Abruf
Suchen relevanter Dokumente oder Datensätze aus einer Wissensquelle für eine Abfrage.
Offene Enzyklopädie
DasKI-Glossar
Grundlegende Fachterminologie in höchster Klarheit erklärt. Konzipiert für Forscher, Studierende und menschenzentrierte Bildung.
213BegriffeA–ZSuche + Alphabetfilter100%Klartextdefinitionen
A22 Begriffe
Abruf mehrerer Abfragen
Eine Abruftechnik, die die Benutzerabfrage in mehrere Varianten umschreibt, um den Abruf zu verbessern.
Abrufen von übergeordneten Dokumenten
Ein Abrufmuster, das kleine Teile durchsucht, aber die größeren übergeordneten Dokumente für einen umfassenderen Kontext zurückgibt.
Abrufpräzision
Der Anteil der abgerufenen Elemente, die für die Anfrage des Benutzers relevant sind.
Absichtsklassifizierung
Den Zweck des Benutzers anhand einer Textabfrage vorhersagen, um ihn korrekt weiterzuleiten.
Agenten-Workflow
Ein mehrstufiger Prozess, bei dem ein KI-System plant, ausführt, Ergebnisse überprüft und auf ein Ziel hin iteriert.
Agentenschleife
Ein iterativer Zyklus, in dem ein KI-Agent beobachtet, plant, handelt und nachdenkt, bis er ein Ziel erreicht oder eine Stoppbedingung erreicht.
AGI (Künstliche Allgemeine Intelligenz)
Ein hypothetisches KI-System, das die meisten intellektuellen Aufgaben in vielen Bereichen auf menschlicher Ebene ausführen kann.
Algorithmische Transparenz
Wie klar die Logik, Datenquellen und Einschränkungen eines KI-Systems dokumentiert und verständlich sind.
Algorithmischer Bias
Systematische Ungerechtigkeit bei Modellergebnissen, die durch verzerrte Daten, Annahmen oder Modellierungsentscheidungen verursacht wird.
Algorithmus
Ein definierter Satz von Regeln oder Schritten, die ein Computer befolgt, um ein Problem zu lösen oder eine Aufgabe abzuschließen.
ALiBi
Eine Positionsbias-Methode, die Aufmerksamkeitswerte basierend auf der Token-Distanz bestraft und so Modellen hilft, auf längere Kontexte zu extrapolieren.
Anerkennung benannter Entitäten (NER)
Eine NLP-Aufgabe, die Entitäten wie Personen, Orte, Daten oder Organisationen identifiziert.
Anmerkung
Vom Menschen hinzugefügte Bezeichnungen oder Metadaten, die zum Trainieren oder Bewerten von Modellen für maschinelles Lernen verwendet werden.
ANN (ungefährer nächster Nachbar)
Algorithmen, die Vektoren in der Nähe einer Abfrage ohne umfassenden Vergleich finden und dabei Genauigkeit gegen Geschwindigkeit eintauschen.
Anweisungs-Tuning
Feinabstimmung eines Modells für Anweisungs-Antwort-Paare, um die Aufgabenverfolgung zu verbessern.
Anwesenheitsstrafe
Eine Dekodierungseinstellung, die die Wahrscheinlichkeit verringert, dass Token überhaupt aufgetaucht sind, und so neue Themen anregt.
API (Anwendungsprogrammierschnittstelle)
Eine strukturierte Möglichkeit für ein Softwaresystem, Anfragen an ein anderes System zu senden und Antworten von diesem zu empfangen.
Aufmerksamkeitsmechanismus
Eine Modellkomponente, die sich beim Erzeugen einer Ausgabe dynamisch auf relevante Teile einer Eingabe konzentriert.
Ausgabeparser
Logik, die die Modellausgabe validiert und in stark typisierte, maschinenverwendbare Strukturen umwandelt.
Ausrichtungssteuer
Der zusätzliche Zeit-, Rechen- oder Produktgeschwindigkeitsaufwand, der erforderlich ist, um Systeme sicherer und kontrollierbarer zu machen.
Autonomes System
Ein System, das mit begrenzter oder keiner direkten menschlichen Kontrolle in Echtzeit Entscheidungen treffen und handeln kann.
