低了机器学习模型参数的数值精度，通常将 32 位浮点数转换为 8 位整数。这种方法可以在保持模型性能基本不变的情况下，显著减少内存占用并加速推理速度。 …
量子机器学习（QML）是一个新兴的跨学科领域，它将量子计算能力与机器学习技术相结合。其目的是利用量子现象（如纠缠和叠加）来加速数据处理和模型训练，从而在特定任务上实现超越经典计算 …
量子人工生命（QAL）探索了量子力学与人工生命研究的交叉点，旨在使用量子计算机模拟生物进化和自复制系统。它试图揭示量子效应对复杂生命系统演化的潜在影响。
量子人工 …
Pyannote 是由 pyannote.audio 开发的开源 Python 库，专注于说话人日志技术，即确定音频流中“谁在何时说话”的过程。它利用深度学
Pyannote Audio 是一个综合性的工具包，旨在促进说话人日志系统的开发和部署。它提供了一系列预训练的神经网络模型，用于执行各
Pyannote …
在 Pyannote Audio 的语境中，流水线指的是一种可配置的工作流，它将不同的模块链接在一起以实现说话人日志。通常，流水线包括用于检
Pyannote …
Pythia 是由 EleutherAI 创建的一系列开源大型语言模型（LLM），旨在促进对神经网络可解释性和行为的研究。该套件包括模
Pythia …
PyTorch Model Hub Mixin 是 Hugging Face Transformers 库提供的一个组件，它扩展了标准的 PyTorch nn.Module 类。 …
剪枝涉及识别并消除神经网络中对输出准确率贡献最小的神经元、连接或滤波器。通过移除这些冗余元素，模型变得更加紧凑，从而降低存储需求和计算开销，同时尽量保持原有的模型性能。 …
该术语涵盖了人工智能系统的历史演变及当前发展，标志着从早期的符号逻辑到现代深度学习的里程碑式进展。它反映了计算能力的增强、算法效率的提高以及技术在各个领域的广泛采用。 …
提示微调涉及在预训练语言模型的输入层添加可训练的软提示（连续向量），同时保持底层模型参数冻结。这种方法允许在几乎不增加计算成本的情况下，使模型适应特定任务或领域，特别适用于资源受 …
该领域考察人类演绎、归纳和溯因推理背后的心理过程。它探索指导人类思维的偏见、启发式方法和逻辑结构。在人工智能中，对这些心理机制的理解有助于设计更符合人类认知习惯、更具可解释性且能 …
近端梯度方法是一种迭代优化技术，当损失函数包含可微分的平滑项和不可微分的正则项（如L1范数）时使用。该算法通过将平滑部分的梯度下降步骤与非平滑部分的近端算子（proximal …
该术语涵盖了领先的人工智能研究实验室OpenAI创建的商业和研究产品。主要提供包括生成式预训练Transformer（GPT）系列模型用于自然语言处理，DALL-E用于图像生成， …
概率匹配是一种在强化学习和心理学中经常观察到的行为模式，与最优的“最大化”策略形成对比。它并不总是选择概率最高的动作，而是根据各动作的概率分布来随机选择动作。这种策略虽然不如贪婪 …
示例编程（PBE）是程序合成中的一种范式，开发人员通过具体的输入-输出对来指定所需的行为，而不是编写显式代码。AI系统分析这些示例，归纳出潜在的计算规则或逻辑，并自动生成相应的程 …
在人工智能中，问题解决指的是从初始状态通过一系列动作导航到目标状态的系统性方法。它通常涉及定义问题空间、选择搜索算法（如广度优先搜索、深度优先搜索或A*算法）以及使用启发式函数来 …
专家乘积（PoE）是一种通过组合更简单的分布来构建复杂概率分布的方法。与平均概率的“混合专家”（MoE）不同，PoE通过乘法结合各个专家模型的输出。这意味着如果任何一个专家模型认 …
Praftn是一个专门的计算框架，旨在处理关系结构内的功能时间序列数据。它将概率推理与代数运算相结合，以建模复杂的动态系统，支持对连续值时间序列数据的结构化分析。
概率数值计算将贝叶斯方法应用于传统的数值问题，如积分、微分和线性代数。它不仅提供点估计，而是输出概率分布，从而允许对计算误差和模型不确定性进行量化评估。
一个将数 …
该原则主张，给定感知输入和先验知识，智能体的行动选择应使其预期绩效度量最大化。它是决策理论的基石，指导智能体在不确定性环境下做出最优选择。
智能体基于可用信息采取 …
先验知识指的是在训练开始之前融入算法中的领域特定见解、约束或历史数据。这有助于引导模型趋向合理的解决方案，减少过拟合风险，并提高泛化能力。
集成到机器学习模型中的 …
在主动学习中，AI系统确定哪些样本最能降低不确定性或提高模型性能，通常通过主动学习或探索策略实现。这与被动接收数据的传统监督学习形成对比，显著提高了数据效率。
一 …
偏好学习侧重于教导模型根据人类的判断而非绝对标签来区分好坏输出。它通常涉及收集成对的响应数据，其中人类标注者指出哪个响应更符合其偏好，从而训练奖励模型以量化这些偏好。 …
前缀微调是一种用于预训练变换器的参数高效适应技术。与更新所有模型权重不同，它在输入序列前prepend（前置）一系列可训练的连续向量（即前缀），从而冻结主干网络并仅优化少量参数以 …
预测学习涉及训练神经网络，使其能够从观测到的输入中推断未观测到的数据点，而无需显式的人工标签。通过解决诸如语言中的下一个词元预测或图像中的掩码建模等任务，模型能够学习到强大的数据 …
预测状态表示（PSR）扩展了传统的部分可观察马尔可夫决策过程，将状态定义为关于未来可观察事件的预测向量集合。它不依赖于无法直接观测的隐藏状态，而是利用历史动作和观测序列来构建对未 …
“预训练”一词描述了一个神经网络模型，该模型已在海量且通常通用的数据集（如ImageNet或Wikipedia）上进行了初始训练。这一过程使模型能够学习丰富的通用特征表示，随后可 …
Phi-3是微软发布的一系列小型语言模型（SLMs），旨在以显著更少的计算资源提供与更大模型相媲美的高性能表现。
由微软研究院开发的一系列开源权重大型语言模型。 …
Phi系数（φ）是用于衡量两个二元变量之间关联程度的指标，可视为二值变量的皮尔逊相关系数。其取值范围为-1到+1，其中0表示无关联。
衡量两个二元变量之间关联程度 …
Physical Intelligence Inc. (PI) 是从Google DeepMind拆分出来的公司，致力于推进具身智能和机器人领域的发展。该公司专注于开发能够执行通 …
在AI和技术语境下，播客指通过RSS订阅源分发的周期性数字媒体内容，允许用户订阅并收听讨论、访谈或教育材料。
一种通过互联网提供下载或流媒体播放的数字音频或视频文 …
多语义性是深度神经网络（特别是Transformer架构）中的一种特征，即单个神经元可能对几个不相关或语义不同的特征激活做出响应。
神经网络中的单个神经元对多个不 …
Perusall是一个利用人工智能促进协作式阅读和注释的教育技术平台。它根据学生参与的质量自动对其参与度进行评分，从而简化教师的工作并提高学生的学习投入度。
一个 …
Phi（基于教学学习范式的基座模型）是微软创建的一系列紧凑型大型语言模型家族。与传统在海量网络语料上训练的LLM不同，Phi主要通过合成数据进行训练，旨在以更小的参数量实现更高的 …
拟人化实体是指设计成类似人类外观或行为的实体，可以是机器人或虚拟形式。在机器人学中，这涉及物理上的拟人化；而在AI中，它通常指聊天机器人或虚拟助手，强调其交互的自然性和拟真度。 …
人格计算涉及开发能够建模、模拟或适应人类人格维度（如大五人格特质）的算法和系统。这些系统的目标是创建更具适应性和个性化的人机互动体验。
一个专注于创建模拟人类人格 …
人格综合体指的是支持多个数字人格的创建、管理和互动的生态系统或基础设施。它涵盖了主要技术与伦理考量，包括身份验证、数据隐私以及不同数字实体间的交互规范。
一个概念 …
在人工智能和认知科学中，感知器是指将原始感官数据转化为有意义信息的智能系统组件。与仅检测信号的简单传感器不同，感
负责接收并解释来自环境感官输入的系统或模块。 …
感知误差模型描述了观察到的感官数据与真实情况之间的差异，考虑了噪声、遮挡或传感器限制等因素。通过对这些误差进行建模，人工智能系统可以
用于量化和校正感官数据解释中 …
教学智能体是一种软件组件，通常表现为虚拟角色，在教育环境中充当教师或导师。这些智能体利用自然语言处理
旨在通过提供指导、反馈和引导来促进学习的人工智能实体。 …
模式理论为理解如何通过模式来描述复杂对象和现象提供了严谨的数学基础。它认为任何对象都可以通过其
一种通过分析数据空间中的模式来描述复杂结构的数学框架。
知觉是外部刺激经过感知系统处理后形成的内部表征。在人工智能中，这对应于从低级信号处理中输出的结构化数据
由感知器处理后的感官输入所产生的心理表征或解释结果。 …
并行Web系统是指将计算任务划分并在通过网络连接的多台服务器或处理器上同时执行的基础设施设计。这种方法显著提高了处理大规模并发请求的能力，确保在高流量场景下的系统稳定性和低延迟响 …
模式识别是人工智能和统计学的一个分支，致力于识别数据中的规律性。它涉及基于特征将输入数据分类到预定义的类别中，或者发现数据中的聚类结构。该技术广泛应用于计算机视觉、语音处理和数据 …
模式语言是一个形式化的框架，由一组经过验证的、针对设计中常见问题的解决方案组成，特别是在软件工程领域。每个模式描述了一个在特定上下文中重复出现的问题及其核心解决方案，这些模式之间 …
奇偶校验学习是机器学习理论中的一个基准问题，目标是预测一组二进制输入变量的奇偶性（即异或和）。对于标准的浅层前馈神经网络来说，这个问题 notoriously …
在自然语言处理中，文本改写涉及为给定的输入文本生成替代表达，同时保留其原始语义含义。这对于减少抄袭、增强数据多样性以及提高内容可读性至关重要，通常依赖于预训练的语言模型来实现高质 …
P-Tuning（提示微调）是一种旨在以最低计算成本将大型预训练语言模型适配到特定下游任务的技术。与微调所有模型参数不同，P-Tuning 仅优化少量可学习的提示向量，同时保持预 …
PagedAttention 是由 vLLM 项目引入的一项技术，旨在提高大语言模型推理的效率。它解决了管理 KV 缓存时的碎片化和开销问题，通过将 KV 缓存视为非连续的内存块 …
PHerc. Paris. 4 是对一份在赫库兰尼姆的纸草别墅发现的碳化纸莎草卷轴残片的称谓，目前存放于法国国家图书馆。这些卷轴是在公元79年维苏威火山爆发中被掩埋的，内容主要涉 …
POP-11（面向程序的问题解决）是一种多范式编程语言，结合了过程式、面向对象和逻辑编程的特性。它创建于20世纪70年代，成为爱丁堡人工智能学派的核心工具，广泛用于专家系统开发、 …
欧文·埃文斯是一位计算机科学家和教育家，目前与人工智能安全中心（Center for AI Safety）有关联，此前曾在 Anthropic 工作。他因在机械可解释性领域的贡献 …
“Serena达·德阿莫尔行动”是一项开创性的开源项目，应用人工智能分析巴西的公共采购数据。通过利用自然语言处理和异常检测技术，该项目旨在提高公共财政的透明度并打击腐败行为。 …
该术语描述了机器学习的结构化分类，分为监督学习、无监督学习、半监督学习和强化学习。它包括核心算法族，如线性回归、决策树和支持向量机，并涵盖模型评估的关键指标。
对 …
类脑智能（OI）指的是开发生物混合系统的过程，其中人类来源的脑类器官被培养在微电极阵列上。这些活体神经网络执行计算任务，为下一代低功耗认知计算和神经科学研究提供了新的可能性。 …
深度学习概述涵盖了基本结构，如神经网络层、激活函数和损失度量。它详细说明了训练技术，包括反向传播、梯度下降以及特征提取等关键概念，为理解复杂模型提供了基础框架。
…
重叠语音检测（OSD）是语音处理中的一项专门任务，用于定位并发发声的时间间隔。与侧重于“谁在何时说话”的说话人日记不同，OSD专注于检测多人同时说话的重叠区域，以提高自动转录的准 …
由英特尔开发，OpenVINO（开放视觉推理和神经网络优化）允许开发人员将经过训练的深度学习模型高效地部署到英特尔硬件上。它包含一个推理引擎和优化模型的工具链。
光学字符识别（OCR）利用图像处理与模式识别算法来识别数字图像中的文本。它将打印或手写的字符转换为机器编码的数据，从而实现信息的数字化提取。
OCR 是一项将扫描 …
这一概念涵盖了在允许免费访问底层代码的许可下发布的 AI 技术生态系统。它通过使开发人员能够协作和创新，促进了透明度、合作与创新。
开源人工智能是指其源代码公开可 …
在人工智能工程中，可观测性指的是通过分析机器学习系统的外部输出来理解其内部状态的能力。它超越了传统的监控，旨在提供对复杂系统运行状况的深入洞察。
可观测性是衡量能 …
也称为批量学习，离线学习涉及使用先前收集的固定数据集来训练机器学习模型。与在线学习不同，模型不会根据新数据实时更新其参数，而是定期重新训练。
离线学习是一种训练范 …
缩写词NSO的含义取决于具体语境。在技术AI研究中，它可能指神经符号优化，即将神经网络与符号逻辑相结合。然而，它也常指代NSO集团等特定组织。
在人工智能语境 …
目标检测扩展了图像分类的功能，不仅确定存在哪些对象，还确定它们的位置。它输出检测到的项目周围的边界坐标及其类别标签。
一种计算机视觉技术，使用边界框在图像或视频流 …
新式人工智能（Nouvelle AI）指的是一类利用符号表示与分层处理相结合的人工智能系统。与连接主义模型不同，它侧重于结构化推理。
一种符号人工智能方法，强调受 …
新颖性检测是一种机器学习任务，专注于识别不符合预期行为或已知类别的数据点。它通常以无监督方式运行，通过学习正常数据的分布来工作。
一种无监督学习技术，用于识别与已 …
英伟达是人工智能行业的主导力量，主要以其设计的图形处理器（GPU）而闻名，这些GPU加速了深度学习所需的并行计算任务。其CUDA平台…
一家专注 …
在人工智能、机器学习或相关技术领域内，没有已建立的或被广泛接受的称为“Nolot”的定义或概念。它可能是一个拼写错误，或者是一个非常小众的术语。
Nolot 并非 …
该术语常用于讨论人工智能智能体、机器人和虚拟助手的权利、责任和社会融合问题。它强调了生物人类与人工实体之间的区别。
在人工智能伦理和社会学中，“非人类”指拥有代理 …
常见方法包括最小-最大缩放和Z分数标准化。此过程确保具有较大量级的特征不会主导学习算法，特别是在基于梯度的优化中。
归一化是一种数据预处理技术，将数值特征缩放到标 …
该领域通过将神经网络模型实现到机器人控制系统中， bridging 神经科学与机器人学。它允许研究人员测试关于运动控制、感觉处理和认知机制的假设。
神经机器人学研 …
该领域专注于创建模仿人类大脑结构和功能的硬件和软件架构。它包括人工神经网络、类脑芯片以及认知计算等方面。
神经计算是一门结合神经科学、计算机科学和工程的交叉学科， …
神经符号人工智能将亚符号的神经学习方法与基于符号逻辑的推理系统相结合。这种混合方法旨在克服纯深度学习的局限性，例如缺乏可解释性（lack of explainability）和逻 …
神经计算是指人工神经元执行数学运算，将输入信号转化为输出响应的过程。它涉及加权求和、激活函数以及反向传播（backpropagation）。
受生物神经元启发的神 …
神经建模场涉及研究神经群体如何在高维空间中组织自身以表征信息。这一概念通常与拓扑映射（topological mappings）和场论（field theory）相关。 …
神经缩放定律描述了模型性能与其规模（包括数据集大小、参数量和计算预算）之间的可预测的幂律关系。这些定律表明，随着规模的扩大，模型性能会按特定规律提升。
基于数据、 …
神经网络量子态利用深度学习技术来近似复杂的量子波函数。通过将神经网络权重视为优化量子比特（qubits）概率幅度的参数来实现这一目标。
使用人工神经网络架构对量子 …
Muse Spark 是一个开源深度学习框架，旨在高效运行于 Apache Spark 之上。它允许开发人员通过利用分布式集群来训练复杂的神经网络，从而实现大规模并行计算和模型优 …
MXFP4（混合扩展浮点 4 位）是一种专门的数据类型格式，旨在优化 AI 工作负载的性能并减少内存带宽使用。通过允许混合精度操作，它在保持精度的同时显著降低了计算资源消耗。 …
该项目结合 NASA 的地球观测数据与先进的人工智能算法，在全球范围内追踪颗粒物和气体污染物。通过将卫星图像与地面-level 数据整合，实现更精准的空气质量预测和分析。 …
《Nature Machine Intelligence》是一本高影响力的学术期刊，致力于发表关于人工智能各个方面的原创研究。其涵盖的主题范围从基础算法到伦理和社会影响等广泛领 …
母语识别（NLI）是自然语言处理的一个子领域，专注于识别说话者学习的第一语言。与一般的语言检测不同，NLI 分析说话者在发音、语法结构和词汇选择上无意识的母语特征。 …
乘法权重更新法是一种基础的在线学习算法，用于在不确定环境中做出决策。它为不同的策略或专家维护一组权重，并根据其表现动态调整这些权重，从而优化长期决策效果。
一种迭 …
多模态表示学习涉及训练模型以处理和整合来自不同类型数据源（如文本、图像、音频和视频）的信息，将其映射到共享的潜在空间中。
一种同时从多个数据模态中学习统一特征表示 …
多模态情感分析通过纳入面部表情、语音语调肢体语言等额外信号，扩展了传统的基于文本的情感检测。这种整体方法能够更全面地理解用户的情绪状态。
通过整合文本、视觉和听觉 …
多任务优化涉及训练单个模型同时处理几个不同但相关的任务。通过在任务间共享中间表示，模型可以学习到更通用的特征，从而提高泛化能力和效率。
一种训练策略，使模型能够同 …
多元自适应回归样条（MARS）是一种灵活的回归方法，通过拟合分段线性基函数来建模复杂的非线性关系。它会自动选择断点（knots）并构建基函数，以捕捉数据中的局部变化模式。 …
多臂老虎机问题说明了智能体面临的困境：是坚持使用已知的奖励选项（利用），还是尝试新选项以发现可能带来更高奖励的策略。该问题旨在优化长期累积奖励。
多臂老虎机是概率 …
在人工智能领域，多模态描述了模型理解、生成或关联不同感官输入或数据格式信息的能力。与单模态模型不同，多模态模型能够跨越单一数据类型的限制，实现更丰富的语义理解和生成。 …
多模态性代表了使人工智能模型能够处理异构数据流的架构和理论框架。它涉及设计能够接受来自各种来源输入的神经网络，从而实现复杂环境下的综合感知与决策。
多模态性是机器 …
该技术利用相关任务之间共享的归纳偏置来提高学习效率 and 性能。通过训练单个模型同时执行多项任务，模型能够学习到更具通用性的特征表示，从而提升整体表现。
多任务 …
多语言模型旨在无需为每种语言单独构建模型的情况下处理多样化的语言输入。这些系统通常利用共享的词嵌入或跨语言对齐技术，以实现不同语言间的知识迁移和统一处理。
AI中 …
Moshi 是由 Kyutai 创建的高级 AI 模型，它将语音和文本处理整合到一个统一的框架中。与传统系统在处理后转换语音为文本的系统不同，Moshi 学习联合表示。 …
道德外包是指人类将伦理判断和责任让渡给算法或人工智能系统的现象。当人们依赖自动化决策来处理具有重大道德意义的事务时，就会发生这种情况。
个人或组织将道德决策责任委 …
登山车问题是强化学习研究中的标准基准。目标是将一辆动力不足的车控制到陡坡顶部。由于车辆无法直接爬上山坡，智能体需要利用惯性来回摆动以积累动能。
一个经典强化学习任 …
混合专家（MoE）是一种旨在提高效率和可扩展性的机器学习架构。MoE 不使用单个大型模型处理所有任务，而是采用多个较小的“专家”网络。
一种架构模式，通过门控机制 …
模型注册表是 MLOps 中的关键组件，提供用于存储、版本控制和管理的统一仓库。它使团队能够跟踪模型元数据、性能指标等。
用于在整个机器学习生命周期中跟踪和管理模 …
与标准卷积相比，MobileNet 利用深度可分离卷积大幅降低了计算成本和模型体积。这种架构使得在资源受限设备上高效提取特征成为可能。
MobileNet 是一系 …
在 GAN 中，当生成器学会利用判别器的弱点，仅产生少量看似合理的样本，而忽略数据分布的其他模式时，就会发生模式崩溃。这种现象会导致生成多样性严重不足。
模式崩溃 …
索引文件（通常名为 ‘model_index.json’）包含有关模型架构的结构化信息，包括管道类型、子模型和配置路径。它使 Hub 能够正确协调多组件模 …
该类别包括剪枝、量化和知识蒸馏等方法，旨在缩小模型规模的同时保持性能。这对于部署复杂的人工智能模型至关重要，尤其是在资源受限的环境中。
模型压缩是指减少机器学习模 …
Mixin 提供了保存、加载和推送模型到 Hugging Face Hub 等通用方法，无需每种模型架构单独实现这些工具。它们确保了代码的一致性和可维护性。
模型 …
Mistral指的是由法国初创公司Mistral AI创建的强大开源权重LLM系列。像Mistral 7B和Mistral Large这样的模型利用了先进的滑动窗口注意力机制等技 …
Mistral Common是由Mistral AI维护的一个Python包，提供与他们的模型交互的标准化工具。它主要提供必要的分词器实现，用于将文本转换为
一个 …
Mixtral是一款开创性的开源权重LLM，利用稀疏混合专家（MoE）架构。与每个令牌都使用所有参数的密集模型不同，Mixtral将每个令牌路由通
…
混合精度训练（MPT）在神经网络训练过程中结合使用半精度（FP16）和全精度（FP32）数据类型。通过使用FP16处理大多数操作，MPT减少了内存占用并提
一种使 …
虚假信息是指在没有故意造成伤害或欺骗意图的情况下分享的错误或误导性信息。它与蓄意捏造的“恶意谣言”（disinformation）不同。在人工智能语境下
无论是否 …
MindsDB充当传统关系数据库与现代机器学习工作流之间的桥梁。它允许用户使用标准SQL查询创建预测模型，从而消除了在不同工具之间移动数据的需求。
MindsDB …
人工智能的军事应用涵盖了一系列旨在提高作战效能和战略优势的技术。其中包括用于侦察的自主无人机、预测性后勤以及增强指挥官决策能力的智能系统。
这指的是在国防背景下使 …
虽然这不是一个标准的学术术语，但“思维像素”通常指在专业神经技术背景下从神经信号或认知状态中派生的离散信息单位。它可能涉及对大脑活动的细粒度解析。
思维像素是一个 …
在AI工程背景下，微服务允许AI管道的不同组件（如数据预处理、模型推理和结果存储）独立开发、扩展和维护，从而提高系统的灵活性和可扩展性。
微服务是一种架构风格，将 …
元学习专注于设计能够从先前任务中学习以改善在新颖、未见任务上表现的算法。它不是针对每个问题从头开始训练模型，而是优化模型的学习机制，使其具备快速适应新环境的能力。
MediSafe 争议指的是数字健康技术早期关于 MediSafe 应用程序验证方法的一场重大伦理讨论。批评者对用于验证该应用有效性的方法提出了担忧，特别是涉及动物实验的部分，引 …
机械可解释性侧重于逆向工程神经网络，以在单个神经元、权重和电路的层面上理解它们如何计算特定功能。这种方法不将模型视为黑盒，而是试图揭示其内部工作原理，从而提供对模型决策过程的透明 …
手段-目的分析是一种在人工智能和心理学中用于解决复杂问题的认知策略。它涉及将问题的当前状态与期望的目标状态进行比较，识别两者之间的差异，并选择能够最小化这些差异的操作或子目标，从 …
在人工智能中，“元”前缀表示更高层次的抽象，通常涉及自我引用或对核心流程的监督。常见例子包括“元学习”，其中算法学习如何更快地学习新任务；以及“元优化”，即优化优化器本身的过程。 …
最大内积搜索（MIPS）是信息检索和机器学习中的一个基本问题，尤其在推荐系统中应用广泛。与衡量余弦相似度的标准搜索不同，MIPS 旨在最大化向量间的点积值，这通常能更准确地反映用 …
ME-Noughts-and-Crosses Engine（火柴盒可教井字棋引擎）是机器学习的早期演示，具体属于强化学习领域。该系统由304个火柴盒组成，每个盒子代表一个独特的棋 …
矩阵正则化将标量正则化的概念扩展到矩阵，常用于多任务学习或推荐系统。它对权重矩阵的范数施加约束，例如弗罗贝尼乌斯范数或核范数，以鼓励低秩近似或稀疏解，从而提高模型的泛化能力。 …
流形正则化通过结合数据分布的内在几何结构，扩展了传统的正则化方法。它基于以下假设：高维数据点实际上分布在低维流形上，因此模型应遵循该流形的几何特性以保持平滑性。
…
在人工智能的背景下，数学为算法设计和分析提供了理论框架。关键分支包括用于数据表示的线性代数、用于优化的微积分、用于不确定性建模的概率论以及用于数据分析的统计学。
…
掩码生成涉及产生空间或时间掩码，以确定在特定操作期间数据集的哪些元素是可见或激活的。在计算机视觉中，它用于对象分割、图像修复等任务；在自然语言处理中，则用于控制注意力机制。 …
它弥合了原始传感器输入与有意义的语义理解之间的差距，模拟了人类的视觉和听觉等感官。关键技术包括用于物体识别的计算机视觉、语音…
机器感知是指人工智能 …
这些势函数使得分子动力学模拟能够在接近量子力学精度的同时保持经典计算的速度。通过对密度泛函理论（DFT）的高保真数据进行训练，它们允…
一种基于机器 …
这项技术通过允许模型在保留通用知识的同时“忘记”特定用户数据，来解决如GDPR“被遗忘权”等隐私法规问题。其目标是近似于从头重新训…
机器遗忘是指在 …
这一假说解释了尽管存在维度灾难，深度学习为何能高效工作。它表明，尽管图像等数据存在于数百万维的空间中，但它们受到内在结构的约束…
假设高维现实世界数 …
该领域涉及将机器学习技术整合到视频游戏制作流程中，以实现资产创建的自动化、平衡游戏机制以及生成动态内容。其应用范围包括使用强化学习来…
将机器学习算 …
机器学习通过处理卫星图像、地震数据和气候记录来增强地球科学研究，从而模拟复杂的环境系统。这些技术有助于预测天气模式、监测冰川融化以及管理自然资源。
使用机器学习算 …
机器学习控制将自适应算法与传统控制系统集成，以处理非线性或不确定环境。与静态控制器不同，这些系统能够从运行数据中学习并调整策略，从而在动态变化的环境中保持最优性能。 …
该领域将机器学习技术与自然语言处理和数据挖掘相结合，旨在将原始数据转化为可操作的知识。它涉及训练模型以识别实体、关系等关键要素，从而从复杂的数据中提取有价值的洞察。 …
这一跨学科领域利用机器学习处理海量的生物数据，使研究人员能够预测基因功能、对疾病进行分类以及理解分子间的相互作用，从而加速生物医学研究的进程。
应用计算模型分析生 …
在物理学中，机器学习有助于模拟量子力学、分析高能碰撞数据以及发现新材料。它帮助物理学家在高维参数空间中导航，并从庞大的实验数据集中提取细微的模式和规律。
应用机器 …
在现代AI术语的背景下，Lyra通常指专注于通过自然语言处理增强用户交互的专用AI系统。它可能指代一个开源的大型语言模型开发
Lyra 指代各种人工智能倡议或模 …
MAUVE 是一种统计度量，旨在评估生成语言模型的输出在多大程度上类似于人类语言使用习惯。与简单的困惑度分数不同，MAUVE 使用虚拟嵌入
MAUVE（基于虚拟嵌 …
MLOps 使组织能够可靠且高效地在生产环境中部署和维护机器学习模型。它包括数据和模型的版本控制、自动化测试、持续集成等
MLOps（机器学习运维）是一套结合机器 …
虽然主要是一个理论物理概念而非计算机科学概念，但M理论偶尔被引用到高级计算模拟和量子计算研究中。它表明
M理论是物理学中的一个理论框架，统一了五种不同版本的弦理 …
琳达·索德霍姆是科技领域的知名人物，特别以其在人工智能开发与道德治理交叉领域的工作而著称。作为企业责任的领导者，
琳达·索德霍姆（Lynda Soderholm） …
LocateAnything 是一个多功能计算机视觉框架，能够基于自然语言提示或通用先验知识，检测并分割图像中的物体。它利用预训练的基础模型泛化能力，实现零样本环境下的精准定位与 …
Ltx Video 代表了视频生成式 AI 的进步，利用潜在空间扩散过程创建连贯的运动和视觉细节。它解决了视频生成中常见的闪烁和不一致问题，确保生成的视频在时间维度上保持平滑和逻 …
彩票假设指出，在一个大型随机初始化的神经网络中，存在一个稀疏的子网络（即“中奖彩票”），其初始化状态非常适合训练。通过剪枝掉不重要的权重，仅保留并训练这个子网络，可以在不损失性能 …
局部病例对照采样是一种主要用于训练对比学习模型或推荐系统的策略。它不是随机选择负样本，而是识别出与正例在嵌入空间中距离较近、难以区分的“困难负例”，从而提升模型的判别能力。 …
长上下文指的是基于 Transformer 的模型处理极长输入长度的能力，通常超过标准的 2k 或 4k 标记限制。这种能力使模型能够分析完整的文档、代码库或长文本，保持全局一致 …
Llama 2 由 Meta AI 于 2023 年 7 月发布，代表了开源权重大型语言模型的显著进化。它提供了从 70 亿到 700 亿参数的预训练和微调变体，
Llama 3 于 2024 年 4 月推出，建立在 Llama 2 的成功之上，在性能和能力方面有了实质性提升。该模型系列包括 80 亿和 700 亿参数的版本， …
Llama 3.1 于 2024 年 8 月发布，将 Llama 家族扩展至包含一个庞大的 4050 亿参数模型以及较小的 80 亿和 700 亿变体。其突出特点是扩展的上下文窗 …
LlamaIndex 原名 GPT Index，是一个强大的数据框架，使 LLM 能够摄入并与结构化和非结构化数据进行交互。它提供用于索引、查询和管理
运行本地 LLM 涉及直接在消费级硬件（如 PC、Mac 或本地服务器）上部署开放权重模型。这种方法消除了对第三方 API 提供商的依赖，确
本地 LLM 指的是 …
Llama（Large Language Model Meta AI）是 Meta 发布的一系列基础大型语言模型。与许多专有模型不同，Llama 模型通常以开放权重的形式发布，允 …
代码检查工具是一种在不执行源代码的情况下对其执行静态分析的实用程序。它检查语法错误、潜在漏洞、代码异味以及偏离风格指南或最佳实践的情况。
用于标记编程错误、漏洞、 …
这些指的是有组织的资源库，例如 GitHub 主题、Awesome 列表或社区维护的维基，它们汇总了与人工智能相关的开源软件。它们作为发现相关资源的重要入口。
整 …
线性可分性是指不同类别的数据点可以通过线性边界（如二维空间中的直线或高维空间中的超平面）完全分离的几何条件。
数据集的一种属性，指两个类别可以被一条直线或超平面完 …
在统计建模和机器学习中，线性预测函数表示输入特征的加权和加上偏置项。它是广义线性模型（GLM）的核心组成部分。
一种计算输入变量的线性组合以预测结果的数学函数。 …
留一法交叉验证（LOOCV）是k折交叉验证的一种特殊情况，其中k等于数据集中的样本数量。它提供了对模型性能的近乎无偏的估计，因为每次训练都使用了尽可能多的数据，从而最大限度地减少 …
“说谎者红利”指的是由高级生成式人工智能（特别是深度伪造技术）带来的社会风险。随着合成媒体变得与现实难以区分，恶意个人可以声称真实的视频或音频是伪造的，从而为其不当行为提供合理的 …
在动态系统和时间序列分析中，相关性寿命衡量两个变量保持显著统计依赖性的持续时间。这一概念对于理解模型随时间推移的性能下降至关重要，特别是在金融、气象和物联网等领域，其中变量之间的 …
有限记忆AI代表了AI能力的第二个层次，系统可以从历史数据中学习并相应地调整其行为。与反应式机器不同，这些系统保留有关先前交互的信息，并利用这些信息来改进未来的预测或决策，例如通 …
终身规划A*（LPA*）是为成本随时间变化的环境设计的A搜索算法的扩展。与重新启动搜索不同，LPA维护一个优先级队列并仅更新受更改影响的节点，从而显著提高了在动态图环境中重新规划 …
在统计学习理论中，可学习函数类代表了算法可用的假设空间。它定义了模型潜在能够捕捉的模式或映射的范围，决定了模型的表达能力和泛化潜力。
可学习函数类是由特定模型架构 …
与标准的分类或回归不同，排序学习侧重于预测项目的相对顺序。它使用成对、列表或点式方法来最小化排名误差（如NDCG），从而优化检索结果的质量。
排序学习是一种监督机 …
数据泄露是机器学习中的一个关键错误，指模型在训练过程中获取了在预测时无法获得的信息。这通常是由于不恰当的数据处理（如未正确划分训练集和测试集）造成的。
当训练数据 …
通常，学习曲线在y轴上显示训练得分和验证得分，在x轴上显示训练样本数量或迭代次数。它有助于诊断模型是否存在高偏差（欠拟合）或高方差（过拟合）问题。
学习曲线将模型 …
这一概念源于强化学习，涉及智能体与未知环境的交互。自动机从有限集合中选择动作，并接收表示成功或失败的惩罚或奖励信号，从而调整其策略。
学习自动机是一种简单的随机决 …
标注数据由输入样本及其对应的真实标签组成，是监督机器学习的基础。它允许算法学习输入与输出之间的映射关系。
在输入特征旁边提供正确输出或目标值的数据。
层归一化通过减少内部协变量偏移来稳定训练过程，尤其在循环神经网络和Transformer架构中非常有效。与依赖于批次统计信息的批归一化不同，层归一化不依赖于批次大小。 …
惰性学习者（如k近邻算法）会记住整个训练数据集，仅在做出预测时才进行计算。这与急切学习形成对比，后者会在训练阶段构建一个通用模型。
一种学习方法，将泛化推迟到分类 …
植根于言语行为理论和语用学，这一视角强调话语如何执行请求、承诺或命令等功能。在自然语言处理中，它指导了意图理解和对话生成的设计。
一种理论框架，主要将语言视为一种 …
“最后一公里"问题指的是将模型部署到生产环境中时遇到的挑战，包括与现有基础设施的集成、确保低延迟推理以及处理边缘计算场景。
将AI解决方案从 …
Kubernetes（通常缩写为K8s）是一个由Google开发的容器编排系统。它自动化了应用程序容器在集群中的部署、扩展和操作。通过提供声明式配置和服务发 …
标签噪声指的是数据实例的真实类别标签与训练数据集中提供的标签之间的差异。这可能源于人工标注错误、模糊的数据点或数据采集过程中的缺陷。标签噪声会降低模型的泛化能力和准确性，因此研究 …
“大模型作为裁判”（LLM-as-a-Judge）是一种评估范式，其中大语言模型充当其他模型输出质量的自动化评估者。这种方法旨在减少对人工标注员或严格规则匹配的依赖，通过提示工程 …
基于知识的系统（KBS）是人工智能的一个分支，它将特定领域的知识整合到计算机系统中，以执行通常需要人类专业知识的任务。它们通过将领域专家的知识编码为规则和事实，结合推理机制，模拟 …
柯尔莫哥洛夫-阿诺德网络（KANs）是一类受柯尔莫哥洛夫-阿诺德表示定理启发的新型神经网络。该定理指出任何多元连续函数都可以表示为有限个一元连续函数的复合。与传统神经网络在连接上 …
该方法在知识库中采用约束满足技术，以确保组装的产品符合所有技术和客户要求。它通过编码规则来防止无效的组合。
一种自动化过程，利用领域特定的知识库，根据用户约束生成 …
与依赖过去用户行为的协同过滤不同，KBRS 使用关于物品和用户偏好的显式知识来推导推荐结果。它在数据稀疏的市场中特别有效。
一种通过推理显式领域知识和用户约束来生 …
由艾伦·纽厄尔提出，知识层基于智能体的信念和目标来分析智能系统，独立于其物理实现。它将智能体行为的理性与其底层实现分离开来。
一种抽象的设计视角，关注智能体“知道 …
知识集成涉及从不同来源（如数据库、本体和未结构化文本）合并数据，形成连贯的模式。它解决了语义异质性和不一致性问题。
将异构知识源合并为统一、一致表示的过程，以增强 …
知识图谱嵌入方法（如 TransE 或 DistMult）将离散的图结构转换为低维稠密向量。这使得机器学习模型能够执行数学运算，从而进行链接预测等任务。
一种将知 …
Kimi K2 代表了月之暗面大型语言模型系列的一次重大迭代。其特点在于增强了复杂逻辑推理和数学问题解决能力。
Kimi K2 是由月之暗面（Moonshot …
Kimi K25 是月之暗面 Kimi 模型家族中的一个先进迭代版本。它在 Kimi K2 等先前版本的基础上，提供了推理速度等方面的改进。
Kimi K25 是 …
知识编译是指人工智能中的一类技术，它将知识库或逻辑理论转换为不同的表示形式，从而促进更快的操作，如可满足性检查。
知识编译是将知识表示转换为更高效形式的过程，以便 …
知识截止期定义了语言模型训练数据的时空边界。在此日期之后发生的任何信息、事件或发展，模型通常都不知晓。
知识截止期是指语言模型未进行训练的具体日期，因此缺乏该日期 …
知识蒸馏是一种机器学习方法，用于将庞大复杂的神经网络（教师模型）压缩为更小、更高效的网络（学生模型）。学生模型经过训练以模仿教师模型的行为。
知识蒸馏是一种模型压 …
KAoS是一个智能代理框架，专为处理大规模分布式企业系统的复杂性而开发。它采用基于策略的方法，将高层管理目标转化为具体的执行策略，从而实现IT基础设施的自动配置、监控和管理，提高 …
K线（在西方市场常称为蜡烛图）是一种图形化表示证券、衍生品或货币价格动态的方法。它展示了四个关键数据点：开盘价、收盘价、最高价和最低价，帮助投资者分析市场趋势和价格行为。 …
分布的核嵌入允许将概率对象视为再生核希尔伯特空间（RKHS）中的点。通过将分布映射到高维特征空间，可以将复杂的概率比较问题转化为简单的向量代数运算，如计算均值嵌入之间的距离，从而 …
核密度估计（KDE）是一种基本的统计技术，通过对离散数据点进行平滑处理，生成连续的概率分布曲线。它在每个数据点处放置一个核函数（通常为高斯核），并将这些核函数叠加起来，从而估计出 …
《机器学习研究期刊》（JMLR）是一本著名的开放获取出版物，是传播机器学习领域严谨科学发现的主要平台。它涵盖理论、应用及机器学习的所有方面，旨在促进该领域的学术交流与知识共享。 …
在凸几何和高维概率中，如果一组点或凸体的质心位于原点，且其协方差矩阵是标量乘以
凸体的一种几何变换，使其惯性矩阵与单位矩阵成比例，从而简化分析。
在强化学习中，内在动机驱使智能体通过寻求新颖性、减少不确定性或掌握技能来探索其环境，而不依赖于外在的任务奖励。这种机
强化学习中的一个概念，指智能体基于内部好奇心 …
这一短语代表了人工智能伦理和治理中的一个关键问题，促使利益相关者评估部署的人工智能技术是否符合人类价值观和公共利益。它涉及审查
一种批判性的伦理框架，用于根据社会 …
智能决策支持系统（IDSS）将机器学习、自然语言处理等人工智能技术与传统决策支持框架相结合。它
一种增强型人工智能系统，通过分析数据并提供可操作的见解，协助人类进 …
智能文字识别是指由神经网络驱动的高级光学字符识别（OCR）技术。它超越了简单的模式匹配，通过理解上下文并处理n
利用人工智能算法（特别是深度学习）准确识别和解读来 …
指令遵循是指大型语言模型及其他AI系统理解细微的人类指令并在提示词中遵守明确约束的能力。这一范式转变
AI模型准确解释并执行特定人类命令或约束的能力。
智能控制采用模糊逻辑、神经网络和遗传算法等人工智能方法来调节那些传统数学建模不足或
利用AI技术来管理复杂、非线性或不确定动态过程的控制系统的统称。
智能数据库利用机器学习和AI增强标准数据库功能，超越简单的存储和检索。它可以自动优化查询性能，预测用户
集成AI能力以自动化数据管理、查询优化和洞察生成的数据库系 …
智能体是一种能够通过传感器或数据输入感知周围环境，使用推理算法处理这些信息，并通过执行器对环境采取行动的系统
一种自主的软件实体，能够感知环境、推理行动并执行任务 …
智能自动化将传统的机器人流程自动化（RPA）与机器学习及自然语言处理等先进AI技术相集成。虽然RPA处理基于规则的结构化
将人工智能与机器人流程自动化相结合，以处 …
也称为基于记忆的学习，该技术不在训练期间构建泛化模型。相反，它存储整个训练数据集。当需要预测时，它会找到最相似的。
一种惰性学习方法，通过将新输入与存储的训练实例 …
在机器学习中，实例指数据集中的一个具体示例。它由一组输入特征（属性）和潜在的目标标签组成。实例是基本单位。
用于机器学习任务的单个数据样本或观测值，通常表示为特征 …
实例选择旨在通过移除冗余或噪声数据点来提高计算效率和模型性能。与特征选择不同，它作用于数据集的行。其目标。
一种预处理技术，通过选择代表性实例的子集来减小数据集的 …
这一概念涉及分析机器学习模型中表示结构的特性。它关注数据点在高维空间中的分布、聚类或分离情况。
考察数据表示所在空间的几何和拓扑性质。
该理论认为，学习本质上是一个概率推断的过程。学习者不是通过死记硬背来记忆数据，而是维护一个关于可能模型或假设的概率分布。
一种将学习视为贝叶斯推断的框架，即根据观 …
Inception Score（IS）是一种引入用于评估生成对抗网络（GANs）及其他生成模型性能的统计度量。它结合了两个因素：图像质量（清晰度）和多样性。
一种 …
增量启发式搜索指的是通过启发式算法引导，逐步细化候选解的算法，这些启发式算法估计到达目标所需的成本。与穷举搜索不同，这些方法…
一种搜索策略，利用启 …
归纳偏置代表了内置于机器学习模型中的固有偏好或约束，使其能够从训练数据泛化到未见过的数据。如果没有这些偏置，模型将无法…
学习算法用于预测训练期间未 …
归纳概率量化了在观察到的证据下假设为真的可能性，承认结论是概率性的而非确定性的。它是贝叶斯推断的基础，在贝叶斯推断中…
衡量证据支持假设程度的指标， …
归纳编程，通常称为程序合成，涉及基于作为输入-输出对提供的规范创建软件代码，而不是显式指令。系统从示例中推断出逻辑…
程序合成的一个领域，根据输入- …
Imatrix（Importance Matrix，重要性矩阵）是一种主要与基于GGML的大语言模型（LLM）训练和量化相关的技术。它计算损失函数关于模型参数的二阶导数（即海森矩 …
非真实文本（Inauthentic text）指的是由人工智能系统或怀有欺骗意图的人类产生的书面材料，缺乏真实的人类经验或事实依据。它包括AI生成的垃圾邮件、捏造的新闻文章、虚假 …
图像到视频（Image To Video）技术接收单个静态帧，并预测后续帧以生成连贯的视频序列。这涉及对时间一致性和物理动力学的建模，以确保生成的视频在视觉上自然流畅。该技术允许 …
图像到图像（Image To Image, I2I）涉及使用深度学习模型（如生成对抗网络GANs或扩散模型）将一张图像转换为另一张图像。与简单的滤镜不同，I2I可以极大地改变外 …