B14 Begriffe
Basismodell
Ein einfaches Referenzmodell, das verwendet wird, um zu vergleichen, ob komplexere Ansätze tatsächlich die Ergebnisse verbessern.
Baum der Gedanken
Ein Argumentationsansatz, bei dem ein Modell mehrere verzweigte Lösungspfade untersucht und die vielversprechendsten auswählt.
Belohnungsmodell
Ein Modell, das Ausgaben basierend auf Präferenzsignalen bewertet und häufig in RLHF-Pipelines verwendet wird.
Benchmark
Ein standardisierter Test oder Datensatz zum Messen und Vergleichen der Modellleistung.
Benchmark-Leakage
Wenn Benchmark-Testbeispiele oder ähnliche Varianten in Trainingsdaten vorhanden sind, erhöht sich die gemeldete Leistung.
Berechnen
Die zum Trainieren und Ausführen von Modellen erforderlichen Verarbeitungsressourcen, oft gemessen in FLOPS oder GPU-Stunden.
Beschneiden
Entfernen weniger wichtiger Modellgewichte oder Neuronen, um Größe und Rechenleistung zu reduzieren.
Bewertungsset
Ein zurückgehaltener Datensatz, der zur Messung der Modellqualität nach dem Training verwendet wird.
Bi-Encoder
Ein Modell, das Abfragen und Dokumente in separate Vektoren kodiert, damit sie im großen Maßstab schnell verglichen werden können.
Big Data
Sehr große und komplexe Datensätze, die skalierbare Speicher- und Verarbeitungstechniken erfordern.
Black-Box-Modell
Ein Modell, dessen interne Argumentation von Menschen nur schwer direkt interpretiert werden kann.
Blitzaufmerksamkeit
Ein optimierter Aufmerksamkeitsalgorithmus, der den Speicherverbrauch reduziert und das Transformatortraining und die Inferenz beschleunigt.
Bodenständigkeit
Der Grad, in dem eine KI-Reaktion durch Quelldaten oder abgerufene Beweise gestützt wird.
BPE (Byte-Paar-Kodierung)
Ein Unterwort-Tokenisierungsalgorithmus, der die häufigsten Zeichenpaare in wiederverwendbaren Token zusammenführt.
C3 Begriffe
CLIP
Eine multimodale Modellarchitektur, die gemeinsame Darstellungen zwischen Text und Bildern lernt.
Computer Vision
Der Zweig der KI, der aus Bildern und Videos Bedeutung extrahiert.
Cross-Encoder
Ein Modell, das eine Abfrage und ein Dokument in einem Durchgang bewertet, um hochpräzise Relevanzbeurteilungen zu ermöglichen.
D12 Begriffe
Datendrift
Eine Verschiebung der realen Eingabedaten im Laufe der Zeit, die die Modellleistung beeinträchtigen kann.
Datenerweiterung
Techniken, die modifizierte Trainingsbeispiele erstellen, um die Modellverallgemeinerung zu verbessern.
Datenherkunft
Eine Aufzeichnung darüber, woher die Daten stammen, wie sie umgewandelt wurden und wo sie verwendet werden.
Datenherkunft
Der dokumentierte Ursprung, Eigentümer und Verlauf eines Datensatzes oder Modellartefakts.
Datenkennzeichnung
Der Prozess der Zuweisung von Tags oder Zielausgaben zu Rohdaten für überwachtes Lernen.
Datensatz
Eine Sammlung strukturierter oder unstrukturierter Beispiele, die für Schulung, Validierung oder Tests verwendet werden.
Destillation
Komprimieren von Wissen aus einem großen Lehrermodell in ein kleineres Schülermodell.
Destilliertes Modell
Ein kleineres Modell, das darauf trainiert wurde, das Verhalten eines größeren Modells zu imitieren und gleichzeitig weniger Rechenleistung bei der Inferenz zu verbrauchen.
Differenzielle Privatsphäre
Eine Datenschutztechnik, die statistisches Rauschen hinzufügt, sodass einzelne Datensätze nicht zuverlässig aus den Ausgaben abgeleitet werden können.
Diffusionsmodell
Eine generative Architektur, die lernt, Rauschen umzukehren, um Bilder, Audio oder andere Inhalte zu synthetisieren.
Domänenanpassung
Methoden, die ein in einer Domäne trainiertes Modell übertragen, um in einer anderen Domäne eine bessere Leistung zu erzielen.
DPO (Direct Preference Optimization)
Eine Trainingsmethode, die Modelle direkt anhand von Präferenzpaaren verfeinert, ohne dass ein separates Belohnungsmodell erforderlich ist.
E12 Begriffe
Einbetten
Eine numerische Vektordarstellung, die die semantische Bedeutung von Text, Bildern oder anderen Daten erfasst.
Einbettungsmodell
Ein Modell, das auf die Konvertierung von Daten in Vektoren spezialisiert ist, die für die semantische Suche, das Clustering und den Abruf verwendet werden.
Eingabeaufforderungsvorlage
Ein wiederverwendbares Eingabeaufforderungsmuster mit Variablen, Formatierungsregeln und aufgabenspezifischen Anweisungen.
Empfehlungssystem
Eine Modellpipeline, die Benutzerpräferenzen für das Ranking von Inhalten oder Produkten vorhersagt.
Encoder
Die Komponente eines Modells, die Eingaben in latente Darstellungen umwandelt.
Ensemble
Kombinieren von Vorhersagen aus mehreren Modellen zur Verbesserung der Robustheit oder Genauigkeit.
Entscheidungsbaum
Ein Modell, das Vorhersagen durch eine Folge von Wenn-Dann-Merkmalsaufteilungen trifft.
Entscheidungsgrenze
Die Oberfläche im Merkmalsraum, die von einem Klassifikator vorhergesagte Klassen trennt.
Erklärbarkeit
Der Grad, in dem das Verhalten eines Modells für Menschen interpretiert und erklärt werden kann.
Etikettenglättung
Eine Regularisierungsmethode, die harte Bezeichnungen mildert, um die Generalisierung zu verbessern.
Evaluierungsgeschirr
Ein wiederholbares Bewertungsframework, das Eingabeaufforderungen, Datensätze und Bewertungslogik modellübergreifend ausführt.
Expertenmischung (MoE)
Eine Architektur mit spezialisierten Subnetzwerken, in denen nur ausgewählte Experten pro Eingabe arbeiten.
F12 Begriffe
Faktizität
Wie genau die Behauptungen eines Modells mit überprüfbaren realen Informationen übereinstimmen.
Falsch negativ
Eine falsche Vorhersage, bei der ein Modell einen echten positiven Fall übersieht.
Falsch positiv
Eine falsche Vorhersage, bei der ein Modell einen negativen Fall fälschlicherweise als positiv kennzeichnet.
Faltungs-Neuronales Netzwerk (CNN)
Eine neuronale Architektur, die für die Verarbeitung gitterartiger Daten wie Bilder optimiert ist.
Farbverlauf
Ein Vektor, der zeigt, um wie viel sich jeder Parameter ändern sollte, um Verluste zu reduzieren.
Feature-Engineering
Entwerfen oder Transformieren von Eingabevariablen, um das Lernen einfacher und effektiver zu machen.
Feature-Store
Ein verwaltetes System zum konsistenten Speichern und Bereitstellen validierter ML-Funktionen für Training und Inferenz.
Feinabstimmung
Fortgesetztes Training zu domänenspezifischen Daten, um ein vorab trainiertes Modell an eine bestimmte Aufgabe anzupassen.
Few-Shot-Lernen
Verhalten aus nur wenigen Beispielen lernen oder anpassen.
Frequenzstrafe
Eine Dekodierungseinstellung, die die Wahrscheinlichkeit von Token proportional dazu verringert, wie oft sie bisher aufgetaucht sind.
Funktion
Eine Eingabevariable, die von einem Modell verwendet wird, um Vorhersagen zu treffen.
Funktionsaufruf
Eine Modellfunktion zum Generieren strukturierter Aufrufe, die externe Tools oder APIs auslösen.
G9 Begriffe
GAN (Generative Adversarial Network)
Ein generativer Aufbau, bei dem ein Generator und ein Diskriminator gegeneinander trainieren.
Gedankenkette
Ein Argumentationsstil, bei dem ein KI-Modell ein Problem in Zwischenschritte zerlegt.