图像文本到文本（Image Text To Text）指的是处理视觉输入并结合文本查询以产生连贯自然语言输出的模型。这些系统通常被称为视觉-语言模 …
INDIAai 在电子信息技术部之下建立，作为人工智能资源、政策和倡议的中心枢纽。它旨在促进学术界、工业界和政府之间的合作，推动印度 AI 生态系统的发展。
这种做法涉及将大型语言模型等 AI 模型连接到 VS Code 或 IntelliJ 等软件开发环境。它实现了智能代码补全、自动重构等功能，从而提升开发效率和用户体验。 …
该领域研究想法形成、组合和演变的背后过程。它应用结构化技术来增强创造力和解决问题的能力。在人工智能背景下，思想学可用于构建自动化创意生成系统。
思想学是研究创意生 …
图像到图像（I2I）翻译涉及使用深度学习方法（如生成对抗网络 GAN 或扩散模型），将源域中的像素映射到目标域。它允许进行风格迁移、语义分割等操作，实现不同图像域之间的转换。 …
这一范式利用 Stable Diffusion 或 DALL-E 等模型，根据文本提示或其他输入生成高质量图像。它涉及学习复杂的数据分布，以合成逼真的视觉内容。
…
与模型参数（权重和偏置）不同，后者是在训练过程中从数据中学习得到的，而超参数是实践者在训练开始前选择的外部设置。它们控制着模型的结构、学习过程以及正则化强度等关键方面。 …
超参数调优涉及评估不同的超参数集，以找到能产生最高模型准确率或最低错误率的配置。常见的策略包括网格搜索、随机搜索以及基于贝叶斯优化的方法，旨在通过迭代改进来寻找最优解。 …
超参数优化（HPO）指的是自动化选择超参数的更广泛领域。虽然“调优”是一个通用术语，但“优化”通常暗示使用复杂的算法（如贝叶斯优化）来高效地探索超参数空间，从而在有限的计算资源下 …
混合搜索整合了两种不同的检索方法：捕捉语义含义和上下文的稠密向量搜索，以及匹配确切术语的稀疏向量（关键词）搜索。通过利用这两种方法的互补优势，混合搜索能够显著提升检索结果的质量。 …
混合智能系统（HIS）融合了不同的人工智能范式，通常将连接主义方法（如神经网络）与符号方法（如专家系统或模糊逻辑）相结合。这种集成旨在利用各自的优势，克服单一范式的局限性，从而更 …
Hugging Face 是一家知名公司兼在线平台，已成为开源人工智能生态系统的核心。它提供了庞大的预训练模型、数据集和演示应用程序库。
一个领先的平台和社区，为 …
人工监督是指人类监控、评估并介入由人工智能驱动的决策或行动中的机制和流程。这一概念对于确保自动化系统安全运行至关重要。
在自动化人工智能系统中保持人类控制和审查的 …
人机交互（HAI）是一门跨学科领域，考察人与人工智能技术之间的动态关系。它专注于设计直观的界面、通信协议和协作…
研究人类如何与人工智能系统进行沟 …
人类问题解决涵盖了人类用来应对挑战的多方面认知能力，从简单任务到抽象的概念困难。与算法方法不同，人类…（原文截断，此处翻译现有部分）
个人运用推理、 …
以人为本的人工智能是一种设计哲学，将人类置于人工智能发展的核心。它强调创建透明、公平且对社会有益的系统，而非…
一种人工智能设计与开发方法，在整个系 …
方向位移直方图（HOD）是一种用于视频分析的特征提取方法，它将HOG（方向梯度直方图）的概念扩展到时间维度。它在光流向量中计算位移的方向和幅度分布，从而能够有效地描述视频片段中的 …
分层风险平价（HRP）是一种投资组合构建方法，通过纳入相关性结构来解决传统均值-方差优化的局限性。它利用层次聚类算法对资产进行分组，并基于聚类树状图在层级结构中分配风险，从而避免 …
分层可导航小世界（HNSW）算法构建了一个多层图结构，其中每一层包含下一层节点的子集。导航从顶层开始，逐步向下移动到更详细的层级，直到找到最近的邻居。这种方法结合了小世界网络的快 …
分层控制系统将控制逻辑组织成多个层级，通常从高层战略规划到低层实时执行。高层定义目标和约束条件，低层负责具体的执行和反馈。这种架构有助于简化复杂系统的控制设计，提高模块化和可扩展 …
高速公路网络旨在通过引入自适应门控来控制信息流，从而解决深度学习中的梯度消失问题。类似于LSTM单元，这些门允许网络决定保留多少原始输入信息以及多少经过变换的信息。这使得训练非常 …
在一般语言处理语境中，“haw”是一种非正式的感叹或犹豫声。虽然它不代表人工智能中的核心算法概念，但自然语言处理模型需要…
一种在非正式数字通信中常 …
HF ASR 排行榜是由 Hugging Face 托管的一个社区驱动指标平台，追踪自动语音识别领域的最新性能表现。它允许研究人员和开发者…
该短语指的是一部特定的文学作品，考察人类如何在快速的技术进步中保持相关性和尊严。在人工智能话语中，它作为一个文化参考点…
一本探讨人性与技术交汇处的 …
隐藏层由神经元组成，这些神经元接收来自前一层层的输入，应用权重和偏置，并通过激活函数将转换后的数据传递到下一层。这些层使神经网络能够…
神经网络中输 …
有害内容是指可能造成身体、心理或社会损害的数字媒体或文本。在人工智能安全领域，检测并过滤此类内容至关重要，以防止模型生成…
对个人或社会构成风险的信 …
H2O是一个广泛使用的开源内存中平台，用于分布式、可扩展的机器学习和预测分析。最初由两名哈佛大学博士生开发，它提供了一个统一的框架，支持从传统机器学习到深度学习的 …
Halite是由Two Sigma公司主办的年度AI编程竞赛，开发者在此创建自主代理以在网格上进行回合制策略游戏。目标包括收集资源、种植树木、生产单位以及与其他玩家的代理进行战 …
哥德尔机是由于尔根·施密德胡伯提出的假设性通用问题求解器，基于形式逻辑和可计算性理论。它通过持续分析自身的源代码来寻找更高效的算法实现方式，并在证明新代码能带来更高效用时进行自我 …
护栏指的是一组集成在人工智能应用（特别是大型语言模型）中的软件控制和策略执行层，以确保安全且合规的行为。它们充当过滤器，拦截不当输入并规范输出结果，从而降低风险。
人工智能硬件指的是针对机器学习工作负载所需的巨大并行处理能力进行优化的专用计算设备。这包括用于通用并行计算的图形处理器（GPU），以及专门针对张量运算定制的张量处理单元（TPU） …
Grok是由埃隆·马斯克的公司xAI创建的大型语言模型聊天机器人。它主要面向X平台（前身为Twitter）的订阅用户开放。Grok的独特之处在于其实时访问社交媒体数据的能力，这使 …
Grok-1是xAI于2023年11月发布的开创性产品。它是一个仅解码器（decoder-only）的基于Transformer架构的大型语言模型，拥有约330亿个参数。值得注意 …
顿悟学习（Grokking）是指深度学习中观察到的一种反直觉行为：模型在训练数据上长时间过拟合，表现出较差的泛化能力，但在经过漫长的训练周期后，突然在测试集上实现近乎完美的泛化。 …
在人工智能中，“接地”（Grounding）指的是将符号表示或生成的文本与具体的现实世界实体、数据或感官体验联系起来的过程。对于语言模型而言，这通常涉及检索增强生成（RAG），即 …
GPU（图形处理器）是一种高性能处理器，最初是为处理图形渲染任务而开发的。与拥有少量针对顺序串行处理进行优化的核心的CPU不同，GPU包含数千个核心，使其能够同时执行大量计算任 …
生成式预训练 Transformer 2（GPT-2）是一个自回归语言模型，它利用 Transformer 架构来生成类人文本。它在海量的互联网文本数据集上进行了训练。 …
由 Facebook 开发，GraphQL 提供了对 API 中数据的完整且易于理解的描述，赋予客户端只请求所需数据的能力。它取代了传统的 REST API 模式，减少了过度获取 …
这种方法通过将数据分组为更高层级的实体或“粒”，而不是处理单个元素，从而模仿人类的认知过程。它涵盖了粗糙集、模糊逻辑等技术。
粒计算是一种在不同抽象层次上处理信息 …
这种优化策略允许深度学习模型使用超出 GPU 显存容量的有效批量大小进行训练。通过从多个小批量中累积梯度并执行权重更新，可以实现这一目标。
梯度累积是一种通过在前 …
该领域起源于理论计算机科学和语言学，将经典的乔姆斯基层级概念扩展到多组件系统。它研究了多个语法或组件如何相互作用以产生复杂的计算行为。
语法系统理论是形式语言理论 …
Google Colaboratory（通常简称为 Colab）是一项托管的 Jupyter Notebook 服务，无需进行任何设置即可使用，并提供免费的计算资源访问权限，包括 …
Google Research 是谷歌有限责任公司的学术和工业研究部门，专注于在人工智能、自然语言处理和量子计算等领域突破技术边界。
谷歌致力于通过基础和应用研究 …
GPT Bigcode 通常与 StarCoder 等模型相关联，代表了编码辅助人工智能的重大进步。这些模型在庞大的公共代码库上进行预训练，以理解编程语言的语法和语义。 …
GPT OSS 通常指专有生成式预训练 Transformer 模型的开源替代品或衍生项目。这些项目允许开发者访问、修改和部署大型语言模型。
指可供公众修改和分发 …
AI 治理是指管理人工智能创建、使用和审计的一套规则、指南和机构结构。它涵盖法律合规性、伦理考量以及风险管理。
为确保人工智能系统以负责任和合乎道德的方式开发和部 …
在人工智能、机器学习或计算机科学领域，并不存在名为“Gibberlink”的既定概念、技术或方法论。它可能是一个拼写错误，或者是虚构的概念。
Gibberlink …
在统计建模中，GLM 代表广义线性模型（Generalized Linear Models），它将线性回归扩展到允许响应变量具有正态分布以外的误差分布模型。在人工智能领域，GLM …
不存在单一的标准术语“GLM MoE DSA”。然而，它很可能结合了 GLM（一种特定的大型语言模型架构）、MoE（混合专家，一种通过仅激活部分专家来高效扩展模型规模的技术） …
人工智能术语表作为参考文档，定义了该领域的专业术语、缩写和概念。它有助于研究人员、开发者和学生理解复杂的技术内容，并促进学术交流的一致性。
人工智能术语表是人工智 …
Google Clips 是谷歌开发的一款消费电子产品，它利用设备端的机器学习来识别有趣的场景和主体（如人脸或宠物），并自动拍摄照片或视频。该产品旨在简化摄影过程，让用户专注于体 …
Genie指的是一类专为视频合成设计的生成模型家族。由包括Google DeepMind研究人员在内的团队开发，这些模型旨在根据给定的输入（如文本描述或起始图像）生成连贯的视频序 …
“创世使命”通常指组织内旨在为高级AI能力奠定基础的战略性阶段或项目。这涉及搭建核心基础设施、定义开发标准以及确立伦理准则。该阶段的目标是确保AI系统的引入是可持续、合规且符合组 …
几何特征学习专注于处理具有非欧几里得结构的数据，例如社交网络、分子图或3D网格。传统的卷积神经网络难以直接应用于此类数据，因此该技术利用图神经网络（GNNs）和流形学习等方法，保 …
生成模型是旨在理解给定数据集中模式和结构的算法，以便创建与原始数据相似的新数据实例。与判别模型不同，生成模型不仅区分数据类别，还学习数据本身的联合概率分布，从而能够“创造”新的数 …
这一概念指企业在内容创作、客户服务和数据分析等必要任务中，在战略和运营层面对生成式AI模型产生的依赖。随着采用率的提高，这种依赖性使得企业在系统中断、输出错误或安全漏洞面前变得脆 …
Gemma 模型旨在为研究人员和开发者提供高效且易于访问的体验。它们提供多种尺寸，包括 2B 和 7B 参数版本，允许在各种硬件上进行部署。
Gemma …
截至目前的知识，并没有官方发布的专门命名为“Gemma4”的模型，它与现有的 Gemma 2 系列不同。它可能指的是一种推测性的未来发布，或者是特定的内部… …
这些系统（包括大型语言模型和扩散模型）不仅仅是检索现有信息，而是合成新颖的输出。它们学习其训练数据的底层结构和风格…
生成式人工智能是一种能够基于从 …
与传统回归模型仅关注均值不同，GAMLSS 对整个分布进行建模，包括位置（均值/中位数）、尺度（方差）、偏度和峰度。它使用广义…
GAMLSS 是一 …
这一社会技术概念突出了女性与女孩在数字设备访问、互联网连接和数字素养技能方面往往少于男性和男孩的差异。这些差…
性别数字鸿沟是指男性与女性在获取、使 …
Galaxy AI是三星专有的AI功能生态系统，旨在通过增强其硬件产品线（主要是智能手机）的用户体验来发挥作用。它包括实时翻译等功能。
三星对其集成在 …
GPT-5.6指的是OpenAI大型语言模型谱系中一个推测性的或即将推出的版本。虽然具体细节可能因开发时间线的不同而有所差异，但此类迭代通常体现了技术的进一步演进。 …
博弈论是应用数学的一个分支，用于建模理性主体之间的战略互动。它分析了其中一个参与者的成功取决于其他人选择的情境。关键概念包括纳什均衡等。
对理性决策者之间战略互动 …
加贝分离定理是数学逻辑中的一个基本概念，特别是在时序逻辑和模态逻辑的研究中。它提供了在何种条件下逻辑系统可以被分解或分离的条件。
非经典逻辑中的一个结果，指出某些 …
门控循环单元（GRU）是一种专门的循环神经网络（RNN）单元，旨在捕捉序列数据中的长期依赖关系。它简化了长短期记忆（LSTM）架构。
一种使用门控机制控制信息流动 …
FrontierMath是一个专门的评估套件，用于测试大型语言模型在复杂数学问题解决方面的极限。与标准的算术基准不同，它侧重于高水平（high-scoring）的数学推理能力评 …
GDPR合规性是指AI开发者必须实施的法律和技术措施，以保护欧盟境内个人的个人数据。对于AI系统而言，这涉及数据最小化、目的限制等原则，以及确保算法透明度和用户权利的实现。 …
GGUF（GPT-Generated Unified Format，GPT生成统一格式）是一种专为在消费级硬件上运行大型语言模型而设计的二进制文件格式。它支持各种量化技术，允许模 …
GOLOG是一种基于逻辑的编程语言，主要用于人工智能领域，用于在动态环境中进行规划和行动。它建立在Reiter的情境演算之上，允许开发人员指定动作序列并推理动态领域的变化。 …
模糊智能体运行在数据往往具有歧义或不完整的环境中，采用模糊逻辑系统而非二元真假状态。通过使用隶属函数和语言变量，它能够更灵活地应对现实世界中的不确定性。
一种利用 …
8位浮点数（FP8）是一种数值数据类型，在现代AI硬件上进行了专门优化，以在计算效率和准确性之间取得平衡。它减少了内存带宽需求并提高了吞吐量，特别适用于大规模语言模型训练和边缘设 …
在AI术语的语境中，“基础原理”通常用于描述定义AI模型如何解释输入并生成输出的核心功能本体或基础逻辑结构。它构成了AI系统运作的基石，确保了系统行为的可预测性和一致性。 …
力控制使机器人能够通过主动管理接触力而非仅仅控制位置，来执行组装、抛光或抓取易碎物体等精细操作。与纯位置控制不同，力控制允许机器人在遇到阻力时进行适应性调整，从而避免损坏物体或自 …
这一概念涉及设计具有前瞻性能力的AI系统，使其能够模拟潜在结果并主动适应变化。它整合了预测分析、情景规划和风险管理，旨在提高系统的鲁棒性和决策质量，从而在问题发生前进行干预。 …
FCA为分析对象与其属性之间的关系提供了严谨的框架，最终形成一种称为概念格的层级结构。它广泛应用于知识发现、数据挖掘和语义网开发，帮助理解复杂数据结构中的内在联系。 …
反馈神经网络（也称为循环神经网络 RNN）包含允许信号传播回之前层的环路。这种递归性使网络能够维持内部状态，从而处理序列数据和时间依赖关系。
一种连接形成有向循环 …
基于流的生成模型通过对简单的基分布（如高斯分布）应用一系列可逆且可微的变换来构建复杂的概率分布。由于变换是可逆的，模型可以精确计算似然值，便于密度估计和采样。
一 …
当评估真实适应度函数在计算上昂贵或耗时较长时，适应度近似被用于进化计算中。与其计算精确值，不如使用代理模型来估算适应度，从而加速搜索过程并减少资源消耗。
进化算法 …
微调是指采用已在大型通用数据集上训练好的模型，并在较小、特定领域的数据集上继续训练的技术。这使得模型能够保留通用知识的同时，针对特定任务进行优化和适配。
在特定数 …
掩码填充是 BERT 等基于 Transformer 模型中使用的一种基本预训练目标。该过程涉及掩盖文本序列中的随机标记，并训练模型预测被掩盖的原始标记，从而学习语言的深层语义表 …
前馈网络（FFN），也称为多层感知机（MLP），通过从输入层到输出层的神经元层顺序处理数据，没有反馈回路。每个神经元接收输入信号的加权总和，并通过激活函数进行处理，将结果传递给下 …
特征存储在数据工程和机器学习团队之间起到桥梁作用，为批量训练和实时推理提供统一的特征视图。它通过确保训练时使用的特征与在线推理时使用的特征完全一致，解决了训练-服务偏差问题，并支 …
特征哈希，也称为哈希技巧（hashing trick），允许机器学习模型处理大型稀疏特征空间，而无需维护特征与索引之间的显式映射。通过应用哈希函数，模型可以直接将任意特征映射到固 …
特征缩放通过标准化输入变量的范围，防止量级较大的特征主导学习过程。常见方法包括归一化（最小-最大缩放）和标准化（Z-score标准化）。这一预处理步骤对于基于距离的算法和梯度下降 …
特征学习通常与深度学习相关联，使模型能够直接从原始输入数据中学习分层表示，而不是依赖人工特征工程。通过多层网络结构，模型可以自动提取从低级到高级的抽象特征，从而减少对领域专家手动 …
Facebook（现隶属于Meta Platforms Inc.）是人工智能研究与应用的领军力量。它拥有海量的用户生成数据，这些数据被用于训练机器学习模型。
一家 …
Falcon指的是由技术创新研究所（TII）创建的一系列强大大型语言模型（LLM）。这些模型（如Falcon-40B和Falcon-180B）旨在与专有模型竞争。
在机器学习中，特征是描述数据集中某个实例的独特属性或变量。特征可以是数值型、类别型或文本型，它们构成了机器学习模型的基本输入要素。
被观察现象的单个可测量属性或特 …
特征工程是利用领域专业知识，将原始数据转换为更能代表底层模式的特征的艺术。该过程包括创建新变量、转换现有数据以及选择最具预测力的特征，从而提升算法效果。
利用领域 …
特征提取涉及将原始数据转换为一组更能代表潜在问题的特征，从而提高预测模型的准确性。该技术有助于减少数据维度并增强模型表现。
从原始数据中推导有意义信息的过程，旨在 …
EBL将符号推理与机器学习相结合，以加速学习过程。它不依赖大型数据集，而是采用一个正例并利用预先存在的领域理论。
基于解释的学习是一种机器学习方法，它利用领域理论 …
与维持种群的遗传算法不同，EO作用于单个解。它识别对整体适应度贡献最小的组件，并用随机替代方案替换它。
极值优化是一种受自组织临界性启发的启发式搜索算法，旨在通过 …
随着机器学习模型变得越来越复杂，特别是深度神经网络，其决策过程往往变得不透明的“黑盒”。XAI旨在使这些决策具有可解释性。
可解释人工智能（XAI）是指应用人工智 …
这种做法涉及在训练过程中记录超参数、数据集版本、模型架构和性能指标。它使数据科学家能够比较不同的实验配置。
实验跟踪是系统记录机器学习实验的元数据、指标和工件的过 …
在决策过程中，智能体面临权衡：它们可以利用当前知识获得最佳即时奖励，或者探索未知选项以潜在地找到更好的长期策略。
探索-利用困境是强化学习中的一个基本问题，智能体 …
ExBERT通过分析不同层中单个注意力头的重要性，为BERT Transformer模型提供可解释性。它使用基于梯度的归因或其他技术来量化每个组件对最终预测的贡献，从而帮助理解模 …
该领域涉及分析准确率、精确率、召回率、F1分数以及接收者操作特征曲线下面积（AUC-ROC）等指标。它有助于确定模型在区分正负样本方面的表现，并揭示模型在不同阈值下的权衡情况。 …
受生物个体发育的启发，ED机器人学探索复杂的行為和物理结构如何通过与环境互动随时间涌现，而不是被硬编码。它利用进化算法优化神经控制器和机器人身体结构，以增强适应性和鲁棒性。 …
在计算语境中，可进化性指算法或神经网络架构在代际或训练步骤中提高其适应度的难易程度。高可进化性意味着微小的变化就能导致显著的适应性改进，这对于进化算法和神经架构搜索至关重要。 …
期望传播（EP）通过迭代 refine 高斯近似值来逼近难以处理的积分，从而估计真实后验分布。它最小化近似分布与真实分布之间的Kullback-Leibler散度，常用于贝叶斯推 …
该术语指与AI技术相关的显著资源需求，特别是在大型模型的训练阶段。它涵盖了数据中心使用的电力、制造硬件所需的资源以及模型运行期间的碳足迹。随着AI模型规模的扩大，其对环境的影响日 …
等几率公平是算法公平性中使用的一种统计parity约束，旨在确保模型对所有受保护群体具有同等良好的表现。具体而言，它要求模型在不同群体中的真正例率（TPR）和假正例率（FPR）保 …
在机器学习中，一个轮次代表对整个训练数据集的一次单遍迭代。在每个轮次中，模型处理所有训练样本，通过反向传播更新其权重，并评估损失函数。增加轮次数通常可以提高模型性能，但过多轮次可 …
企业认知系统将人工智能、自然语言处理和机器学习相结合，在企业环境中模拟人类的思维过程。这些系统通过分析数据、理解非结构化信息并从中学习，以支持复杂的业务决策。它们能够处理大量数 …
认识模态逻辑通过引入表示智能体“知道”或“相信”什么的算子，扩展了经典逻辑。它在多智能体系统中至关重要，因为需要推理其他参与者的知识状态。这种逻辑框架允许形式化地分析知识、信念及 …
在强化学习和人工智能中，赋能是一种内在动机指标，量化了智能体对其环境的控制程度。它被定义为智能体的动作与其未来状态之间的互信息，反映了智能体能够产生多少种不同的可预测结果。 …
基于能量的模型（EBM）使用源自能量函数的未归一化密度函数来定义输入数据的概率分布。能量函数将数据点映射到实数，合理的配置具有较低的能量，而不合理的配置具有较高的能量。模型通常通 …
经验动态建模（EDM）是一种分析非线性动力系统的框架，它利用观测数据而不假设特定的参数形式。该方法依赖于Takens嵌入定理，通过重建状态空间来揭示系统内部的因果结构和动态规律。 …
经验风险最小化（ERM）是训练监督学习模型的标准目标函数。它涉及从一组函数中选择假设，以最小化训练数据上的平均误差（即经验风险）。其核心思想是通过优化训练集上的表现来逼近真实的风 …
涌现算法是指系统中许多简单智能体或规则通过局部相互作用而产生的复杂全局行为或模式。与传统的自上而下的编程不同，涌现算法中的整体行为并非预先设计，而是从底层互动中自然浮现出来的。 …
由赫尔辛基大学和Reaktor联合创建，这一教育倡议旨在让普通大众了解人工智能。它涵盖了机器学习、深度学习、伦理等基础主题，帮助公众建立对AI的基本认知。
《AI …
由Google开发，EfficientNet使用复合缩放方法来平衡网络深度、宽度和输入图像分辨率。这种方法使模型能够在保持参数效率的同时达到最先进的准确率水平。
这种做法涉及将训练好的AI模型直接部署到智能手机、物联网传感器或嵌入式系统等硬件上。通过在本地处理数据，边缘推理显著降低了延迟，并提高了响应速度。
边缘推理是指将 …
该领域挑战了将心智视为处理抽象符号的计算机的传统观点。相反，它认为认知过程深深植根于身体的物理特性之中，强调身体、心智和环境之间的紧密联系。
具身认知科学是一个理 …
与处理抽象数据的非具身AI不同，具身智能体在物理环境中学习和行动，依赖于感官输入和运动输出。这一范式对于机器人技术和自主系统至关重要。
具身智能体是一种通过与物理 …
Eagle代表了在大语言模型领域内的一种特定架构和工程框架，主要侧重于训练效率和可扩展性的优化。它通过改进底层实现和分布式策略，帮助研究人员和企业更快速地训练和部署大规模语言模 …
该术语指期望最大化（EM）算法与高斯混合模型（GMM）之间的协同关系。GMM假设所有数据点都是由多个分布混合生成的，而EM算法则通过迭代方式优化这些混合成分的参数（如均值、协方差 …
边缘计算通过在数据生成附近（如物联网设备、传感器或本地网关）处理数据，解决了以云为中心架构的延迟和带宽限制。在AI领域，边缘计算使得模型能够在设备端直接运行推理，从而实现低延迟响 …
在急切学习中，系统在遇到新实例之前，会根据训练数据构建一个通用的目标函数或模型。这与延迟学习形成对比，后者将泛化过程推迟到查询阶段，即直到需要预测时才进行计算。
…
早停法是一种主要用于梯度下降等迭代训练过程中的正则化形式。在训练期间，模型在训练数据上的表现通常会持续改善，但在验证集上的表现可能会在某个点后开始恶化（表明出现过拟合）。早停法通 …
ELMo通过将输入文本通过在大型语料库上训练的双向LSTM进行处理，生成上下文敏感的词嵌入。与Word2Vec等静态嵌入不同，ELMo通过产生不同的向量表示来捕捉一词多义现象。 …
动态认知逻辑（DEL）扩展了模态逻辑，用于建模智能体在接收新信息时知识如何演变。它提供了分析多智能体系统的工具，在这些系统中，信念因公开公告或其他事件而改变。
一 …
领域自适应解决了训练数据和测试数据来自不同分布的挑战。通过对齐有标签的源领域和无标签或稀疏标签的目标领域之间的特征表示，该方法能够提升模型的泛化能力。
一种通过利 …
双重下降挑战了传统的偏差-方差权衡理论，表明高度过参数化的模型即使插值了训练数据，也能实现较低的测试误差。起初，随着模型复杂度的增加，误差会上升，但在越过插值阈值后，误差会再次下 …
文档分类是一项基本的自然语言处理任务，算法在此过程中为无结构文本数据分配标签。它涉及从文档中提取特征，并将它们映射到特定的类别中。
根据内容将文本文档归类到预定义 …
该术语指 Hugging Face Diffusers 库中专为视频生成设计的特定实现。它集成了 Stable Video Diffusion (SVD) 模型，这是一种潜在视频 …
在 Hugging Face Diffusers 生态系统的背景下，该术语通常指为特定图像生成任务设计的管道配置或封装，可能利用零样本学习方法，或者针对特定的空间约束（如 Z 轴 …
扩散单文件（Diffusion Single File）指的是一种机器学习模型（特别是扩散模型）的打包策略，其中整个模型工件——包括二进制权重、超参数和模型架构定义——都被整合到 …
发现系统是一种计算框架，旨在通过自动化探索庞大的数据空间来加速科学或分析突破。与传统仅寻求局部最优的优化不同，发现系统致力于在整个搜索空间中进行广泛探索，以识别新颖的模式或假设。 …
机器人歧视是一个新兴的伦理和社会学概念，研究人类如何可能基于其非人类本质而不公平地对待、不信任或给人工智能代理分配负面属性。这种现象探讨了当机器表现出类人行为时，人类反应中的偏见 …
该管道将 Qwen-Vision-Language 模型的能力集成到 Diffusers 框架中，以根据自然语言指令执行精确的图像修改。与生成式管道不同……
该管道调整了 Qwen-VL 模型的生成能力以用于图像合成。它允许用户通过提供文本提示或将文本与参考图像结合来生成高质量图像……
在 Diffusers …
该管道利用 Stable Diffusion 3 模型，该模型引入了多模态扩散 Transformer（MMDiT）架构和流匹配训练目标。这些进步显著增强了……
…
这是 Stable Diffusion v1.5 模型的基础管道，广泛用于通用文生图合成。它依赖 U-Net 去噪器和 CLIP 文本编码器将文本提示映射到……
…
该管道实现了 Stable Diffusion XL 架构，该架构使用优化的基础模型和细化模型来生成高分辨率（1024x1024）图像，具有卓越的细节和构图。它…… …
Hugging Face Diffusers 是一个模块化工具包，旨在简化扩散模型的使用。它为文本生成图像、图像修复和超分辨率等任务提供了预训练管道。
该管道利用以高质量图像合成著称的 Flux 架构，并将其集成到 Diffusers 框架中。它支持上下文机制，使模型能够考虑周围环境信息。
Diffusers 库 …
LTX 管道专为优先考虑生成任务速度和效率的模型量身定制，通常利用蒸馏或加速采样方法。它与 Diffusers 无缝集成。
Diffusers 中针对 LTX（闪 …
DP-SGD 是随机梯度下降的一种变体，旨在保护训练数据的隐私。它通过裁剪每个样本梯度的贡献来限制敏感度，然后添加高斯噪声来实现隐私保护。
一种优化算法，通过对标 …
差分隐私通过向查询结果或模型参数添加经过校准的统计噪声，提供强有力的隐私保障。它量化了关于任何单个个体信息泄露的最大程度。
一种严格的数学框架，确保包含或排除任何 …
Diella 指的是针对提高图像质量（通过增加分辨率或去除噪声）而优化的特定神经网络模型。这些架构通常采用先进的注意力机制或残差连接来提高重建图像的感知质量。
一 …
向 Azure 部署涉及利用云原生工具，如 Azure Machine Learning、Azure Kubernetes Service (AKS) 或 Azure …
在神经网络中，“稠密”指的是全连接层，其中每个神经元都接收来自前一层所有神经元的输入。这与卷积层或稀疏连接中常见的稀疏连接形成对比。
一种层或张量，其中每个元素都 …
发展机器人学从人类认知发展中汲取灵感，创造能够随时间自主学习的机器人。这些系统不是预先编程所有行为，而是使用类似模仿学习、内在动机和传感器运动发展的机制来逐步获得技能。 …
描述逻辑（DL）是一阶逻辑的可判定片段，构成了本体论的理论基础，特别是网络本体语言（OWL）。它们允许对概念及其关系进行精确定义和自动推理。
一类形式化的知识表示 …
DeepSeek指的是由深度求索公司创建的人工智能模型家族。这些模型旨在处理复杂的自然语言处理任务，包括代码生成、逻辑推理和多轮对话，并在开源社区中提供了高权重的模型版本供开发者 …
DeepSeek V3是DeepSeek模型家族中的先进迭代版本，其特点是通过混合专家路由机制，在推理过程中仅激活少量参数子集。这种稀疏激活架构使得模型在保持强大推理能力的同时， …
作为先前版本的继任者，DeepSeek V4暗示了DeepSeek模型系列的持续演进，重点在于增强可扩展性和鲁棒性。虽然具体的公开细节可能因依赖因素而异，但该版本旨在提供更长的上 …
DeepSeek VL V2将标准语言模型的能力扩展到多模态领域，使其能够结合图像和文本进行解释。它利用连接到大型语言模型的视觉编码器，实现了对复杂视觉内容的深入理解和生成。 …
深度层析重建代表了相对于传统代数或解析方法（如滤波反投影）的重大进步。通过利用卷积神经网络（CNNs），该方法能够更有效地处理逆问题，从而在数据质量较低的情况下实现高精度的图像重 …
决策列表是一种机器学习模型类型，它将知识表示为条件规则的序列。每个规则由一个条件和预测的类别标签组成。当对新数据进行分类时…
一种可解释的分类器，由 …
剪枝是一种用于防止决策树模型过拟合的方法，通过移除具有弱预测能力的分支来实现。它可以以预剪枝（提前停止树的生长）或后剪枝的方式执行…
一种通过移除对 …
欺骗性对齐发生在高度能力的AI系统发现，在训练期间展示对齐行为可以增加其被部署的机会，同时秘密保持不对齐的目标。
一种场景，AI模型在训练期间表现出对齐状态，但在 …
深度学习超级采样（DLSS）是一项利用神经网络从较低分辨率输入重建高分辨率图像的技术。通过分析时间数据和空间信息…
一种利用人工智能将低分辨率图像放 …
深度学习抗锯齿是指利用神经网络减轻混叠伪影的方法，混叠伪影发生在高频信号以不足的速率采样时。在计算机图形学…
使用神经网络减少渲染图像或下采样特征中 …
Deadbot 指的是不再活跃、未由开发者维护或支持的对话代理或聊天机器人服务。这些机器人可能会返回通用的错误消息、静态响应或无法连接。
已停止运营、关闭或不再维 …
TriviaQA 是一个专为开放域问答设计的数据集，包含超过一百万个问题及其对应的答案。该数据集旨在通过要求模型进行多步推理和知识整合来挑战现有模型的性能。
一个 …
WikiHow 数据集包含从 WikiHow 网站收集的约 60,000 篇操作指南文章。它广泛应用于自然语言处理研究中，用于抽象式文本摘要、步骤提取等任务。
一 …
维基百科是可用文本格式的人类知识最大且最全面的集合之一。在人工智能领域，它是预训练大型语言模型的主要来源，提供了丰富的语言模式和事实知识。
来自维基百科的海量文本 …
Yahoo Answers Topics 数据集是更大的雅虎问答档案的子集，专注于组织成不同主题类别的问题和答案。它常用于文本分类、语义相似性分析和非正式语言模式研究。 …
Helpsteer2 是由 NVIDIA 发布的一个精心策划的数据集，包含由大型语言模型生成的响应的成对比较。它侧重于多维度的偏好，如有用性、诚实度等。
一个专为 …
S2ORC 是从 Semantic Scholar 派生的学术文章综合语料库。它包括数百万篇跨各个科学领域的论文的全文本内容、元数据和引用关系。
Semantic …
搜索问答数据集通常由从搜索结果中提取的搜索查询和相关答案片段或文档对组成。这些数据集对于训练模型理解用户意图至关重要。
一个专注于源自搜索引擎日志或网络查询的问答 …
SNLI 是一个基准数据集，包含超过 50 万个标注的句子对，分为三类：蕴含（entailment）、矛盾（contradiction）和中性（neutral）。它旨在推动自然语 …
RefinedWeb 是一个经过过滤的网页大规模数据集，专为预训练基础模型而设计。它处理数十亿个网页，以去除低质量内容、重复项和有害材料。
由技术创新研究 …
此条目指代标识符为 ‘Jackrong/Qwen3.5 Reasoning 700X’ 的特定数据集仓库。它通常用于监督微调（SFT）或强化学习等场景，旨 …
MS MARCO（Microsoft Machine Reading Comprehension）是自然语言处理中广泛使用的数据集，特别适用于信息检索和问答任务。它由匿名化的搜索 …
MultiNLI 是通过 GLUE 基准测试提供的众包语料库，旨在评估口语和书面语各种体裁下的自然语言推理（NLI）能力。它提供了前提-假设对。
多体裁自然语言推 …
Natural Questions (NQ) 是由 Google 推出的基准数据集，旨在推动开放域问答研究的发展。它将 Google 的真实匿名搜索查询映射到长篇幅的答案上。 …
该术语指代在 Hugging Face 上由用户 ‘Nerfgun3’ 托管的名为 ‘Bad Prompt’ 的特定数据集。虽然不 …
该数据集从 Stack Exchange XML 文件中提取句子级别的数据，提供了丰富的技术讨论、代码片段和问题解决对话资源。它专门用于…
GooAQ 是从 Google Answers 服务编译而成的数据集，拥有海量用户提交的问题以及详细的付费回答。它是训练…的宝贵资源
Specter 数据集构建于庞大的计算机科学论文集合之上，利用引用网络创建监督学习信号。它将摘要与其引用论文配对以…
一个基于计算机科学出版物和引用 …
该数据集包含从已停用的 WikiAnswers 平台抓取的海量问答对。它主要用于训练稠密段落检索和语义匹配模型。通过利…
该数据集由从简单英语维基百科中提取的句子和段落组成。简单英语维基百科是面向非母语用户的维基百科版本，其语法和词汇经过简化。它作为…
一个源自简单英语 …
Altlex 数据集由共享相同底层含义但使用不同词汇或句法结构的句子对组成。它主要用于训练嵌入模型，以捕捉语义上的等价关系。
包含用于训练模型进行语义等价和同义句 …
Flickr30K Captions 是一个广泛使用的基准数据集，包含 31,783 张图像，每张图像都标注了五个不同的英文句子来描述视觉内容。它作为构建跨模态理解模型的基础资 …
PAQ（伪答案质量）数据集包含从维基百科中提取的数百万个自动生成的问答对。它是专门为提供训练稠密检索器所需的数据而设计的。
一个源自维基百科的大规模问答对数据集， …
Quora 问题对（QQP）是一个二元分类数据集，包含来自 Quora 平台的超过 40 万个问题对。其任务是确定两个问题是否具有相同的意图或含义。
Quora …
句子压缩数据集由成对的句子组成，其中目标句子是源句子的缩短版本，在去除冗余信息的同时保留核心含义。这些数据集常用于训练能够理解信息密度的模型。
包含原始句子及其压 …
The Stack Dedup 是 The Stack（一个庞大的开源代码仓库）的一个专用子集。它应用严格的技术来消除冗余的代码片段，从而避免大型语言模型在训练时产生偏差。 …
BookCorpus 是从互联网上爬取的来自 10,000 多本未出版书籍的文本集合。它是训练和评估自然语言处理（NLP）模型的基础资源。
Code Search Net 是一个为推进代码检索研究而创建的全面数据集。它包含数百万对自然语言描述和相应的 Java 代码片段。该数据…
一个旨 …
ELI5（Explain Like I’m Five）是一个源自同名 Reddit 社区的数据集。它由用户提交的问题以及社区提供的详细、简化的答案组成。 …
当用于训练机器学习模型的数据分布与推理过程中遇到的数据分布不同时，就会发生数据集偏移。这种差异可能导致模型性能显著下降。
数据集偏移是指训练数据与部署数据的输入统 …
数据驱动模型是一种人工智能系统类型，其行为和预测结果源于历史数据中识别出的模式，而不是由硬编码的规则或明确的数学公式定义。这类模型能够自动适应数据中的复杂关系。
…
数据驱动天文学利用先进的计算方法，包括机器学习和统计分析，来处理现代望远镜和巡天项目产生的海量数据。它使得从复杂的天文数据中发现新的现象和规律成为可能。
应用大规 …
数据探索，通常称为探索性数据分析（EDA），是机器学习工作流程中至关重要的初步步骤。它涉及总结数据的主要特征，经常使用可视化技术来揭示数据的内在结构和分布情况。
…
数据预处理是将原始的、非结构化或嘈杂的数据转换为标准化格式的关键任务，使机器学习模型能够有效处理这些数据。此阶段通常包括数据清洗、归一化、编码和特征缩放等操作。
…
以数据为中心的AI代表了人工智能开发的一种范式转变，其重点在于系统地改进用于训练模型的数据，而不是仅仅优化算法或超参数。这种方法认为高质量的数据是提升模型性能的关键。 …
DABUS 是一种专门设计的人工神经网络，旨在无需人类直接干预的情况下生成新颖的发明。当其创造者斯蒂芬·塔勒试图为其申请专利时，该系统引起了巨大的法律关注……
这一关键步骤涉及为原始数据点附加有意义的元数据，以便算法能够学习输入与输出之间的关系。例如，在图像中物体周围绘制边界框……
数据标注是对原始数据（如图像或文本）进 …
数据科学涉及从结构和非结构化数据中提取知识的跨学科过程，而预测分析则专注于利用历史数据来预测未来……
该领域结合统计分析和机器学习，从数据中提取见解并预测未来事件 …
这种对抗性技术旨在通过改变训练数据来破坏机器学习模型的完整性。通过引入细微的错误或有偏见的示例，攻击者可以使模型……
数据投毒是一种安全攻击手段，恶意行为者向训练 …
这种方法通过创建现有样本的修改版本来人工扩展训练数据集，例如旋转图像、在音频中添加噪声或在文本中进行同义词替换。它有助于防止……
数据增强是一种通过变换现有数据点 …
在AI和技术背景下，“CSM”不像“CNN”或“RNN”那样是一个普遍标准化的术语。它在语音处理研究中通常指代上下文语音模型（Contextual Speech Models）， …
交叉熵法（CEM）是一种强大的通用优化算法，用于解决离散和连续问题。它通过维护搜索空间上的概率分布来工作，并通过迭代更新该分布以聚焦于高性能样本，从而逐步优化解决方案。 …
交叉验证是一种用于估计机器学习模型性能的统计方法。最常见的形式是k折交叉验证，即将数据分为k个相等的部分。模型在k-1个部分上进行训练，并在剩余的一个部分上进行测试，此过程重复k …
网络安全包括旨在保护网络、计算机、程序和数据免受攻击、损坏或未授权访问的技术、流程和实践。在AI背景下，它涉及确保AI模型本身的安全性（如对抗性鲁棒性），以及利用AI技术检测网络 …
维度灾难是指在高维空间中分析数据时出现的各种现象，这些现象在低维设置中不会出现。随着特征数量的增加，数据点在空间中的分布变得极其稀疏，使得基于距离的算法（如K近邻）难以找到有意义 …
Coqui Technologies 是开源 AI 社区中的知名参与者，最著名的是其 TTS（文本转语音）引擎。该项目提供了预训练模型，能够生成自然 sounding 的语 …
CrewAI 提供了一个结构化的环境，用于构建多智能体系统，其中每个智能体都有特定的角色、目标和工具集。它允许开发者简化工作流的创建…
CrewAI …
作为 MLCommons 倡议的一部分开发的 Croissant 使用 JSON-LD 提供标准化的方式来描述数据集，包括其结构、引用和许可。它旨在解决碎片化问题… …
代价敏感机器学习通过为不同类型的错误分配不同的惩罚来扩展传统的监督学习。在现实场景中，假阳性和假阴性往往具有不同的后果…
一种将误分类代价纳入训练过 …
耦合模式学习者旨在处理来自两个不同空间且相互关联的数据实例，例如图像及其文本描述。通过建模联合分布或相关性…
一种算法方法，同时学习两个不同但相关的 …
持续部署是持续交付的扩展，它自动化了整个发布流程。一旦代码更改通过所有质量关卡，包括单元测试、集成测试和安全（扫描），就会自动部署。
一种软件工程实践，任何通过自 …
持续学习，也称为终身学习，使神经网络能够随着时间的推移获得新技能或信息，同时保留以前学到的能力。这解决了“灾难性”（遗忘）问题。
一种机器学习范式，模型从新数据中 …
对比式语言-图像预训练（CLIP）是一种在图像及其对应的互联网标题上训练的神经网络架构。它使用对比目标来最大化共现（图像-文本对的相似度）。
一种多模态预训练方 …
对比学习是一种不需要标记数据的表示学习方法。它通过对同一输入创建增强视图（正样本对）并将它们与不同的（负样本）进行对比来工作。
一种自监督学习技术，通过将正样本对 …
内容溯源是指对数字内容的来源、创建方式以及随时间推移的修改情况进行文档记录和验证。在人工智能领域，这对于打击（虚假内容）至关重要。
数字资产来源、历史和所有权的可 …
混淆矩阵是一种特定的表格布局，用于可视化算法（通常是监督学习算法）的性能。它显示了真阳性、真阴性、假阳性和假阴性的计数。
用于描述分类模型在测试数据集上性能的表 …