Gefälleabstieg
Eine Optimierungsmethode, die Parameter in der Richtung aktualisiert, die Fehler reduziert.
Generative KI
KI-Systeme, die neue Inhalte wie Texte, Bilder, Audio, Video oder Code produzieren.
Geschützte Dekodierung
Eine Generierungsstrategie, die Ausgabetokens auf gültige Strukturen oder richtlinienkonforme Auswahlmöglichkeiten beschränkt.
Gewicht
Ein erlernter numerischer Wert, der Signale skaliert, die ein neuronales Netzwerk durchlaufen.
Großes Sprachmodell (LLM)
Ein Sprachmodell, das auf umfangreichen Textkorpora trainiert wurde, um Text zu generieren und zu analysieren.
Grundwahrheit
Vertrauenswürdige Referenzlabels zum Trainieren oder Bewerten von Modellausgaben.
GSM8K
Ein Benchmark für mathematische Wortaufgaben in der Grundschule, der zur Bewertung des schrittweisen Denkens in Sprachmodellen verwendet wird.
H6 Begriffe
Halluzination
Wenn ein Modell fließende, aber falsche oder nicht unterstützte Informationen generiert.
HNSW
Eine graphbasierte Indexstruktur für die schnelle Suche nach ungefähren nächsten Nachbarn über hochdimensionale Vektoren.
Human-in-the-Loop
Ein Arbeitsablauf, bei dem Menschen KI-Ausgaben überprüfen, steuern oder überschreiben.
HumanEval
Ein Benchmark für Python-Programmierprobleme, mit dem die Korrektheit der Codegenerierung mithilfe von Komponententests gemessen wird.
Hybride Suche
Ein Retrieval-Ansatz, der die Schlüsselwortsuche (lexikalisch) mit der Vektorsuche (semantisch) kombiniert, um eine bessere Recherche und Präzision zu erzielen.
Hyperparameter
Ein vor dem Training festgelegter Konfigurationswert, z. B. Lernrate, Stapelgröße oder Tiefe.
I2 Begriffe
Inferenzendpunkt
Eine bereitgestellte API-Schnittstelle, die Modellanfragen empfängt und Vorhersagen in der Produktion zurückgibt.
Inferenzzeitberechnung
Die Menge an Rechenleistung, die bei der Erstellung jeder Antwort verbraucht wird.
J1 Begriffe
Jailbreak
Eine schnelle Technik, mit der die Sicherheitsbeschränkungen eines Modells umgangen werden sollen.
K18 Begriffe
Kalibrierung
Wie gut die Konfidenzwerte eines Modells mit den tatsächlichen Korrektheitswahrscheinlichkeiten übereinstimmen.
Kausalschluss
Methoden zur Schätzung von Ursache-Wirkungs-Beziehungen anstelle einfacher Korrelationen.
Keine Datenaufbewahrung
Eine Richtlinie, bei der Anforderungs-/Antwortnutzdaten nach der Verarbeitung nicht über kurzlebige Betriebsfenster hinaus gespeichert werden.
KI auf dem Gerät
KI-Inferenz wird lokal auf der Benutzerhardware und nicht in einem Remote-Cloud-Dienst durchgeführt.
KI-Agent
Ein Softwaresystem, das beobachten, schlussfolgern und Maßnahmen ergreifen kann, um ein Ziel zu erreichen, häufig unter Einsatz von Werkzeugen und Gedächtnis.
KI-Ausrichtung
Die Arbeit, KI-Systeme dazu zu bringen, sich entsprechend den Absichten, Werten und Sicherheitsbeschränkungen des Menschen zu verhalten.
KI-Gesetz
Der risikobasierte Regulierungsrahmen der Europäischen Union für KI-Systeme und -Anbieter.
KI-Governance
Richtlinien, Standards und Aufsichtsmechanismen, die die Entwicklung und Nutzung von KI in der Gesellschaft steuern.
KI-Sicherheit
Ein Bereich, der sich auf die Reduzierung schädlichen Verhaltens, Ausfällen und Missbrauchsrisiken in KI-Systemen konzentriert.
Klassifikator
Ein Modell, das speziell für Klassifizierungsaufgaben entwickelt wurde.
Klassifizierung
Eine Aufgabe, bei der ein Modell eine Eingabe einer oder mehreren vordefinierten Kategorien zuordnet.