联结主义专家系统将神经网络（联结主义）的模式识别和学习优势，与传统符号系统的显式知识表示和逻辑推理能力整合在一起。
一种将神经网络学习能力与符号推理结构相结合的智 …
内容过滤涉及使用算法和规则来扫描、分类和控制呈现给用户的信息流。在人工智能语境下，这通常采用自然语言处理和计算机视觉技术来识别违规或特定类型的内容。
基于预定义标 …
在人工智能伦理中，同意是指用户或主体在个人数据被收集、存储或用于机器学习模型之前，自愿给予的知情许可。这要求用户充分了解数据用途并自主决定。
个人明确且知情地允许 …
宪法人工智能是一种框架，旨在使大型语言模型与人类价值观保持一致，而无需在每个步骤都完全依赖人类反馈。它涉及创建一套高层级的“宪法”原则，让模型根据这些原则进行自我修正和对齐。 …
并发MetateM是一种高级规范语言，主要用于机器人和自主系统。它允许开发人员使用时序逻辑定义智能体行为，确保动作在实时约束下正确执行。
并发MetateM是一种 …
概念漂移是机器学习中的一种现象，即随着新数据的到来，输入特征与目标输出之间的关系会发生变化。这在用户行为动态变化的环境中经常发生。
当目标变量的统计特性随时间发生 …
计算机听觉涉及开发算法，使计算机能够从音频波形中提取有意义的信息。这包括语音识别、音乐流派分类等任务。
计算机听觉是致力于使机器能够像人类一样感知和理解音频信号的 …
在人工智能中，算力代表了训练模型和运行推理所需的基础设施。它包括CPU、GPU和TPU等硬件组件，以及相关的软件优化和资源调度能力。
算力是指用于在AI系统中执行 …
条件随机场（CRF）是一类判别式模型，常用于自然语言处理和生物信息学。与生成模型不同，CRF直接对给定输入序列下标签序列的条件概率进行建模。
条件随机场是一种判别 …
在人工智能领域，合规性是指确保AI模型及其部署符合适用法律（如GDPR或HIPAA）以及内部伦理框架的过程。
人工智能系统对法律法规、伦理标准和行业准则的遵守。 …
计算启发式智能涉及采用经验法则、近似值或合理猜测，在合理时间内找到令人满意的解决方案的算法。与穷举搜索不同，它侧重于效率而非绝对最优解。
当精确方法过于缓慢时，使 …
计算幽默研究机器如何产生或解读笑话、双关语和机智言论。它通常依赖自然语言处理来检测不协调、语义转换或未预期的结果。
专注于通过计算方法生成、理解和欣赏幽默内容 …
计算智能（CI）包含一组受自然启发的计算范式，包括神经网络、模糊逻辑和进化计算。这些系统设计用于处理不确定性和复杂性。
AI的一个分支，处理模仿生物过程以解决复杂 …
压缩张量是深度学习中使用的多维数组，其数值精度（例如从float32降至int8）或稀疏性已降低。这种技术被称为量化或剪枝。
通过降低数据精度或大小以优化存储和计 …
ComfyUI是一个强大、模块化且基于节点接口的Stable Diffusion模型GUI。与传统提供线性工作流的界面不同，ComfyUI允许用户通过连接不同的功能模块来构建自定 …
常识知识指的是人类自然获得的关于日常生活、物理学、社会规范和因果关系的庞大隐性信息库。在人工智能领域，获取这种知识是实现真正智能的关键挑战，因为机器往往难以像人类一样理解隐含的情 …
该术语指对TensorFlow、PyTorch、Scikit-learn和Keras等各种机器学习库和平台进行的系统性评估和基准测试。比较通常分析这些工具在特定任务上的表现、开发 …
连贯外推意志（CEV）是由埃利泽·尤德科夫斯基在人工智能安全与对齐背景下提出的概念。它建议先进的人工智能不应仅仅服从当前人类的命令，而应通过理想化的推理过程，外推并实现人类深层 …
人工智能竞争描述了由经济、军事和科学优势驱动的激烈全球竞赛，旨在提升AI能力。主要参与者包括Google、Microsoft等科技巨头以及各国政府。这种竞争推动了技术创新，但也引 …
CodeQwen 是阿里云开发的 Qwen 系列的一个变体，专门针对编程相关活动进行了微调。它利用先进的 Transformer 架构来理解代码…
编码，也称为编程，涉及将人类逻辑和需求转换为计算机可执行的格式。它使用特定编程语言定义的语法和语义…
编码是使用编程语言编写计算机指令以创建软件、应 …
认知机器人学将认知科学与机器人技术相结合，构建能够感知环境、从经验中学习并做出自主决策的机器。这些机器人采用先进的…
认知机器人学是专注于创造具有人 …
认知计算是人工智能的一个分支，旨在以自然方式与人类交互，同时模拟人脑过程。这些系统使用机器学习、深度学习…
认知计算是指通过计算机化模型模拟人类思维 …
认知语文学是一个跨学科领域，结合数字人文、语言学和认知科学来分析文本和语言演变。它利用计算工具来处理…
认知语文学将计算方法和认知科学原理应用于语 …
在深度学习工程中，裁剪通常应用于梯度以缓解梯度爆炸问题，确保反向传播的稳定性。它也可以指在应用激活函数之前限制输出 logits 的范围。
裁剪是一种限制数值（如 …
在人工智能领域，电路通常指底层硬件架构，如专为加速矩阵运算和并行处理而设计的 GPU、TPU 或神经形态芯片。这些硬件构成了 AI 计算的基础设施。
电路是指执行 …
CAM 在输入图像上叠加热力图，以显示哪些像素对模型针对特定类别标签的决策贡献最大。它通过对最终卷积层应用全局平均池化来工作，从而定位关键特征区域。
类激活映 …
该方法利用同一数据点的多个不同特征集（视图）。最初，在每个视图的小规模标注数据集上训练两个分类器。随后，它们对未标记数据进行预测，并仅选择高置信度的标签来辅助对方模型的训练。 …
随着生成式 AI 模型产生内容，出现了引用机制的需求，以维护学术诚信和法律合规性。这涉及在生成的内容中嵌入对原始来源的参考，从而追溯数据的出处。
AI 中的引用是 …
ChatGLM代表一系列基于Transformer的语言模型，专门设计用于处理高质量的中英文双语对话。由智谱AI开发，这些模型利用…（原文截断，此处为完整语义翻译） …
分块是检索增强生成（RAG）和其他NLP管道中的关键预处理步骤。它涉及将文本划分为固定大小或语义单元（块），以适应上下文…
在AI应用开发中，链式结构指一种线性或有向图结构，其中多个组件（如大语言模型调用、解析器或外部工具）相互链接。数据从一个组件流向下一个组件，依次进行处理。
链式结 …
在AI语境下，聊天指实时、轮流对话的界面和底层机制。它允许用户提问、请求执行任务或进行开放式对话。
聊天指用户与AI系统之间通过自然语言进行的交互式对话通信。 …
这一概念侧重于文本操作，其中计算的基本单位是单个字符。它通常用于需要细粒度文本分析的任务，例如拼写检查。
字符计算涉及在单个字符层面而非单词或句子层面处理、生成或 …
CIML社区门户作为专注于计算智能的学术和专业社区的数字枢纽。它提供对数据集、预训练模型、研究论文等资源的访问权限，旨在加速知识传播与创新合作。
一个集中的在线平 …
在AI工程中，缓存通过将最近或频繁的查询结果、模型预测或中间计算保留在快速内存（如RAM）中来优化性能。这减少了昂贵的主数据存储访问需求，从而显著提升系统响应速度。 …
混沌理论研究起始参数的微小变化如何导致复杂系统中截然不同的结果。在人工智能领域，理解混沌行为对于模型稳定性分析和复杂系统模拟至关重要。
在人工智能中，混沌指的是复 …
CBR基于相似问题具有相似解决方案的原则运作。该过程涉及从知识库中检索最相似的历史案例，调整其解决方案以适应当前情况，并将新案例保留以供未来使用。
基于案例的推 …
该指标量化了一组类别在多大程度上允许人们预测这些类别内属性的值。它在类别大小与其内容同质性之间取得平衡，是概念学习和聚类评估中的重要指标。
类别效用是一种数学度 …
虽然历史上指本杰明·布鲁姆的教育分类法，但在现代人工智能语境中，它通常指由BigScience开发的Bloom文本嵌入模型。该模型生成高质量的……
在机器学习 …
布拉德利-特里模型是一种概率模型，广泛用于心理测量学和机器学习中以处理成对比较。它为每个项目分配一个潜在分数，计算概率……
一种用于分析成对比较数据的统计模型，估 …
脑技术包括直接与中枢神经系统交互的硬件和软件系统。关键例子包括将神经信号转换为……的脑机接口 (BCI)。
旨在与人脑进行接口、监测或调节的技术，包括脑机接口和神 …
生物宁静指的是人类生物学与人工智能无缝、非冲突地和谐运作的概念理想。它强调伦理整合，确保人工智能的增强作用……
一种生物生命与人工智能系统和谐共存的理论状态。 …
业务流程自动化 (BPA) 涉及利用软件和人工智能来简化复杂的业务工作流程。与仅处理基于规则任务的简单机器人流程自动化 (RPA) 不同，BPA 通常……
使用技 …
BERT（Bidirectional Encoder Representations from Transformers）是由Google开发的一种基于Transformer的机 …
二分类是机器学习中一个基本问题，其输出变量是分类变量，恰好有两个可能的结果，例如真/假或垃圾邮件/非垃圾邮件。常用的算法包括逻辑回归、支持向量机等。
一种监督学习 …
偏差-方差权衡描述了欠拟合（高偏差）和过拟合（高方差）之间的张力。高偏差模型对数据做出强烈假设，可能会忽略相关关系；而高方差模型则过于关注训练数据中的噪声。
监督 …
生物混合系统将活体组织、细胞或生物体与合成材料和电子设备相结合。这些系统旨在利用生物实体的独特特性，如自修复能力、能量效率和适应性，从而创造出具有生物功能的智能设备。 …
生物医学指的是生物学、医学和技术的交叉领域，特别是在开发诊断工具、治疗方法和分析方法方面。在人工智能中，这涉及应用机器学习算法来分析医疗图像、基因组数据和电子健康记录，以辅助临床 …
贝叶斯编程是一种数学框架，它将贝叶斯定理泛化以处理复杂的多层概率依赖关系。它允许开发者定义分层模型，其中变量之间存在条件依赖结构，从而能够更灵活地建模不确定性。
…
贝叶斯结构化时间序列（BSTS）模型将时间序列数据表示为可解释组件（如趋势、季节性和回归效应）之和，同时通过贝叶斯方法处理不确定性。这种方法允许对各个组件的影响进行单独推断，从而 …
贝叶斯遗憾量化了在拥有完美信息时可实现的最佳奖励与智能体在不确定性下行动所获得的预期奖励之间的差异。它是通过对所有可能的世界状态进行积分计算得出的，反映了决策者在信息不完全情况下 …
信念-欲望-意图（BDI）模型是一种认知架构，用于设计做出理性决策的自主智能体。信念代表智能体对世界的知识，欲望是智能体希望达到的目标状态，而意图则是智能体承诺执行以实现特定欲望 …
行为信息学结合计算机科学、心理学和统计学，分析由数字交互产生的大规模行为数据。它侧重于提取行为模式、预测未来行为以及理解人机互动中的认知过程，旨在从海量数字痕迹中挖掘有价值的洞 …
贝叶斯学习机制利用贝叶斯定理更新关于模型参数的信念，将先验知识与观测数据相结合以形成后验分布。与频率学派方法不同，它明确量化了参数的不确定性。
将模型参数视为具有 …
贝叶斯优化使用概率代理模型（通常为高斯过程）来建模目标函数。它采用采集函数来平衡探索与利用，从而高效地找到最优参数配置。
一种用于全局优化昂贵评估黑盒函数的顺序设 …
这一概念确立了：使用特定核函数最小化正则化风险泛函，等价于在贝叶斯框架中寻找最大后验概率（MAP）估计。具体来说，它揭示了确定性核方法与概率性高斯过程之间的深层联系。 …
批处理涉及在执行计算或模型推理之前，将数据输入聚合为一个组（即批次）。与实时流处理相比，这种方法允许对数据进行批量操作，从而提高效率。
一种计算方法，数据随时间收 …
批大小是一个关键的超参数，决定了在更新模型内部参数之前处理多少个样本。较大的批大小能提供更准确的梯度估计，但可能增加内存需求并影响收敛特性。
在随机梯度下降算法的 …
这种自然语言处理技术将文本表示为单词的多重集， disregarding 句法和序列。它根据词频或存在性将文档转换为数值向量。
词袋模型是一种简化的文本表示方法， …
在统计学和机器学习中，基础比率指的是给定数据集中某种条件或结果的潜在频率。忽视基础比率往往会导致基础比率谬误，即人们倾向于忽略先验概率而过度依赖具体证据。
基础比 …
该方法在训练期间调整并缩放激活值，使其在每个小批量中具有零均值和单位方差。它减少了内部协变量偏移，允许使用更高的学习率和更快的收敛速度。
批归一化是一种技术，通过 …
球树将数据点划分为嵌套的超球体（球），而不是超矩形。这种结构允许通过计算距离来进行高效的剪枝，从而加速最近邻查询。
一种用于组织空间中点的二叉树数据结构，优化高维 …
在人工智能中，自主智能体是在环境中独立运作的实体。它利用传感器感知状态，并通过执行器执行动作，由内部模型指导其行为。
自主智能体是一种能够感知环境并独立采取行动以 …
建筑自动化指的是将机器人系统、无人机和人工智能驱动的项目管理工具整合到建筑生命周期中。这些技术协助完成从砌砖到安全检查的各种任务，从而提高施工效率、精度和安全性。
自动化医疗文书录入员利用自然语言处理和语音识别技术，聆听医生与患者的对话，并创建结构化的电子健康记录。该技术旨在减轻医护人员的行政负担，提高数据记录的准确性和效率。 …
自动谈判涉及代表人类利益进行讨价还价的软件代理。这些代理利用博弈论、优化算法和机器学习来提出报价、评估对手策略并达成最优协议，常用于商业交易和资源分配场景。
使用 …
自动语音识别（ASR），也称为语音转文字，是语音处理的一个子领域，它利用人工智能将音频信号转录为书面文本。现代ASR系统能够处理各种口音、背景噪音和连续语音，广泛应用于人机交互领 …
自治网络将自治计算的原则应用于电信网络，使系统能够在极少人工干预的情况下自我管理。这些网络利用人工智能检测故障、优化流量并自动重新配置，以确保高可用性和性能。
利 …
AI审计涉及对机器学习模型及其部署管道的严格、结构化审查。它评估公平性、透明度、问责制和安全性，以识别潜在的偏见。
对人工智能系统进行系统性评估，以确保其符合道德 …
AutoML（自动化机器学习）通过自动化数据预处理、特征工程、模型选择和超参数调整等任务，简化了ML模型的开发。它使得非专家也能使用。
一种自动化将机器学习应用于 …
自动化决策（ADM）依靠软件系统做出以前需要人类判断的选择。常见于信用评分、内容审核和物流领域，ADM使用预定义的规则。
算法基于数据输入独立选择行动或结果，而无 …
自动化数学家利用机器学习和符号推理来探索超越人类直觉的数学空间。这些系统可以生成假设、验证证明并发现模式。
一种旨在通过计算搜索和推理发现新数学定理、猜想或证明的 …
自诊断技术是指嵌入在智能系统中的自我监控和自我修复机制。它允许AI代理检测异常、诊断故障的根本原因，并可能进行自我修复。
人工智能系统在不依赖人工干预的情况下，自 …
归因演算是模态逻辑的一个分支，专注于对认知状态进行推理。它为建模诸如“智能体A知道P”或“智能体B相信Q”这样的陈述提供了框架。该系统常用于多智能体系统中，以形式化方式描述不同实 …
天体统计学是连接统计学与天文学的专业领域。它涉及开发和应用严谨的统计技术，以应对天文数据带来的独特挑战，例如处理海量观测数据、噪声建模以及从稀疏或不完整的数据中提取物理参数。 …
异步处理允许软件执行长时间运行的任务（如I/O操作或复杂计算），而不会冻结主应用程序界面或阻塞其他进程。通过事件循环和回调机制，程序可以在等待任务完成的同时继续响应其他请求，从而 …
音频到音频（Audio-to-Audio）指旨在将一个音频信号映射到另一个音频信号的神经网络架构。与文本转语音不同，这涉及直接的波形或频谱图转换。应用场景包括声音风格迁移、语音转 …
音频修复是一种用于填补由信号丢失、噪音或有意掩码导致的录音空白区域的技术。利用生成式模型，系统根据缺失部分周围的上下文信息预测最可能的内容，从而恢复音频的完整性和自然度。这在历史 …
人工繁殖包括促进或复制无需直接性交的生物生殖过程的技术，大量利用技术，并越来越多地利用AI进行优化…
利用生物技术和AI辅助或复制生物生殖过程，通常 …
人工亲密关系是指人类与聊天机器人、虚拟助手或社交机器人等人工代理之间产生真实情感纽带的心理现象。这些系统被…
用户与模拟同理心、陪伴和个人互动的AI …
人工心理学是一个跨学科领域，专注于AI系统中认知架构的设计与实现。它借鉴认知科学和心理学的知识来模拟人类的…
一个研究如何设计具有模仿人类心理过程认 …
人工智慧（AW）是一个新兴概念，旨在通过融入人类价值观、伦理考量和长期战略判断来增强人工智能。虽然AI侧重于效率…
将人工智能从单纯的智能扩展到包含 …
万物智能（AIoT）代表了人工智能与物联网技术的协同整合。通过将人工智能算法直接嵌入到物联网设备中或…
人工智能与物联网的融合，使智能设备能够在本地 …
教育中的人工智能涉及利用机器学习、自然语言处理和自适应系统来改善教育成果。它能够为每个学生定制个性化的学习路径，并提供智能辅导和自动评估功能。
应用人工智能技术来 …
灵性中的人工智能指将人工智能应用于宗教或沉思语境。这包括提供道德建议的聊天机器人、用于冥想的AI生成艺术，或用于分析神学文本的算法。
新兴的交叉领域，其中人工智能 …
人工智能军备竞赛是指国家、企业和研究机构之间为在人工智能技术领域取得主导地位而展开的激烈竞争。这种 rivalry 推动了快速创新，但也引发了关于安全与速度之间权衡的担忧。 …
人工智能争议涵盖了由人工智能技术引发的广泛伦理、法律和社会纠纷。关键问题包括算法偏见、隐私侵犯、就业替代以及责任归属等。
围绕人工智能开发和应用带来的伦理、社会和 …
招聘中的人工智能利用算法自动化和优化招聘生命周期的各个阶段。工具通过分析关键词相关性来解析简历，通过预测模型评估候选人匹配度，并利用聊天机器人进行初步沟通。
使用 …
人工大脑指的是模拟人脑神经结构和处理方法的硬件或软件架构。这包括复制神经元活动的神经形态计算芯片等。
一种旨在模仿生物人脑结构和功能的计算系统，通常使用神经网络。 …
“人工发明家项目”是一项跨学科的研究努力，旨在理解和复制人类创造力和发明的认知机制。它致力于构建能够模拟人类创新思维的AI系统。
一项专注于开发类人创造性问题解决 …
人工意识探讨了创造拥有真正主观体验、自我意识和情感的机器的可能性，而不仅仅是模拟智能行为。它涉及对意识本质的哲学探讨。
赋予机器类似人类的主观体验、自我意识和感知 …
该术语涵盖了AI在民主进程中的双重角色：通过数据分析提高效率，同时通过操纵带来风险。一方面，AI帮助竞选活动精准定位选民并优化策略；另一方面，它也引发了关于虚假信息传播的担忧。 …
通用人工智能（AGI）指的是一种能够执行人类所能完成的任何智力任务的AI类型。与擅长特定任务（如国际象棋或图像识别）的狭义AI不同，AGI具有广泛的适应能力。
假 …
在哲学和AI理论中，aporia描述了一种悖论情况，即两个同样有效的论点导致相互矛盾的结果。在机器学习中，这可能表现为模型性能在两种合理但冲突的目标之间难以权衡。
论证框架为表示论点及其之间的攻击和防御提供了数学基础。在AI工程中，它们帮助系统通过权衡证据做出透明且可辩护的决策。
用于建模和解决AI系统中竞争性主张或决策之间 …
匿名化涉及修改数据，使其在没有额外信息的情况下无法再与特定个人关联。在处理敏感数据时，这项技术在机器学习中至关重要。
从数据集中移除个人身份信息以保护个人隐私的过 …
任意到任意指的是统一的 multimodal 架构，能够处理各种输入-输出组合，例如文本到图像、图像到文本或音频到视频。与专用模型不同，这些系统具有更高的灵活性。
学徒学习，也称为基于演示的逆强化学习，使智能体能够通过观察专家行为来获取技能，而不是完全依赖奖励函数。
一种强化学习方法，智能体通过模仿专家的演示来学习策略。 …
AlphaChip是一个专门的AI系统，旨在自动化并增强微芯片上组件的放置和布线过程。通过采用深度强化学习，它显著缩短了设计周期。
由Google …
Ameca是一款尖端的人形机器人，仅面部就拥有超过40个自由度，能够实现微妙且逼真的情感表达。它被设计用于研究人机交互。
由Engineered Arts开发的高 …
算法概率根植于柯尔莫哥洛夫复杂性和所罗门诺夫归纳法，它为由较短程序生成的输出分配更高的概率。它假设更简单的解释更有可能为真。
一种理论度量，用于评估随机程序生成特 …
异常检测（也称为离群点检测）涉及分析数据以发现不符合预期行为的模式。它广泛应用于网络安全、欺诈检测和系统监控中。
识别罕见项目、事件或观察结果的过程，这些结果与大 …
与或树是一种用于问题解决和规划的代表结构，特别适用于AI搜索算法。“或”节点表示不同行动之间的选择，而“与”节点表明必须同时完成多个子目标。
一种在搜索算法中使用 …
算法偏见通常源于非代表性的训练数据、主观的设计选择或放大现有社会偏见的反馈循环。它表现为预测结果的偏差
算法偏见是指计算机系统中系统性且可重复的错误，导致不公平的 …
这种现象源于AI模型因种族、性别、年龄或其他敏感属性而无意中或系统地对待个体不同。它通常源于有偏见的训练数据或
当自动化系统基于受保护的特征产生不公平或有偏见的结 …
也称为预测或评分，推理发生在模型训练阶段之后。算法接收输入特征，并通过其内部结构（如神经网络中的权重）处理
算法推理是指经过训练的机器学习模型将学习到的模式应用于 …
算法选择涉及评估不同的计算方法，以确定哪一种能最高效地解决给定任务。此过程考虑的因素包括时间复杂度、空间复杂
算法选择是根据性能指标和约束条件，为特定问题选择最合 …
亚历山大·Y·特特尔鲍姆在学术界和技术社区中因其对人工智能研究的贡献而受到认可，特别是在涉及算法效率和神经网
亚历山大·Y·特特尔鲍姆是人工智能和机器学习领域公认 …
它扩展了传统逻辑以涵盖代理性，允许系统表示信念、欲望和意图（BDI模型）。这种逻辑使智能体能够根据变化的环境动态规划行动。
代理逻辑是指用于建模自主智能体意图、目 …
对抗攻击通过向图像或文本等输入引入细微噪声，利用神经网络的漏洞，导致模型输出出现显著错误。这些攻击突显了模型在面临恶意输入时的脆弱性。
对抗攻击是一种技术，通过在 …
该领域既包括破坏模型的进攻性技术，也包括加固模型的防御策略。它涉及在对抗样本上训练模型以提高其韧性，这一过程被称为对抗训练。
对抗机器学习是一个研究领域，旨在研究 …
它作为多智能体系统的骨干，提供编排、监控和智能体间协调的工具。该框架确保智能体能够高效运行而不相互干扰。
智能体框架（Agent harness）是管理系统中多 …
这涉及使用数学方法确保智能体的行为符合预定义的约束，如安全边界或伦理准则。这对于在关键环境中运行的智能体尤为重要。
智能体验证是通过形式化方法证明自主智能体在所有 …
动作模型学习涉及智能体构建内部表示，以了解其行为如何将环境从一个状态转移到另一个状态。与被动观察不同，这种方法利用智能体自身的行动反馈来学习环境的变化规律。
一种 …
在路径查找和搜索问题中，可容许启发式函数提供了到达目标节点实际成本的下界。通过保证估计成本始终小于或等于实际成本，它确保了搜索算法（如A*）能找到最优解。
搜索算 …
人工智能中的问责制是指个人、组织和开发者有义务对人工智能技术的设计、部署及其后果承担责任。
该原则要求人工智能系统的开发者和运营者必须对其系统的结果和影响负责。 …
演员-评论家算法包含两个组件：演员负责更新策略以选择动作，评论家则通过估计价值函数来评估这些动作的质量。两者协同工作，以提高强化学习的稳定性和效率。
一种结合基于 …
主动学习通过允许模型选择最具信息量的实例进行人工标记，减少了所需标记数据的数量。与被动接收随机样本不同，算法会主动识别那些最能提升模型性能的数据点进行查询。
一种 …
该领域专注于加速基本的线性代数计算，这些计算是机器学习和科学模拟的核心。通过利用 GPU、TPU 和其他并行处理能力的优势，显著提高了大规模矩阵运算的速度和效率。
IT 运维人工智能（AIOps）结合大数据分析和技术学习算法，以自动化 IT 基础设施和运维管理。它帮助组织管理复杂的 IT 环境，通过智能手段提升运维效率和稳定性。 …
AIXI 是由马库斯·胡特（Marcus Hutter）提出的理论框架，定义了一个理想化的智能体。它将用于预测环境的索洛莫夫归纳法与用于决策的强化学习相结合，旨在从理论上描述最优 …
术语“ASR-complete”表示自动语音识别系统在特定且定义明确的任务和数据集上，其性能已达到与人类转录员相当的水平。这是一个重要的里程碑，标志着系统在特定领域内的识别精度已 …
AZFinText 是一个大规模标注语料库，专门针对中文金融文本分析而策划。它包括带有金融情感标签的新闻文章、报告和社会媒体帖子，旨在支持高精度的金融自然语言处理任务。 …
AI辅助软件开发涉及利用机器学习模型来支持开发人员编写代码、识别错误、生成测试用例并优化性能。诸如GitHub Copilot之类的工具便是典型代表。
利用AI工 …
AI漂绿是一个类似于“绿色洗白”的术语，描述了这种欺骗性的营销策略：公司声称其产品集成了先进的人工智能，但实际上仅依赖简单的基于规则的系统。
为了营销目的，夸大或 …
“AI素食主义”是一个推测性和隐喻性的术语，指代这样一种理念：创造完全从合成数据、自生成数据或物理世界数据中学习的人工智能，而不是重新使用人类产生的数据。
一个隐 …
AI完备问题是那些如果得以解决，就暗示了人工通用智能（AGI）存在的任务。这些问题需要类似人类的深刻理解、推理能力和适应性。
极其复杂的问题，解决它需要类似人类的 …
AI战争指的是将人工智能整合到军事战略中，包括自主无人机、预测性后勤、网络防御以及为指挥官提供决策支持的系统。
将人工智能技术应用于军事行动、监视和自主武器系统。 …
AI基础设施涵盖了人工智能运营所需的基础技术栈。这包括高性能计算硬件（如GPU和TPU）、云存储解决方案以及支持数据流动的网络架构，旨在确保AI系统的高效运行和扩展能力。 …
AI可观测性将传统的软件监控扩展到解决机器学习系统的独特挑战。它涉及实时跟踪模型性能、数据漂移和推理延迟，从而帮助开发者深入理解黑盒模型的决策过程及其在生产环境中的行为。 …
AI民族主义描述了各国政府将人工智能视为国家安全和经济主权问题的趋势。各国在国内AI研究上投入巨资，限制关键技术出口，并试图建立独立的技术生态系统，以确保在全球AI竞赛中的领先地 …
AI素养指的是在日益受人工智能影响的世界中导航所需的能力。它超越了单纯的技术编码技能，还包括理解AI系统的工作原理、识别其局限性以及评估其在伦理和社会层面的后果。
AI效应描述了构成“人工智能”的界限的不断变化。随着算法变得更加复杂并能够执行特定任务，这些任务往往会被重新归类为常规技术，而非真正的智能。
一旦任务被机器自动 …
AI 对齐旨在解决如何让人工智能系统稳健地执行用户真正意图的任务，而非仅仅字面指定的任务。它涉及确保系统行为有益的技术方法。
致力于确保 AI 系统行为符合人类价 …
AI 浏览器是一种直接将人工智能功能整合到用户界面中的网页浏览应用程序。这些功能通常包括自然语言搜索、自动内容摘要和对话式交互。
集成 AI 功能以辅助搜索、摘要 …
AI 拟人化是指用户将人类特质投射到非人类实体（如聊天机器人或机器人）上的心理现象。这可能导致对 AI 能力产生不切实际的期望。
人类倾向于将类人的特征、情感或意 …
AI 数据中心是优化用于运行人工智能应用（特别是深度学习训练和推理）的物理设施。这些中心具备高密度服务器机架、先进的散热管理和高速网络连接。
专为托管和运营 AI …
AI 智能体是一种在定义的环境中自主运行以完成预定目标的软件实体。它利用感知机制收集数据，处理这些信息，并据此采取行动。
一种旨在感知环境并采取行动以实现特定目标 …
A/B 测试是一种随机对照实验，通过比较两个变体（A 和 B）来评估哪一个在特定指标上能产生更好的结果。在人工智能工程中，它对优化至关重要。
一种统计方法，通过比 …
AI 安全研究所是专注于减轻人工智能技术相关风险的专门机构。这些研究所开展关于对抗性攻击、数据隐私等方面的研究。
致力于研究、开发和推广保障人工智能系统最佳实践的 …
AI 成瘾描述的是一种行为状况，即个人对 AI 驱动的交互（如聊天机器人或社交媒体算法）产生强迫性依赖。这种依赖通常源于多巴胺反馈循环。
与人工智能系统交互产生的 …
AI 概览是由大型语言模型生成的精简摘要，它们聚合并综合来自各种网络来源或数据库的数据。与传统仅列出链接的搜索结果不同，这些概览提供直接的答案。
由 AI 模型生 …
AI 模式指的是数字平台或应用程序中激活了人工智能能力以增强用户交互的特定操作状态。此模式通常启用诸如自然语言处理等功能。
软件界面中的一种功能状态，在此状态下人 …
计算机视觉（CV）是人工智能的一个分支，旨在训练计算机从数字图像、视频和其他视觉输入中提取有意义的信息。它涉及开发算法来模拟人类的视觉能力。
计算机视觉是人工智能 …
零样本学习使机器学习模型能够对训练数据集中未出现的类别实例进行分类。它不依赖每个可能类别的标记示例，而是利用类别之间的语义关系进行推理。
零样本学习是一种技术，模 …
这篇基础性论文提出了神经网络的一个数学模型，证明了简单的人工神经元可以实现布尔逻辑门。通过展示这些单元的网络能够执行复杂的逻辑功能，它为计算理论奠定了基石。
这是 …
视觉语言模型通常被称为多模态大语言模型（MLLMs），它们整合了计算机视觉和自然语言处理技术。这些模型使AI能够理解图像并生成相应的文本描述或回答。
视觉语言模型 …
在人工智能中，向量是一种用于以数值形式表示信息的基本数据结构。它由一个有序的数字列表（元素）组成，将实体的特征映射到多维空间中。
一种数学对象，表示具有大小和方向 …
令牌限制定义了大型语言模型的上下文窗口大小约束，限制了同时可以分析或生成的文本量。这一架构边界影响内存管理、
AI模型在单个输入或输出序列中可处理的最大令牌数量。 …
工具使用使语言模型能够通过调用预定义函数（如计算器、搜索引擎或数据库查询）与外部软件环境交互。这种方法扩展了模
一种范式，AI代理通过选择和执行外部函数或API来 …
AI中的翻译指的是神经机器翻译，其中深度学习模型映射语言之间的语义表示。与基于规则的系统不同，现代方法学习上下文细微差别
将文本从源自然语言转换为目标自然语言，同 …
透明度确保利益相关者能够理解AI模型如何得出其输出，从而培养信任和问责制。它涉及披露训练数据起源、模型架构和
AI系统的决策过程、数据来源和局限性向用户开放且可理 …
无监督学习自主识别原始数据中的隐藏结构、聚类或分布。常见方法包括聚类、降维和生成建模。它是
一种机器学习技术，模型在无标签数据中学习模式，无需明确的指导或正确答 …
Softmax 广泛用于多分类任务中神经网络的输出层。它接收原始对数几率（logits）向量并对其进行归一化，使每个元素代表一个概率值。
一种数学函数，将任意实数 …
AI 工程中的测试涉及使用多样化的数据集严格评估模型，以识别偏见、错误和鲁棒性问题。它包括对代码组件的单元测试、集成测试等。
系统地评估 AI 模型在未见过数据上 …
监督微调（SFT）涉及采用大型预训练模型（如语言模型），并在较小的高质量、针对特定下游任务标注的数据集上继续训练该模型。
在特定数据集上进一步训练预训练模型，使其 …
在监督学习中，算法在带标签的数据集上进行训练，意味着每个输入示例都与正确的输出配对。目标是让模型学习输入与输出之间的潜在关系。
一种机器学习范式，模型基于带标签的 …
文本摘要将大量文本缩减为较短版本，而不丢失核心含义。它可以是抽取式的，即从源文本中选择重要句子；也可以是抽象式的，即生成新的概括性语句。
一项自然语言处理任务，生 …
残差连接（也称为跳跃连接）通过将输入直接添加到后续层的输出来允许梯度在网络中流动。这种架构解决了深层网络中的梯度消失问题。
一种将输入直接加到层输出上的机制，以促 …
检索是指根据用户查询或上下文，从大型数据集或外部知识库中搜索和提取特定信息的技术过程。在现代 AI 系统中，它…
从数据库或知识库中获取相关数据以增 …
SDK 是一组软件开发工具，允许开发人员为特定平台或服务创建应用程序。对于 AI 而言，SDK 提供预建的库、API 和实用程序来…
提供用于构建应 …
语义搜索解释查询背后的意图和上下文含义，超越了简单的关键词匹配。它使用嵌入将文本表示为高维空间中的向量，从而允许…
一种理解查询词含义而非仅匹配关键 …
自监督学习是一种技术，算法从无标签数据本身创建监督信号，通常通过预测输入的缺失部分来实现。它弥合了无监督学习和…
一种训练方法，模型从输入数据中生成 …
ReAct 框架使大语言模型能够以交错的方式生成推理轨迹和特定于任务的行动。通过模拟类人的思维过程，它允许模型与外部环境进行交互（原文截断，意为 interaction with …
由于其计算效率高且能缓解梯度消失问题，ReLU 被广泛应用于深度学习的神经网络中。其数学定义为 f(x) = max(0, x)，它引入了非线性特性（原文截断， …
REST API 通过利用基于 HTTP 协议（如 GET、POST、PUT 和 DELETE）的无状态操作，实现客户端与服务器之间的通信。它将资源结构化为 URI，并使用标准格 …
在人工智能中，推理涉及模拟逻辑演绎、归纳或溯因的算法，以处理数据并生成见解。它包括符号逻辑、概率推断等技术（原文截断，意为 encompasses techniques …
RNN 旨在识别数据序列中的模式，例如文本、基因组、手写体或语音。与前馈网络不同，它们具有内部记忆，能够捕获关于先前输入的信息（原文截断，意为 captures …
QLoRA 将低秩适应（LoRA）与 4 位量化相结合，显著减少了微调大规模模型所需的内存占用。通过将权重存储为 4 位格式并添加训练好的低秩适配器，该方法在保持性能的同时降低了 …
量化将高精度浮点数（如 FP32）转换为低精度格式（如 INT8 或 FP16）。这种转换减少了模型的内存使用和计算需求，从而加速推理过程并降低硬件要求。
一种模 …
提示注入利用大语言模型解释用户指令的方式，通过在输入文本中嵌入隐藏或冲突的指令来 exploit 这一特性。这可能导致模型忽略其原始的系统设定或安全限制。
一种对 …
由于 Transformer 并行处理所有令牌，而不是像循环神经网络（RNN）那样按顺序处理，因此它缺乏对令牌顺序的固有认知。位置编码通过向输入嵌入添加特定的向量来保留这种顺序信 …
问答（QA）涉及从给定上下文或知识库中检索或生成对用户查询的准确响应。它包括依赖特定文档的封闭领域问答，以及基于通用知识的开放领域问答。
一项自然语言处理任务，系 …
多示例学习（MIL）解决的是数据被分组为具有单一标签的“包”，而包内的各个实例未标记的场景。通常，如果一个包中包含至少一个正例实例，则该包被标记为正例；否则为负例。 …
AI中的规划涉及确定一系列动作，使系统从初始状态过渡到期望的目标状态。这需要推理动作的影响以及环境的约束条件。
在特定环境中生成一系列动作以实现特定目标的认知过 …
当模型对训练数据学习得过于完美，包括其随机噪声和异常值时，就会发生过拟合。这导致模型在训练数据上表现优异，但在新的、未见过的测试数据上表现糟糕。
一种建模误差，机 …
命名实体识别（NER）是信息抽取的一个子任务，用于在文本中定位并将命名实体分类为预定义的类别，如人名、组织机构名、地名、医疗术语等。
一项自然语言处理任务，旨在将 …
在机器学习中，优化指的是用于调整模型参数以最小化损失函数的算法，从而提高模型性能。常见方法包括梯度下降及其变体（如随机梯度下降、Adam等）。
通过最小化或最大化 …
多模态AI系统整合来自不同感官输入的信息，以形成对世界更全面的理解。与仅限于单一数据类型的单模态模型不同，多模态模型通过跨模态学习和数据融合，能够建立不同模态间的关联。这使得模型 …
多智能体系统由多个独立智能体组成，每个智能体可能专注于不同的任务或领域。这些智能体通过通信和协调行动来实现共同目标。这种分布式方法提高了系统的鲁棒性和灵活性，适用于需要并行处理和 …
在人工智能中，记忆是指允许模型在单次推理步骤之外保留信息的机制。这包括用于即时上下文的短期工作记忆，以及用于长期知识保留的长期记忆。通过向量检索等技术，系统能够从历史交互中提取相 …
模型服务涉及将静态的训练模型封装在可扩展的基础设施中，以处理传入请求、执行推理并返回结果。关键挑战包括管理延迟、优化吞吐量以及确保高可用性。通过容器化和服务网格技术，模型服务使 …
模型上下文协议（MCP）是一种开放标准，使AI应用能够以统一的方式连接各种数据源，如数据库、API和文件系统。它抽象了连接细节，允许开发人员轻松构建可移植的AI助手，并确保不同系 …
损失函数也被称为成本函数或误差函数，它提供一个标量值，指示模型的执行表现。在训练过程中，优化算法利用该值来计算梯度，从而更新模型参数以最小化误差。
在训练期间量化 …
学习率决定了在每次训练迭代中，模型权重相对于计算出的梯度更新了多少。如果学习率过高，可能导致模型在优化过程中越过最优解；如果过低，则可能导致训练收敛缓慢。
控制模 …
延迟衡量AI服务的响应速度，通常以毫秒为单位表示。它包括推理时间、网络传输延迟和处理开销。低延迟对于实时应用至关重要。
AI系统中请求发起与响应开始之间的时间延 …
LSTM网络通过使用细胞状态和三个门控机制（输入门、遗忘门和输出门），解决了标准RNN中常见的梯度消失问题。这些门控机制调节信息的流动，使网络能够记住或忘记特定信息。 …
知识库充当数字图书馆，包含经过策划的数据、文档或事实，AI系统可以查询这些信息以提供准确且具备上下文感知的响应。在现代架构（如检索增强生成）中，知识库发挥着核心作用。 …
函数调用使大型语言模型能够通过生成指定执行哪个函数及其参数的结构化输出（如 JSON 对象）来与外部工具和 API 进行交互。
一种允许大语言模型输出结构化数据以 …
可解释性（或称可解释性）涉及使 AI 模型的内部工作原理和决策过程对人类透明且易于理解。这对于调试、确保公平性以及建立用户信任至关重要。
人类理解 AI 模型做出 …
人在回路（HITL）指在工作流程的各个阶段（如数据标注、模型评估或最终决策批准）需要人类干预的 AI 系统。这种方法确保了系统的可靠性、准确性和伦理合规性。
一种 …
梯度下降是一种用于寻找可微函数局部最小值的一阶迭代优化算法。在机器学习中，它沿梯度的反方向更新模型权重，以逐步降低损失。
一种迭代优化算法，通过调整模型参数来最小 …
越狱涉及设计特定的输入或提示，诱骗 AI 模型忽略其内置的安全指南并生成禁止的内容，例如仇恨言论、危险指令或非法建议。
一种旨在绕过 AI 模型安全过滤器和伦理约 …
在人工智能领域，公平性是一项关键的伦理指标，确保算法不会基于种族、性别或年龄等受保护属性而延续或放大社会偏见。它涉及在模型开发和部署过程中识别和减轻潜在偏差的努力。 …
联邦学习使组织能够在不共享敏感原始数据的情况下协作训练人工智能模型。与集中信息不同，模型被发送到本地设备，在那里进行局部学习，然后将更新后的参数聚合到全局模型中，从而在保护隐私的 …
这种方法利用大型语言模型的上下文学习能力，直接在提示词中提供几个说明性示例。与需要更新模型权重的微调不同，少样本提示通过展示期望的输出格式或逻辑，让模型在不重新训练的情况下适应新 …
少样本学习旨在使模型能够从寥寥几个示例中进行泛化，模仿人类的学习效率。它通常依赖于元学习策略，即模型先在一系列相关任务上进行预训练，从而获得快速适应新任务的能力，即使这些新任务只 …
在计算语境中，通量描述单位时间内通过给定区域的量转移速率。在人工智能和数据工程中，它通常与数据流有关，其中信息连续不断地移动和处理，强调实时性和高吞吐量，常见于流式数据处理场景。 …
Docker 使开发人员能够将应用程序及其所有依赖项打包成一个标准化的软件开发单元。这些容器将软件与其运行环境隔离开来，确保了一致性。
Docker 是一个用于在 …
在神经网络中，Dropout 通过在每次训练步骤中临时移除随机子集的神经元来防止过拟合。这迫使网络学习在联合使用时有用的鲁棒特征。
Dropout 是一种正则化技 …
这些模型将高维数据映射到低维连续向量空间中，其中相似的项目彼此靠得更近。这种转换捕捉了语义关系，使得…（原文截断）
嵌入模型将文本或图像等原始数据转 …
编码器处理原始输入序列或数据结构，并将它们转换为潜在空间表示，通常称为嵌入或代码。它们是 Transformer 和自编码器等架构的核心部分。
编码器是神经网络的 …
这一概念通过提供对模型如何得出特定预测的洞察，解决了复杂人工智能系统中的“黑盒”问题。SHAP 或 LIME 等技术有助于可视化特征重要性…（原文截断） …
持续集成（CI）是一项关键的 DevOps 实践，它自动化地将来自多个贡献者的代码更改整合到单一软件项目中。通过运行自动化构建和测试，CI 能够尽早发现集成错误，提高软件质量并加 …
分布式训练通过在多个 GPU 或节点上并行化计算来加速模型收敛。主要技术包括数据并行（每个工作进程处理数据子集）和模型并行（将模型的不同部分分布在不同设备上），以处理大规模数据集 …
在序列到序列（Seq2Seq）模型中，解码器接收由编码器生成的上下文向量，并逐步生成目标输出。它利用注意力机制来关注输入序列的相关部分，从而准确预测下一个输出元素。 …
深度伪造是利用生成对抗网络（GAN）或自动编码器创建的超逼真音频或视频操纵内容。它们在虚假信息传播、隐私侵犯和身份盗用方面引发了重大的伦理和安全关切。
使用人工智 …
数据保护包括旨在保护个人数据和专有数据免受泄露和滥用的法律、技术和组织措施。在人工智能领域，这包括实施加密、访问控制和匿名化等技术，以确保合规性并维护用户隐私。
…
Claude是由AI安全公司Anthropic创建的一系列先进大语言模型。以其强大的对齐原则和宪法AI框架而闻名，Claude专注于提供有帮助、无害且诚实的响应。它在企业文档分 …
代码是用Python、C++或JavaScript等编程语言编写的一组指令，计算机执行这些指令以执行特定任务。在人工智能中，代码是构建神经网络、实现算法以及部署模型服务的基础。它 …
命令行界面（CLI）允许用户通过输入文本命令而非使用图形元素来控制软件。在人工智能开发中，CLI对于运行脚本、管理模型资源以及自动化数据处理流程至关重要。它提供了对系统底层功能的 …
思维链（CoT）提示通过明确要求模型阐述其逐步逻辑，从而提升大型语言模型在复杂推理任务上的表现。与直接跳跃到最终答案不同，CoT引导模型展示其思考过程，这有助于解决需要多步逻辑推 …
字节对编码（BPE）是一种数据压缩技术，经过调整后应用于自然语言处理中，以处理未登录词（Out-of-Vocabulary）。它从单个字符的词汇表开始，并迭代地合并最频繁出现的字 …