Kleines Sprachmodell (SLM)
Ein kompaktes Sprachmodell, das für geringere Latenz, Kosten oder Nutzung auf dem Gerät optimiert ist.
Konfidenzintervall
Ein statistischer Bereich, der wahrscheinlich den wahren Wert einer gemessenen Modellmetrik enthält.
Kontextfenster
Die maximale Anzahl an Eingabetokens, die ein Sprachmodell gleichzeitig verarbeiten kann.
Kontinuierliches Lernen
Trainingsansätze, die es einem Modell ermöglichen, kontinuierlich aus neuen Daten zu lernen, ohne Vorkenntnisse zu vergessen.
Kreuzentropieverlust
Eine gängige Zielfunktion, die zum Trainieren von Klassifizierungsmodellen durch Bestrafung falscher Wahrscheinlichkeiten verwendet wird.
Künstliche Intelligenz (KI)
Das weite Feld des Aufbaus von Systemen, die Aufgaben ausführen, die Mustererkennung, Argumentation, Sprache oder Entscheidungsfindung erfordern.
KV-Cache
Gespeicherte Schlüssel- und Werttensoren früherer Token, die es Transformatoren ermöglichen, neue Token zu generieren, ohne die bisherige Aufmerksamkeit neu zu berechnen.
L7 Begriffe
Latentraum
Ein komprimierter Darstellungsraum, in dem ähnliche Konzepte als Vektoren nebeneinander positioniert sind.
Latenz
Die Zeit zwischen dem Senden einer Anfrage und dem Empfang der Modellausgabe.
Leitplanken
Regeln, Prüfungen und Kontrollen, die unsicheres oder unerwünschtes Modellverhalten begrenzen.
Lernen im Kontext
Die Fähigkeit eines Modells, Mustern anhand von Beispielen zu folgen, die direkt in der Eingabeaufforderung bereitgestellt werden.
Lernrate
Ein Trainingshyperparameter, der steuert, wie stark Parameter sich bei jedem Aktualisierungsschritt ändern.
LLM-als-Richter
Verwendung eines Sprachmodells zur Bewertung oder zum Vergleich der Ergebnisse anderer Modelle während der Evaluierung.
LoRA (Low-Rank-Anpassung)
Eine parametereffiziente Feinabstimmungsmethode, die Adaptermatrizen mit niedrigem Rang hinzufügt.
M12 Begriffe
Maschinelles Lernen (ML)
Methoden, die es Systemen ermöglichen, Muster aus Daten zu lernen und sich im Laufe der Zeit zu verbessern.
MCP (Model Context Protocol)
Ein offenes Protokoll, das es KI-Anwendungen ermöglicht, auf standardmäßige Weise eine Verbindung zu externen Tools, Datenquellen und Kontextanbietern herzustellen.
Mehrköpfige Aufmerksamkeit
Ein Transformatormechanismus, der mehrere Aufmerksamkeitsoperationen parallel ausführt, um verschiedene Arten von Beziehungen zu erfassen.
Menschliches Präferenzmodell
Ein auf menschlichen Rankings trainiertes Modell, um vorherzusagen, welche Antworten Benutzer wahrscheinlich bevorzugen.
Merkmalsextraktion
Konvertieren von Rohdaten in informative Funktionen, die ein Modell verwenden kann.
Mitte des Trainings
Eine Zwischentrainingsphase zwischen Pre-Training und Post-Training, die häufig für Leistungs- oder Domänenanpassungen verwendet wird.
MMLU
Ein Benchmark, bei dem Sprachmodelle in 57 akademischen und beruflichen Fächern anhand von Multiple-Choice-Fragen getestet werden.
Modelldrift
Leistungsabfall im Laufe der Zeit, da die realen Bedingungen von den Trainingsannahmen abweichen.
Modellkarte
Dokumentation, die den Verwendungszweck, die Metriken, Einschränkungen und Risiken eines Modells beschreibt.
Modellquantisierung
Reduzierung der numerischen Genauigkeit von Modellgewichten, um Speicher- und Inferenzkosten zu senken.
Modellregister
Ein zentraler Katalog zur Versionierung, Genehmigung und Nachverfolgung von Modellen in verschiedenen Umgebungen.