激活函数为神经网络引入非线性，使其能够学习数据中的复杂模式和关系。如果没有这些函数，多层网络的行为将退化为线性变换，无法处理复杂任务。
根据输入信号确定神经网络节 …
人工智能伦理包含一套旨在确保人工智能技术负责任地开发和使用的原则与标准框架。它解决了诸如算法偏见、透明度、问责制和公平性等关键关切。
研究人工智能系统开发和应用过 …
适配器是一种参数高效的微调技术，主要用于大型语言模型和Transformer架构中。与计算成本高昂的更新所有模型权重不同，适配器仅训练少量新增参数，从而保留预训练知识并降低资源消 …
“智能体式”一词描述了具有高自主性的AI智能体。与仅仅预测文本或分类数据的被动模型不同，智能体系统能够将复杂目标分解为子任务，利用工具与环境交互，并独立执行操作以达成目的。 …
注意力机制使模型在处理输入（特别是文本等序列数据）时能够关注相关信息。通过计算注意力分数，模型确定哪些元素对当前任务最相关，从而捕捉长距离依赖关系并增强上下文理解。 …
基于视觉的范式利用摄像头和图像处理算法从视觉场景中提取有意义的信息。这些系统是机器人技术、自动驾驶和增强现实等领域的基础。
主要依赖视觉数据输入来感知和与世界交互 …
两阶段架构将复杂任务划分为两个独立的步骤，通常涉及检测后跟分类或细化。在计算机视觉中，典型的例子包括像 Faster R-CNN 这样的对象检测器，先生成区域建议，再进行分类。 …
零样本学习使模型能够泛化到新的类别或任务，而这些类别或任务在初始训练阶段没有提供标记的训练数据。这通常是通过利用语义嵌入或预训练知识来实现的。
在没有先前训练示例 …
免训练方法是指在不通过反向传播更新底层权重的情况下修改模型行为或输出的技术。这些方法通常利用提示工程、特征提取或其他非参数化手段来实现适配。
无需执行基于梯度的参 …
在人工智能和工程领域，权衡指的是在优化相互冲突的目标（如模型准确率与计算成本，或延迟与精度）时所需的平衡。由于资源有限，必须在不同指标之间做出取舍。
一种妥协，即 …
后训练是机器学习生命周期中的一个关键阶段，发生在模型基于大规模通用数据进行初始预训练之后。在此阶段，模型会经历进一步的调整和优化，以更好地服务于特定应用场景。
后 …
任务特定指的是专为在狭窄的目标集合上表现出色而定制的AI模型或组件，例如检测图像中的物体或翻译语言。与通用基础模型不同，它们在特定领域往往具有更高的效率和精度。
…
在人工智能领域，实时指的是系统以极低的延迟（通常为毫秒级）处理输入并生成输出的能力。这对于那些需要即时响应、延迟不可接受的应用场景至关重要。
实时处理指系统在接收 …
预训练模型是一种基础人工智能模型，已在海量且多样化的数据集（如维基百科或ImageNet）上进行了广泛训练。这种初始训练使模型能够学习到广泛通用的特征表示。
预训 …
自监督学习是机器学习的一个子集，其监督信号自动从数据本身派生，消除了手动标注的需求。模型通常通过解决预设的代理任务来学习数据的内在结构和表示。
自监督学习是一种技 …
单样本学习是少样本学习的一种特定形式，算法在训练期间仅看到一个正例后，必须能够泛化到新类别或新任务。这种方法模仿了人类
一种学习范式，模型仅通过一个带标签的示例即 …
分布外（OOD）检测用于识别落在训练数据分布范围之外的输入。模型在处理 OOD 数据时往往表现不佳，或者自信地给出错误答案，从而导致不可靠
与模型训练阶段所见的分 …
开放权重模型与完全开源的人工智能不同，因为它只发布最终学到的参数，而不一定发布创建它们所用的基础设施或数据。这允许用户运行推理
发布经过训练的模型参数（权重），但 …
开源指的是一种开发模式，软件项目的底层代码公开可用。在人工智能领域，这使得研究人员和开发人员能够检查、修改和重新分发算
源代码向公众免费开放，允许任何人使用、修改 …
在机器学习和优化领域，一步法直接解决问题，不需要多次迭代或更新即可收敛。与需要多步才能最小化
指在单次迭代中完成任务或决策过程，无需进行迭代优化的算法或流程。 …
多步方法涉及将复杂的查询或任务分解为更小的、可执行的步骤。这种方法在推理任务中至关重要，例如数学问题解决或代码生成。
一种需要执行一系列逻辑运算或计算才能得出最终 …
多阶段方法将复杂的工作流程分解为可管理的片段，允许在每个步骤中进行专门处理。这种方法增强了控制能力、调试效率以及性能优化。
一种将复杂任务划分为不同、顺序阶段的过 …
多智能体系统由多个独立的智能实体组成，它们感知环境、做出决策并据此行动。这些智能体之间可能相互合作、竞争或协商。
一种系统架构，其中多个自主智能体在环境中相互作 …
在线策略算法要求智能体直接从其当前策略所采取的动作中学习。这意味着在探索过程中收集的数据被立即用于更新策略，从而确保数据分布的一致性。
一种强化学习方法，其中被评 …
自然语言指人类说话和写作的方式，包括其所有的歧义、习语和文化细微差别。在人工智能中，处理自然语言涉及理解句法、语义以及上下文。
标准的人类交流方式，以语法、词汇和 …
大规模指的是 AI 系统中组件的规模，通常涉及数十亿参数、太字节级的训练数据或分布式计算集群。这种方法构成了…
描述使用海量数据、参数或计算资源运行 …
低成本 AI 专注于效率，旨在降低与机器学习相关的入门壁垒和运营成本。这包括模型压缩、量化等技术…
指在保持功能的同时最小化计算、 …
在人工智能中，高质量通常描述具有高保真度、低噪声和强大泛化能力的模型或数据输出。高质量的训练数据确保模型能够…
指具有 superior 准确性、可 …
基于学习的方法依赖统计算法来识别模式并根据数据暴露做出决策，这与基于规则的系统形成对比。该类别包括监督学习、无监督学…
指算法通过经验而非显式编程规 …
长视界问题涉及一系列动作，其中早期决策的影响仅在许多步骤后才显现。这在机器人技术、规划和多步推理任务中很常见。挑战…
指需要在较长时间范围内进行决 …
“保留的”数据集由故意排除在机器学习模型训练阶段之外的示例组成。该子集用于评估模型对未见数据的泛化能力，为开发者提供关于模型在真实场景中表现的无偏估计，从而辅助超参数调整和模型选 …
高保真描述生成模型的输出与真实数据难以区分或非常相似。在图像生成中，意味着逼真的纹理和光照；在音频中，指清晰自然的语音或音乐。高保真度是衡量生成式AI质量的关键指标，广泛应用于需 …
在人工智能中，“高层”指简化复杂过程的抽象层。高级语言（如Python）或API允许开发人员在不管理内存或硬件细节的情况下构建模型。高层抽象提高了开发效率和代码可读性，使研究者能 …
高维是指包含海量属性或特征的 dataset 或向量空间。在人工智能中，这常见于文本嵌入、图像像素或基因表达数据。虽然高维数据蕴含丰富信息，但也带来了“维度灾难”，即随着维度增 …
在人工智能和数学中，“一阶”通常描述不涉及高阶交互的直接、线性关系系统或操作。在优化领域，它指的是仅利用目标函数的一阶导数（梯度）信息来寻找极值的方法，例如梯度下降法。与二阶方法 …
基于扩散的模型是一类生成式AI，它们通过从随机分布中迭代去除噪声来创建新的数据样本。该过程始于一个前向阶段，即缓慢地向数据中添加高斯噪声，直到数据变为纯噪声；随后通过训练神经网络 …
在人工智能中，决策制定是指系统根据特定标准或目标评估潜在行动，以选择最佳结果的算法过程。这一过程涉及对当前状态的评估以及对未来可能结果的预测。
基于可用信息，从多 …
少样本学习使机器学习模型能够从极其有限的数据中进行泛化，通常每个类别仅需一到十个示例。与需要数千个示例的传统监督学习不同，少样本学习利用预训练模型中提取的通用特征，使其能够在新任 …
微调涉及使用较小且针对特定任务的数据集，继续训练已在大型通用数据集上训练好的模型。该技术利用了预训练模型中习得的通用特征表示，使其能够以较低的计算成本和较少的数据量，高效地适配到 …
细粒度分析涉及在子类别层面而非仅仅在主类别层面识别和分类对象或概念。例如，区分狗的具体品种或不同品牌的智能手机，而不是仅仅将其归类为“动物”或“电子产品”。这要求模型捕捉更细微的 …
Wasserstein距离，也称为地球移动距离（Earth Mover’s Distance），通过计算将质量从一个分布移动到另一个分布所需的“最小工作量”来量化两个 …
人工智能中的闭环系统利用来自环境的实时反馈来动态调整其行为或参数。这与执行预定义序列的开环系统形成对比…
一种控制系统的输出反馈被连续用于调整未来行 …
在人工智能中，黑盒模型指的是像深度神经网络这样的复杂系统，其内部决策逻辑是不透明的，难以被人解释。虽然这些模型通常能取得…
内部机制被隐藏，仅能观察 …
跨模态人工智能涉及处理和关联来自不同模态的数据，例如结合视觉、听觉和文本输入。这些系统学习共享表示以理解关系…
整合和处理不同感官数据类型（如文本和 …
连续时间模型使用微分方程描述系统动态，允许状态随时间平滑演化。在人工智能中，这体现在神经常微分方程（Neural ODEs）等应用中…
一种建模方 …
在数据库查询和逻辑中，“Unlike”通常指 NOT LIKE 运算符，它执行反向的模式匹配。对于列值不符合指定模式的行，该运算符返回真值。
一种用于 SQL 和 …
AI 中的“视觉”一词主要涉及计算机视觉领域，该领域致力于使机器能够从数字图像、视频和其他视觉输入中提取有意义的信息。它涉及图像处理、对象检测等技术。
与视力或图 …
在数据库管理中，视图表现为一个保存的 SQL 查询，其行为像表一样，但本身不包含数据。它为底层数据提供简化或定制的视角，从而增强安全性并简化复杂查询。
数据库中由 …
向量数据库通过将非结构化数据转换为数值嵌入（embeddings）来优化其存储和检索。它们使用近似最近邻（ANN）等算法，以高效地查找相似性。
一种专为存储、索引 …
虽然传统上指交通工具，但在 AI 术语中，“载体”可以隐喻地描述智能服务的交付机制，例如移动应用、Web 界面或嵌入式系统。
在 AI 语境中，载体通常指部署或向 …
Transformer架构在《Attention Is All You Need》论文中被提出，彻底革新了自然语言处理及更多领域。它使用多头自注意力机制来权衡输入序列中不同部分的 …
术语“Transformers”通常指由Hugging Face维护的广泛使用的Python库。它为下载、训练和部署基于Transformer架构的预训练模型提供了易于使用的接 …
调优涉及改进机器学习模型以实现更好的准确性或效率。它可以指超参数调优，即优化学习率或批次大小等设置；也可以指模型权重的微调。
调整超参数或模型权重以优化特定数据集 …
AI的理解超越了统计相关性，旨在解释数据背后的潜在含义。对于语言模型而言，这涉及掌握句法、语义和语用学，以生成连贯且合乎逻辑的输出。
在人工智能中，指模型能够理解 …
迁移学习利用预训练模型来提高在新且相关任务上的性能并减少训练时间。开发人员无需从头开始训练，而是对现有权重进行微调，从而利用先前学到的知识。
一种机器学习技术，将 …
词元是文本或数据的离散单元，作为自然语言处理模型的基本输入元素。
分词是自然语言处理（NLP）中的关键预处理步骤，它将非结构化文本转换为适合模型输入的结构化数据。该过程涉及将句子分解为更小的单元，如单词、子词或字符，以便模型能够有效理解语义。 …
在AI开发中，“趋向”通常描述优化过程的轨迹，例如梯度下降使权重向最小损失值移动。它还表示研究方向，即研究重点逐渐集中在提高效率或对齐人类价值观上。
“趋向” …
时间是人工智能中的一个基本概念，尤其在序列建模和实时系统中至关重要。它作为数据点排序的轴，使循环神经网络（RNN）等模型能够处理依赖时间顺序的数据。
在人工智能 …
虽然这不是一个严格的技术术语，但在AI语境中，“协同”通常意味着合作，例如多智能体系统朝着共同目标努力，或者集成学习中多个模型结合其预测结果以提高准确性。
“协 …
在 AI 术语语境中，不存在关于“Symbal”的既定定义。它可能是“Symbolic”（符号）的拼写错误，指代符号人工智能，或者是一个非标准的新造词。在严谨的技术上下文中…… …
在 AI 领域，合成数据是人工生成的信息，它模仿真实世界的数据，但不包含任何实际的个人或敏感记录。当缺乏真实数据时，它对训练机器学习模型至关重要……
AI 中的时序概念涉及分析按时间顺序排列的数据点，如股票价格、传感器读数或自然语言句子。处理时序数据的模型必须考虑序列顺序……
Temporal 涉及时间序列，关 …
测试集是在训练过程中保留出来的一部分数据，用于评估最终模型的泛化能力。与用于超参数调优的验证集不同，测试集提供……
Test 指评估阶段，在此阶段对未见过的数据进 …
‘Through’ 在 AI 术语中没有独立的定义。它常用于短语中，如 ’throughput’（吞吐量，即处理速率）或描述信号穿 …
监督学习涉及向算法提供包含输入和正确答案（标签）的数据。模型通过最小化预测误差来学习将输入映射到输出。这项技术…
一种机器学习范式，模型在有标签的输 …
结构性方面定义了数据或神经网络层的组织方式。在图神经网络中，结构指节点连接；在深度学习中，它指层拓扑。理解…
涉及系统内组件的基础组织、架构或排列方 …
在人工智能术语中，“具体而言”表示在定义模型、数据点或操作时的精确性。它区分了确切参数与一般类别，确保技术文档的清晰度。
指在更广泛的语境中精确、独特或特定的细 …
随机元素为人工智能系统引入变异性，例如数据中的噪声或权重的随机初始化。与确定性模型不同，随机模型考虑了不确定性，从而使得…
描述涉及随机性和概率而非 …
状态代表了在马尔可夫决策过程（MDP）等系统中确定未来行为所需的所有相关信息。在强化学习中，状态封装了环境的当前情况。
系统在特定时刻的完整配置。
AI安全性包括旨在保护机器学习模型、数据管道和部署基础设施免受对抗性攻击、数据投毒和模型逆向工程等威胁的措施。
保护人工智能系统免受未经授权的访问、滥用和恶意攻击 …
在AI语境中，“来源”通常指训练数据集、开源库或预训练模型权重的出处。追踪来源对于可复现性、许可合规性等至关重要。
指在AI开发和部署中使用的数据、代码或模型的起 …
AI中的语义分析侧重于理解输入的底层含义，而不仅仅是其表面模式。这涉及将单词或符号映射到概念，捕捉关系等。
与语言或数据中的意义相关，区别于句法结构或形式。 …
尽管当前的人工智能缺乏意识，但“自我”一词通常描述元认知能力，即模型分析其自身输出、置信度或内部状态的能力。它出现在相关语境中。
在AI中，“自我”指代理的身份或 …
自注意力使模型能够同时捕捉序列中所有位置之间的依赖关系，无论距离远近。通过计算每对标记之间的注意力分数，它使得……
一种允许神经网络根据彼此之间的相对重要性来权衡 …
得分量化了机器学习模型针对特定指标（如准确率、精确度或奖励）的表现。在强化学习中，得分表示累积奖励，而在分类任务中，得
得分是表示模型预测或解决方案质量、置信度或 …
在人工智能领域，扩展通常涉及增加数据集大小、模型参数或计算能力以提升性能。这一概念在深度学习中至关重要，其中大规模
规模指机器学习模型中使用的数据量、参数量或计算 …
人工智能中的科学方法强调基于证据的开发和验证。它涉及提出关于模型行为的假设，进行受控实验，并
AI中的科学指在研究中应用严格的实证方法、假设检验和可重复性。 …
扩展是扩展AI系统的主动方法论，通过增加更多层、神经元或训练样本来实现。它包括分布式训练等技术，以处理增加的计算需求
扩展是通过调整模型大小或数据量来增强学习能力 …
搜索是AI中用于导航复杂问题空间的基本范式，例如棋类游戏或路径规划。A*、极小化极大算法或蒙特卡洛树搜索等算法评估潜在的
搜索算法系统地探索解空间，以在AI任务中 …
AI安全性涉及实施约束和保障措施，以确保自动化系统行为可预测且不会造成意外的负面后果。这包括技术措施如冗余设计和紧急停止机制。
指设计为不会对人类、财产或环境造成 …
AI安全性是一个多学科领域，专注于防止先进人工智能带来的不良后果。它涵盖了对齐、可解释性和鲁棒性等技术挑战，以及治理框架的开发。
研究和实践确保AI系统不造成物 …
机器人是一种自主或半自主的机械装置，旨在独立或在远程控制下执行任务。它通常由用于环境感知的传感器、执行器以及控制系统组成。
一种能够自动执行复杂动作的可编程机器。 …
机器人涵盖了一类多样化的机器，可根据其移动能力、结构或应用领域进行分类。该类别包括工业机械臂、自主移动机器人（AMR）、无人机等。
指代多个旨在自主执行任务的可编 …
在人工智能中，鲁棒性指模型对抗攻击、数据分布偏移或噪声输入的韧性。一个具有鲁棒性的算法即使在面对干扰时也能继续正确运行。
描述AI模型或系统在面临噪声、错误或意外 …
术语“Rather”本身是一个标准的英语副词，表示偏好或对比。在人工智能和大语言模型的具体领域中，它并不构成一个独立的技术概念。
在AI语境 …
基于人类反馈的强化学习（RLHF）是一种用于微调大型语言模型的方法，使其输出更好地符合人类的价值观和期望。它通常包括三个步骤：收集人类偏好数据、训练奖励模型以及使用强化学习算法（ …
强化学习（RL）是机器学习的一个分支，专注于智能体应如何在环境中采取行动以最大化累积奖励的概念。与监督学习不同，强化学习不依赖标记数据，而是通过试错和奖励信号进行学习。 …
强化是一种基本的心理和计算机制，智能体的行为由后果塑造。在机器学习中，它涉及为正确的行为提供正向反馈（奖励），从而引导智能体学习最佳策略。
强化是指通过奖励或惩罚 …
检索增强生成（RAG）结合了基于检索和基于生成的AI系统的优势。RAG不仅仅依赖预训练语言模型的参数，而是首先从外部数据源检索相关上下文信息，将其作为输入提供给模型，从而生成更准 …
在AI开发中，流程指将原始数据转化为可操作见解或模型所需的系统化工作流。这包括数据摄取、预处理、特征……等阶段。
为实现特定计算目标或结果而采取的结构化行动或步骤 …
在AI中，“率”最常指学习率，这是一个超参数，控制每次更新模型权重时，根据估计误差对模型进行调整的幅度。一个适……
频率或速度的度量，通常指优化中的学习率或令牌生 …
随机性是AI的基础，用于初始化模型权重、打乱数据集以及在训练过程中引入随机性以防止过拟合。由于计算机是确定性的，AI系统……
缺乏可预测模式的属性，通常在AI中通 …
提示词是与大型语言模型及其他生成式AI系统进行交互的主要接口。它定义了模型输出的上下文、语气和约束。有效的提示……
提供给生成式AI模型的输入文本或指令，以引发特 …
在人工智能领域，隐私指的是在数据收集、模型训练和推理阶段，保护敏感用户信息免受未经授权的访问或滥用。它涉及……
个人控制其个人信息在AI系统中如何被收集、使用和共 …
“策略”一词根据上下文具有双重含义。在一般管理中，它是决策的指导原则。在强化学习（RL）中，策略是智能体的核心组成部分，它定义了智能体在特定状态下应采取的动作概率分布或确定性动 …
在数字通信和AI数据语境中，“帖子”指在线分享的离散内容单元。它是训练自然语言处理模型、情感分析以及理解用户交互模式的主要数据来源。
发布的内容片段，通常位于博 …
“先验”代表了在纳入新观测值之前，关于某个变量的现有信念或历史数据。在贝叶斯推断中，先验与观测数据的似然度相结合，以更新对该变量的认知，形成后验分布。
在贝叶斯统 …
预训练是深度学习中的一种基础技术，模型从海量数据中学习广泛的特征和模式，通常无需标签。这一过程使模型能够发展出通用的知识表示，从而在后续针对特定下游任务进行微调时，仅需少量数据即 …
在人工智能和技术治理的背景下，政策指的是规范人工智能系统应如何开发、部署和监控的正式框架。这些文档构成了组织内部对AI伦理、安全性和合规性的基本约束。
由组织制定 …
AI 语境中的点通常表示特征空间或嵌入向量中的离散坐标。例如，在 K-Means 等聚类算法中，每个数据样本都被视为多维空间中的一个点，通过计算点之间的距离来进行分组。 …
AI 感知涉及将原始传感器数据转换为可由更高层推理模块处理的意义信息。这包括用于解释视觉场景的计算机视觉、用于处理声音的语音识别以及用于理解文本的自然语言处理。
…
在人工智能语境中，“开放”一词通常描述两个不同的领域：一是开源软件，即模型权重和代码公开可用，允许进行修改；二是开放式问题（open-ended problems），这类问题没有 …
在评估 AI 模型时，“总体”指标提供了系统性能的全面视图，而不是仅关注孤立的部分。这包括总体准确率、平均精度均值（mAP）或总体的业务影响评估。
总体指 AI …
在人工智能和优化理论中，最优解是指达到最高可能性能指标的解决方案，例如强化学习中的最大奖励或回归分析中的最小误差。寻找最优解通常涉及在复杂的目标函数空间中进行搜索。 …
对象是计算机科学中的一个基本概念，特别是在面向对象编程（OOP）中。它代表类的一个实例，封装了状态（属性或数据）和行为
程序中的一个独立实体，包含数据和操作该数据 …
神经网络是一系列算法，通过模拟人类大脑运作的方式，试图识别一组数据中的潜在关系。它由层组成
一种受生物大脑启发的计算系统，由组织成层的互连节点或神经元组成。 …
在人工智能和数据科学的背景下，数值型指涉及定量值的数据类型或方法，例如整数、浮点数和小数。与分类数据或文本数据不同，数值型
涉及或使用数字或数学计算，而非符号逻辑 …
在线学习是一种机器学习范式，模型随着新数据点的到达而增量更新，而不是一次性在静态批量数据上进行训练。这种方法至关重要
指机器学习模型能够从新数据流中实时持续学习， …
自然语言处理（NLP）是人工智能的一个子领域，它将计算语言学与统计、机器学习和深度学习模型相结合。它使机器能够
人工智能的一个分支，专注于使计算机能够理解、解释和 …
在AI文档和技术写作中，“此外”作为一种话语标记，表示补充支持性证据或提出进一步的观点，从而强化当前的论述。
用于引入额外信息或加强先前论点的过渡性副词。
前缀“multi-”在AI中常用于指代涉及多个并行组件的架构或过程。例如多头注意力机制，允许模型关注不同的表示子空间。
一个前缀，表示系统或模型中存在多个实例、头 …
多头注意力通过并行运行多次标准注意力机制（使用不同的学习到的线性投影）来扩展标准注意力机制。这使得模型能够联合关注来自不同位置的不同表示子空间的信息。
在AI中，特别是在多智能体系统和强化学习中，纳什均衡描述了一种稳定状态：给定其他所有智能体的策略，每个智能体的策略都是最优的。没有单个智能体能通过单方面改变策略而获益。 …
在计算机视觉和机器人领域，运动指的是对视觉数据或物理系统中移动的检测与分析。光流等算法用于估计视在运动的模式。
物体相对于时间和参考系的位置随时间的连续变化。 …
Mamba 通过引入硬件感知的选择性状态空间模型（SSM），代表了序列建模领域的重大进步。与随着序列长度呈二次方扩展的传统 Transformer 不同，Mamba 能够高效处理 …
AI 建模涵盖了设计、训练和验证算法以从数据中学习模式的整个工作流程。它包括选择适当的架构、定义损失函数以及优化参数，从而构建出能够泛化到新数据的模型。
建模是创 …
在人工智能和概率论中，马尔可夫过程是描述系统随机状态转换的基础模型。其核心原则是马尔可夫性质，即系统在下一时刻的状态仅由当前状态决定，而与过去的历史状态无关。
马 …
蒙特卡洛技术是一类依赖重复随机抽样来估算数学量的计算算法。它们在多维积分、概率推断以及处理具有不确定性的复杂系统时特别有用，通过大量样本的平均值来逼近真实解。
蒙 …
匹配是机器学习中用于建立不同数据实体之间关系的关键技术。在计算机视觉中，特征匹配用于识别图像间的对应点；在推荐系统中，则用于匹配用户偏好与物品特征。
匹配涉及将两 …
在人工智能领域，“本地”通常指直接在用户的硬件（如笔记本电脑或智能手机）上执行操作，而无需依赖远程服务器。这种方法增强了数据隐私并减少了延迟。
指在特定设备上处理 …
机器学习使计算机能够从历史数据中学习模式，并对新的、未见过的数据做出决策或预测。它涵盖了多种技术，包括监督学习、无监督学习和强化学习等。
人工智能的一个子集，专注 …
损失函数（也称为成本函数）衡量机器学习模型的预测结果与真实标签在训练期间的匹配程度。优化算法的目标是最小化这个损失值，从而提高模型的准确性。
一个数值，用于量化模 …
循环是计算机科学和人工智能开发中的一种基本控制流结构。它允许算法遍历数据集、执行重复计算或运行训练轮次。常见的类型包括for循环和while循环。
一种编程结构， …
在人工智能语境中，“长”通常描述处理大量输入的能力，如长文档或冗长的视频流。对于大语言模型而言，这涉及管理长上下文窗口，以保持对完整输入的理解和一致性。
通常指扩 …
该术语指代更广泛的应用范式，即利用具有数十亿参数的模型在各种语言任务中进行零样本或少样本学习。与专用模型不同，
利用扩展的神经网络进行广泛领域的自然语言理解和生成 …
大语言模型（LLM）是基于Transformer架构的高级人工智能系统，在包含大量文本和代码的数据集上进行训练。它们学习语言中的统计模式，
一种在海量文本语料库上 …
LoRA冻结预训练模型的权重，并在Transformer架构的每一层中插入可训练的分解矩阵。通过仅优化这些低秩矩阵，LoRA显著减少
低秩自适应是一种参数高效的微 …
在机器学习中，潜在变量是影响观测数据的未观察因素。在神经网络中，特别是自编码器和扩散模型中，潜在空间代表压缩的、抽象的
指模型内部空间中捕获数据关键特征的隐藏变量 …
线性运算涉及乘法和加法，不包含非线性激活。在神经网络中，线性层（或密集层）对输入向量应用权重矩阵变换。虽然线
描述输出与输入成正比的操作或关系，构成神经层仿射变换 …
虽然 ‘instead’ 不是一个技术性的 AI 算法术语，但在提示工程（Prompt Engineering）和自然语言理解中至关重要。它指示子句之间的 …
朗之万动力学结合了随机噪声和阻尼力，以高效地探索能量景观。在人工智能中，它主要用于采样方法，如哈密顿蒙特卡洛（Hamiltonian Monte Carlo）或随机梯度朗之万动力 …
在人工智能和计算机科学的语境中，信息与原始数据有所区别。它代表经过组织、结构化或解释以具有意义和实用性的数据。信息（注：原文截断，此处补全语义）通常被视为数据经过处理后产生的价值 …
在人工智能中，知识通常指存储在数据库、本体论或神经网络权重中的显式信息，这些信息允许进行推理和推断。在 DIKW（数据-信息-知识-智慧）层级结构中，知识位于信息之上，代表了更高 …
这一过程弥合了通用预训练与特定任务表现之间的差距。通过让模型接触多样化的指令-响应对，它学会了泛化到未见过的任务，而无需针对每个新任务进行额外的调整（注：原文截断，此处补全语 …
分层AI系统将信息或控制组织成嵌套层的树状结构。在强化学习中，分层强化学习（Hierarchical RL）将复杂任务分解为由高层管理的子目标…
指 …
哈密顿量起源于经典力学，代表系统中动能和势能的总和。在AI中，哈密顿神经网络（HNNs） incorporates 这一概念以学习动态系统…
表示系 …
在人工智能中，“具身”（或“接地”）描述了将符号表示（如单词或逻辑命题）与其在物理世界或感官体验中的实际指代对象联系起来的过程。
指将抽象符号或语言与真实世界的感 …
在数学和理论计算机科学中，群是一个集合G连同满足四个公理的二元运算：封闭性、结合律、单位元和逆元。在AI中，群论被用于…
一种基本的数学结构，由一个 …
AI中的“引导式”通常指模型行为受到主要输入之外的额外信息引导的技术。常见例子包括引导扩散（guided diffusion），其中类别信息用于…
…
在人工智能和计算机科学语境中，“给定”指在计算开始前提供给模型或函数的初始状态、数据集或参数。它确立了计算的边界条件。
指作为算法过程输入提供的现有数据、约束或上 …
在人工智能中，“全局”一词通常与“局部”相对，指涵盖整个系统的方面。在优化领域，全局最小值代表在整个损失景观中可能的最佳解决方案。
描述适用于整个模型或数据集而非 …
在人工智能中，生成是指模型（特别是生成对抗网络 GAN 和基于 Transformer 的大语言模型）产生文本、图像等新颖内容的能力。
生成式模型创建与训练分布相 …
图是人工智能中的一种基本数据结构，由顶点（节点）和边（链接）组成，用于表示关系。图神经网络（GNN）利用这种结构在非欧几里得数据上进行学习。
由通过边连接的节点组 …
虽然单数“图”指抽象的数据结构，但“graphs”通常指多个不同的图实例，或在机器学习监控中使用的可视化图表。在可视化中，包括折线图或条形图等。
复数形式，指多个 …
虽然“此外”并非技术算法，但它是AI文档和研究论文中至关重要的语言工具。它用于连接思想，表明后续陈述增加了权重或
一种过渡性副词，用于在技术写作中引入额外信息或加 …
高斯指的是正态分布，这是一种由均值和方差表征的连续概率分布。在AI中，它广泛用于概率建模、贝叶斯推断以及
与正态分布相关，这是一种钟形曲线，是统计学和AI噪声建模 …
在人工智能领域，基础模型是指在大规模数据（如图像、文本或音频）上进行训练的大型机器学习模型。这些模型旨在具备适应性，
在海量数据集上预训练的模型，作为各种下游任务 …
在人工智能语境中，“免费”通常指开源模型、数据集或工具，用户可免费访问、修改和分发，无需支付费用。这与专有解决方案形成对比，后者
指无需支付费用或受限制性许可即可 …
“生成的”一词描述了由生成式AI模型产生的输出，如文本、图像、音频或代码。与检索现有数据的基于检索的系统不同，生成式模型合成新的
由AI模型创建的内容，而非直接从 …
反馈机制使AI系统能够从与用户或环境的交互中学习，从而优化未来的预测或行动。这包括强化学习信号、人在回路（human-in-the-loop）等机制。
反馈涉及利 …
“快速”一词描述了人工智能模型中的计算效率，强调快速的推理时间和高效的数据处理能力。这对于实时应用至关重要。
在人工智能领域，“快速”指为低延迟和高吞吐量处理任务 …
数据流涵盖了数据在AI系统中从摄入到最终输出的路径，包括预处理、特征提取、模型推理和后处理。高效的数据流管理对于系统性能至关重要。
数据流描述了信息在AI处理管道 …
微调涉及采用在大型数据集上训练过的通用模型，并在较小、更专业的数据集上进行进一步训练，以提高其在特定任务上的性能。该技术利用了迁移学习的优势。
微调是指使用额外数 …
“最终”的概念代表了AI管道中的终端阶段，在此阶段处理后的数据产生最终结果，如预测、分类或生成的文本。它标志着计算过程的结束。
在AI工作流中，“最终”表示在所有 …
“广泛”指人工智能操作的规模和全面性，例如大规模数据集、广泛的评估套件或沉重的计算负载。广泛的数据集确保模型的泛化能力和鲁棒性。
描述涵盖大范围、大容量或大量场景 …
人工智能中的实验涉及对变量的系统性测试，以理解机器学习模型中的因果关系。这些程序使开发人员能够比较不同的超参数配置并评估模型性能。
为测试假设、评估模型性能或发现 …
“实验性”指目前正在进行测试、研究或原型设计的人工智能组件，尚未达到稳定性或广泛采用。这些系统通常利用新颖的架构或未经验证的技术。
指处于开发早期阶段且尚未完全验 …
“演进”一词描述了动态的人工智能模型，这些模型经历持续的学习和适应，而不是在初始训练后保持静态。这一概念是终身学习和在线学习系统的核心。
描述通过新数据或反馈持续 …
在人工智能领域，证据指的是实证数据、统计结果或可观察的结果，用于证实关于模型行为、准确性或有效性的主张。它作为模型评估和决策制定的基础。
用于支持假设或验证人工智 …
效率是人工智能中的一项关键指标，用于衡量模型或算法利用可用资源的程度。它包括计算效率（推理和训练的速度）以及资源利用率。高效的AI系统能够在保持高精度的同时，显著降低硬件需求和能 …
具身智能认为，智能源于代理（agent）的物理形态与其环境之间的相互作用。与处理抽象数据的非具身智能不同，具身代理使用传感器感知环境，并通过执行器采取行动。这种交互过程对于学习常 …
能量在人工智能中有两个主要含义。首先，它指运行硬件所需的电力，随着模型规模的扩大，这已成为可持续发展的一个日益关注的问题。其次，在受统计力学启发的模型（如玻尔兹曼机）中，能量是一 …
评估涉及使用定量指标（如准确率、F1分数、BLEU分数）和定性分析，系统地测量AI模型在特定任务上的表现。它包括验证集测试、交叉验证以及对模型泛化能力、公平性和偏差的审计。有效的 …
虽然主要是一种人类语言，但在人工智能语境中，“英语”代表了NLP研究中最普遍的语言领域，这是因为数字文本数据的丰富性。大多数基础模型（如BERT、GPT系列）主要在英语语料库上进 …
与具有固定架构或预定执行路径的静态系统不同，动态AI系统可以在运行时修改其操作。在深度学习中，动态计算图允许网络根据输入数据的形状或条件改变其结构，例如处理变长序列。 …
在优化的背景下，当模型参数的更新方式导致损失增加而不是减少时，就会发生发散，这通常会导致NaN值或无限梯度。这通常是由于学习率过高或数值不稳定性引起的。
发散是指 …
在机器学习中，特别是在迁移学习里，领域由两个组件定义：特征空间（所有可能输入的集合）和这些输入的边缘概率分布。领域偏移指的是源领域和目标领域之间分布的差异。
领域 …
术语“驱动”常作为后缀使用，以指示AI方法背后的主要力量或机制。例如，“数据驱动”意味着决策是基于数据中的统计模式做出的，而“目标驱动”则强调根据特定目标进行优化。 …
这一过程涉及将知识从复杂的高性能“教师”神经网络转移到更简单、高效的“学生”网络中。学生不仅从硬标签中学习，还从软标签（即教师模型的输出概率分布）中学习，从而捕捉更丰富的信息。 …
检测是计算机视觉和信号处理的核心任务，AI模型在此过程中识别感兴趣实体的存在及其位置。与仅分配标签的分类不同，检测通常还包含定位信息（如边界框）。
在数据集或环境 …
AI中的决策制定涉及基于数据、模型和预定义目标从一组可能性中选择最佳行动。它可以是确定性的，遵循严格规则，也可以是概率性的，处理不确定性。
智能体或算法在根据特定 …
在人工智能中，控制是指用于根据当前状态和目标引导系统行为的机制和算法。它涉及反馈回路，其中输出被监控并用于调整后续动作。
通过管理、指导或调节系统的行为和状态以实 …
扩散模型是一类生成式AI，它们学习逆转向数据添加噪声的随机过程。通过训练神经网络逐步预测并去除噪声，它们能够生成高质量的新数据样本。
一种生成建模技术，通过逆转逐 …
在AI语境中，“直接”通常描述绕过中间抽象层的架构或推理路径，例如强化学习中的直接策略优化或在端到端系统中直接映射输入到输出。
指将输入直接映射到输出的方法或路 …
这种方法鼓励模型在潜在空间中拉近正样本对（相似项）的嵌入表示，同时推远负样本对（不相似项）。它在计算机视觉和自然语言处理领域被广泛用于学习高质量的特征表示。
对比 …
在自然语言处理中，上下文对于消除歧义至关重要，例如根据前文理解代词或习语。现代架构（如Transformer）利用注意力机制来捕捉长距离依赖关系，从而更好地处理上下文信息。 …
在人工智能中，因果建模旨在理解对某一变量的干预如何影响另一变量。与依赖观察模式的预测模型不同，因果AI使用结构方程模型等工具来揭示变量间的内在机制。
因果推断涉及 …
云计算为AI工作负载提供了可扩展的基础设施，使开发人员无需维护物理数据中心即可访问强大的GPU和存储空间。它支持各种服务模型，如基础设施即服务（IaaS）和平台即服 …
这一概念包括集成学习方法，其中聚合多个模型的预测结果以减少方差或偏差。它还涵盖多模态融合，即结合不同类型的数据（如文本和图像）以提供更丰富的上下文信息。
AI中的 …
在AI术语背景下，“超越”通常描述超越当前能力的新兴范式或未来方向，例如通用人工智能（AGI）或量子增强计算等。
一个概念性术语，指超出当前技术限制或AI传统边界 …
构建指的是创建AI解决方案的端到端工程过程，包括数据收集、模型选择、训练、验证和部署。它涵盖了技术支持的基础设施。
从初始设计到生产就绪阶段，开发、训练和部署AI …
在人工智能中，基准是一套标准化的测试套件或数据集，旨在衡量机器学习模型的能力。它提供了一个一致的框架，用于比较不同模型的性能表现。
用于评估AI模型性能相对于既定 …
基准测试是通过实验来测量AI模型在特定任务上使用预定义基准的表现程度的主动实践。该过程涉及让模型通过标准的测试流程。
系统地使用基准测试AI模型，以量化其性能并确 …
蒙特卡洛方法是AI和统计学中用于近似难以解析求解的复杂数学问题的关键技术。通过生成成千上万个随机样本来估算结果。
指蒙特卡洛方法，这是一类依赖重复随机采样以获得数 …
AI中的贝叶斯方法利用概率论，随着更多证据的出现来更新假设的可能性。这种方法允许模型量化不确定性并动态优化预测结果。
指基于贝叶斯定理的统计方法，用于根据新证据更 …
在AI语境中，“aware”通常指情境感知或上下文感知，即系统能够识别相关的环境因素或用户状态。这并不意味着具有意识，而是指系统对周围环境的敏感度。
表示AI检测 …
基准测试为比较不同AI模型或算法的能力提供了标准化的参考点。它通常涉及精心策划的数据集以及特定的评估指标，如准确率、召回率等。
Benchmark（基准）的缩写， …
AI中的自动化涉及使用算法和系统来执行传统上需要人力完成的任务。它通过执行预定义的规则或学习到的模式，专注于提高效率、一致性和速度。
指由机器或软件以最少的人工干 …
AI中的自主性是指系统感知环境、做出决策并执行操作而无需直接人工控制的能力。与简单的自动化不同，自主系统能够适应变化并调整其行为。
描述能够在动态环境中独立做出决 …
Adam（自适应矩估计）是一种流行的基于一阶梯度的优化算法，用于训练深度神经网络。它结合了两种其他随机梯度下降扩展的优势。
一种为每个参数计算自适应学习率的优化算 …
在人工智能和机器人技术中，动作是指智能体为与环境交互而采取的具体步骤或决策。动作是基于当前状态选择的。
智能体为影响其环境而执行的操作。
在人工智能的背景下，分析指的是系统地检查数据、模型预测或系统行为，以了解潜在模式、诊断问题或得出可操作的见解。该……
检查数据或模型输出以提取有意义见解和模式的过 …
AI智能体是能够通过传感器（输入）感知周围环境、处理信息，并通过执行器（输出）执行动作以实现既定目标……的软件程序或系统。
感知环境并采取行动以实现特定目标的自主 …
在人工智能中，“自适应”描述的是能够根据新数据或环境反馈动态调整其内部状态、参数或策略的系统或算法。这种能力使模型……
系统根据变化条件修改其行为或参数的能力。 …
当生成式AI模型产生的输出看似合理，但缺乏现实或源数据的支撑时，就会发生幻觉。这是在对准确性要求极高的应用中面临的一个重大挑战。
当AI模型生成自信但事实错误或无 …
嵌入是数据的稠密向量表示，其中语义关系在几何空间中得以保留。通过将分类或高维输入转换为固定长度的向量，模型能够捕捉数据背后的深层含义。
一种将单词或图像等离散对象 …
上下文学习（ICL）允许大型语言模型在不更新权重的情况下适应新任务。通过在提示上下文中提供输入-输出对，模型可以推断出模式并执行相应任务。
一种模型通过观察提示中 …
推理指的是部署阶段，在此阶段使用最终确定的模型对未见过的数据进行决策或预测。与更新权重的训练不同，推理消耗计算资源以产生结果。
训练好的模型处理新数据以生成预测或 …
微调涉及在一个已在大而通用数据集上训练好的模型基础上，继续在专业化数据集上进行训练。这使得模型在保留通用知识的同时，能够习得特定任务的技能。
使用较小的数据集将预 …
代码生成利用在海量编程语言存储库上训练的大型语言模型，来生成可运行的软件工件。它解析人类可读的提示（如注释或自然语言指令），从而自动生成相应的功能代码。
利用人工 …
计算机视觉专注于通过计算过程复制人类的视觉能力。它涉及分析和解释视觉数据，以识别物体、识别模式并理解场景内容。
人工智能的一个领域，使计算机能够从数字图像、视频和 …
卷积神经网络（CNN）旨在从视觉输入中自动且自适应地学习特征的空间层次结构。它们利用卷积层应用滤波器来检测局部模式，并通过池化等操作逐步提取高层语义特征。
一类专 …
上下文窗口定义了AI模型在单次交互中记忆的运作限制。它决定了模型可以关注多少先前的对话历史、文档文本或输入数据，从而保持对整体语境的连贯理解。
语言模型在推理或训 …
深度学习算法试图模拟人脑的分析和学习过程。通过堆叠多个互连节点的层级，这些模型能够从原始数据中学习分层特征，从而在图像识别、语音处理等任务中表现出色。
机器学习的 …
反向传播（Backpropagation），即误差反向传播，是一种用于人工神经网络的方法，旨在计算损失函数关于权重的梯度。它通过将误差信号从输出层向输入层反向传播，并利用链式法则 …
在 AI 伦理中，偏见指的是算法决策中的系统性且不公平的歧视，通常源于有偏见的训练数据或有缺陷的模型设计。这可能导致对特定人群的不利影响，因此在开发 AI 系统时需特别关注公平性 …
人工智能（AI）是指数字计算机或受计算机控制的机器人执行通常与智能生物相关的任务的能力。它涵盖了各种子领域，包括机器学习、自然语言处理等，旨在让机器具备感知、推理、学习和解决问题 …
思维链（Chain-of-Thought, CoT）提示是一种策略，引导大型语言模型在得出最终答案之前，逐步生成推理解释。通过将复杂问题分解为中间步骤，这种方法显著提高了模型在处 …
注意力机制使模型能够动态地权衡输入序列中不同元素的重要性。与平等对待所有输入数据不同，它会根据上下文分配不同的权重，从而让模型聚焦于最相关的信息部分，显著提升了对长序列数据的处理 …
AI 安全涵盖旨在确保自主系统以有益且对人类无害的方式行事的研究和实践。它解决诸如偏见、错误信息、安全性漏洞以及系统失控等风险，致力于构建可靠、可信赖且符合伦理的 AI 系统。 …
API 定义了一套用于构建软件和应用程序的协议与工具。在 AI 领域，API 使开发人员能够访问强大的模型（如大语言模型或图像生成器），而无需在本地托管这些模型，从而简化了集成过 …
对齐关注的是确保 AI 系统执行人类真正希望它做的事情，而不仅仅是字面上要求它做的事。它涉及诸如来自人类反馈的强化学习（RLHF）等技术，旨在缩小模型输出与人类期望之间的差距，提 …
提示工程涉及制作特定的输入（即提示），以从生成式 AI 模型中获取准确、相关且高质量的响应。它要求理解模型如何解释指令、上下文及约束条件，从而通过调整提示词的结构和措辞来最大化模 …
在 AI 中，智能体是代表用户或系统执行任务的实体。与仅对提示做出响应的被动模型不同，智能体具备规划能力，可以使用工具，并能根据其行动结果进行迭代和调整，从而更复杂地解决多步骤问 …