Multimodales Modell
Ein Modell, das mehrere Datentypen wie Text, Bild und Audio verarbeiten oder generieren kann.
N4 Begriffe
Nach dem Training
Trainingsschritte, die nach dem Vortraining angewendet werden, z. B. Anweisungsoptimierung, Präferenzoptimierung und Sicherheitsoptimierung.
Neuronales Netzwerk
Ein geschichtetes Rechenmodell, inspiriert von biologischen Neuronen und Synapsen.
Normalisierung
Transformieren von Werten in eine konsistente Skala, um die Optimierungsstabilität zu verbessern.
Nutzungsbasierte Abrechnung
Preisgestaltung, bei der die Kosten mit API-Aufrufen, Token, Inferenzzeit oder verbrauchter Rechenleistung skalieren.
O2 Begriffe
OCR (Optische Zeichenerkennung)
Technologie, die Text in Bildern oder Scans in maschinenlesbaren Text umwandelt.
Open-Source-Modell
Ein Modell, das mit öffentlichen Gewichten oder Code zur Überprüfung, Anpassung und Wiederverwendung freigegeben wird.
P9 Begriffe
Parameter
Ein erlerntes Gewicht innerhalb eines Modells, das seine Ausgaben beeinflusst.
Parametereffiziente Feinabstimmung (PEFT)
Methoden, die Modelle anpassen, indem sie eine kleine Teilmenge hinzugefügter Parameter trainieren.
Pass@k
Eine Code-Bewertungsmetrik, die die Wahrscheinlichkeit misst, dass mindestens eine von k generierten Stichproben die Tests besteht.
Perplexity
Eine Sprachmodellmetrik, die misst, wie überrascht das Modell von echten nächsten Token ist.
Pipeline
Ein geordneter Arbeitsablauf aus Vorverarbeitungs-, Modellschritten und Nachverarbeitungsphasen.
Positionskodierung
Zu Token-Einbettungen hinzugefügte Informationen, damit Transformatoren die Reihenfolge der Sequenzen unterscheiden können.
Präzision
Der Anteil der vorhergesagten positiven Ergebnisse, die tatsächlich korrekt sind.
Prompt
Die Eingabeanweisungen und der Kontext, die einem generativen Modell bereitgestellt werden.
Prompt Engineering
Entwerfen von Eingabeaufforderungen zur Verbesserung der Ausgabequalität, Zuverlässigkeit und Kontrollierbarkeit.
Q2 Begriffe
QLoRA
Eine Feinabstimmungstechnik, die 4-Bit-Gewichtsquantisierung mit LoRA-Adaptern kombiniert, um den Speicherbedarf zu reduzieren.
Quantisierung
Konvertieren von Modellgewichten in Formate mit geringerer Genauigkeit wie 8-Bit oder 4-Bit.
R9 Begriffe
RAG (Retrieval-Augmented Generation)
Eine Methode, die externes Wissen abruft und es zum Zeitpunkt der Inferenz in die Generierung einspeist.
RAG-Fusion
Eine Abrufmethode, die mehrere Abfragevarianten generiert, für jede die Ergebnisse abruft und die Rankings zusammenführt.
ReAct
Ein Aufforderungsmuster, das Argumentationsschritte mit Werkzeugnutzungsaktionen verschachtelt, um Aufgaben zuverlässiger zu lösen.
Reranker
Ein Modell, das einen anfänglichen Satz abgerufener Ergebnisse neu anordnet, um die relevantesten Elemente oben zu platzieren.
Robustheit
Die Fähigkeit eines Modells, die Leistung unter Rauschen, Verschiebungen oder widersprüchlichen Eingaben aufrechtzuerhalten.
RoPE (Rotary Positional Embeddings)
Eine Positionskodierungsmethode, die Abfrage- und Schlüsselvektoren dreht, um relative Tokenpositionen zu kodieren.
Rotes Teaming
Stresstest eines KI-Systems mit gegnerischen Eingabeaufforderungen, um Fehler und Risiken aufzudecken.
Rückpropagation
Der zentrale Trainingsalgorithmus, der Modellgewichte aktualisiert, indem er Vorhersagefehler rückwärts durch das Netzwerk weiterleitet.
Rückruf
Der Anteil tatsächlich positiver Ergebnisse, die ein Modell korrekt identifiziert.
S21 Begriffe
Satzstück
Ein sprachunabhängiger Tokenizer, der Unterworteinheiten direkt aus Rohtext lernt, ohne vorher in Leerzeichen aufzuteilen.
Schattenbereitstellung
Führen Sie ein Modell parallel zum Produktionsverkehr aus, ohne die Entscheidungen des Benutzers zu beeinflussen.
Schiebefenster Achtung
Ein Aufmerksamkeitsmuster, bei dem sich jedes Token nur um ein Fenster mit fester Größe benachbarter Token kümmert, um den Rechenaufwand zu reduzieren.
Schlussfolgerung
Die Laufzeitphase, in der ein trainiertes Modell Vorhersagen oder Ausgaben generiert.
Schnelle Injektion
Ein Angriffsmuster, bei dem böswillige Anweisungen in Modelleingaben oder abgerufene Inhalte eingefügt werden.
Schwache Aufsicht
Verwendung von verrauschten, heuristischen oder partiellen Labels zum Trainieren von Modellen, wenn saubere Labels knapp sind.
Selbstspiel
Ein Trainingsaufbau, bei dem sich ein Modell verbessert, indem es durch Interaktionen oder Wettbewerbe mit Kopien von sich selbst Daten generiert.
Selbstüberwachtes Lernen
Lernen von Darstellungen aus unbeschrifteten Daten durch Vorhersage maskierter oder transformierter Teile.
Semantische Suche
Suche, die eher der Bedeutung entspricht als der exakten Überschneidung von Schlüsselwörtern, häufig unter Verwendung von Einbettungen.
Sicherheitsfilter
Eine Moderationsebene, die unsichere Modelleingaben oder -ausgaben blockiert oder umschreibt.
Sicherheitskoffer
Ein strukturiertes, durch Beweise gestütztes Argument dafür, dass ein KI-System für einen definierten Nutzungskontext sicher ist.
Skalierungsgesetz
Eine empirische Beziehung, die zeigt, wie sich die Leistung mit der Modellgröße, den Daten oder der Rechenleistung verbessert.
Sparse-Modell
Ein Modell, bei dem viele Parameter Null oder inaktiv sind, um den Rechenaufwand zu reduzieren.
Speicher (Agentenspeicher)
Gespeicherter Kontext, den ein KI-Agent schritt- oder sitzungsübergreifend verwendet, um die Kontinuität zu verbessern.
Spekulative Dekodierung
Eine Inferenzbeschleunigungsmethode, bei der ein kleines Entwurfsmodell Token vorschlägt, die ein größeres Modell parallel überprüft.
Stiftungsmodell
Ein großes vorab trainiertes Modell, das an viele nachgelagerte Aufgaben angepasst werden kann.
Stimmungsanalyse
Eine NLP-Aufgabe, die den emotionalen Ton oder die Meinung im Text klassifiziert.
Strahlsuche
Ein Dekodierungsalgorithmus, der bei jedem Schritt die besten Kandidatensequenzen beibehält, um Ausgaben mit höherer Wahrscheinlichkeit zu finden.
Strukturierte Ausgabe
Die Modellausgabe ist auf ein definiertes Schema wie JSON, Toolargumente oder typisierte Felder beschränkt.
Synthetische Daten
Künstlich generierte Daten, die zur Erweiterung, Simulation oder zum Schutz sensibler Trainingsdaten verwendet werden.
Systemaufforderung
Eine Anweisung mit hoher Priorität, die Verhalten, Richtlinien und Reaktionsstil für ein Modell festlegt.
T10 Begriffe
Temperatur
Eine Stichprobeneinstellung, die die Zufälligkeit in generierten Ausgaben steuert.
Testzeitberechnung
Zusätzliche Inferenzberechnungen, die während der Antwortgenerierung verwendet werden, um die Qualität oder Argumentation zu verbessern.
Tiefes Lernen
Eine Teilmenge des maschinellen Lernens, die mehrschichtige neuronale Netze zum Repräsentationslernen verwendet.
Token
Ein von Sprachmodellen verarbeiteter Textblock, beispielsweise ein Wortteil oder ein Symbol.
Tokenisierung
Der Prozess der Aufteilung von Text in Token zur Modelleingabe.
Top-K-Probenahme
Eine Dekodierungsstrategie, die nur die k wahrscheinlichsten nächsten Token abtastet.
Top-p (Kern)-Probenahme
Eine Dekodierungsstrategie, die Stichproben aus dem kleinsten Token-Satz macht, dessen Wahrscheinlichkeiten sich zu p summieren.
Trainingsverlust
Der während des Trainings berechnete und im Laufe der Zeit nach unten optimierte Modellfehlerwert.
Transferlernen
Anwenden des in einer Aufgabe oder Domäne erworbenen Wissens zur Verbesserung einer anderen Aufgabe.
Transformator
Eine neuronale Architektur, die Aufmerksamkeit nutzt, um Beziehungen über Sequenzen hinweg parallel zu modellieren.
U1 Begriffe
Unüberwachtes Lernen
Lernmuster aus unbeschrifteten Daten ohne explizite Zielausgaben.
V12 Begriffe
Validierungssatz
Ein Datensatz, der während der Entwicklung verwendet wird, um Modelle zu optimieren und eine Überanpassung zu verhindern.
Vektordatenbank
Eine Datenbank, die für die Speicherung und Abfrage hochdimensionaler Einbettungsvektoren optimiert ist.
Verallgemeinerung
Wie gut ein Modell mit neuen, unsichtbaren Daten außerhalb des Trainingssatzes abschneidet.
Verarbeitung natürlicher Sprache (NLP)
Der Zweig der KI konzentrierte sich auf das Verstehen und Erzeugen menschlicher Sprache.
Verfassungsmäßige KI
Ein Trainings- und Verhaltensformungsansatz, bei dem die Modellergebnisse von einem festen Satz schriftlicher Prinzipien geleitet werden.
Verlustfunktion
Ein mathematisches Ziel, das Vorhersagefehler während des Trainings quantifiziert.
Verstärkungslernen
Training durch Belohnungssignale, bei dem ein Agent Aktionen lernt, die den langfristigen Ertrag maximieren.
Verstärkungslernen aus menschlichem Feedback (RLHF)
Eine Trainingsmethode, die menschliche Präferenzsignale nutzt, um Modellverhalten zu formen.
Vertrauen Sie der Kalibrierung
Abstimmung des Vertrauens der Benutzer in die KI-Ausgaben mit der tatsächlichen Zuverlässigkeit des Systems bei jeder Aufgabe.
Vision-Language-Modell (VLM)
Ein multimodales Modell, das visuelle und textliche Informationen gemeinsam verarbeitet.
Voreingenommenheit
Ein konsistentes Muster von Fehlern oder Ungerechtigkeiten im Daten- oder Modellverhalten.
Vorschulung
Erstes groß angelegtes Modelltraining auf breiten Daten vor der nachgelagerten Anpassung.
W8 Begriffe
Wasserzeichen
Einbetten eines erkennbaren Signals in KI-generierte Texte oder Medien, damit es später als maschinell erzeugt identifiziert werden kann.
Werkzeuggebrauch
Die Fähigkeit eines Modells, externe Tools wie Suche, Rechner oder APIs aufzurufen.
Wiederholungsstrafe
Eine Dekodierungseinstellung, die die Wahrscheinlichkeit von Token verringert, die das Modell bereits produziert hat, um Schleifen zu reduzieren.
Wissensdatenbank
Eine kuratierte Sammlung von Dokumenten oder Datensätzen, die zum Abrufen, zur Support-Automatisierung oder zur Kontaktaufnahme verwendet werden.
Wissensdestillation
Trainieren Sie ein kleineres Modell, um die Ausgaben eines größeren Modells zu imitieren.
Wissensgraph
Eine Diagrammstruktur aus Entitäten und Beziehungen, die zur Schlussfolgerung oder zum Abruf verwendet wird.
Wissensunterbrechung
Der letzte Zeitpunkt, der in den Trainingsdaten eines Modells widergespiegelt wird.
Worteinbettung
Eine dichte Vektordarstellung von Wörtern, die semantische Beziehungen erfasst.
X1 Begriffe
XAI (Erklärbare KI)
Techniken und Praktiken, um KI-Vorhersagen transparenter und verständlicher zu machen.
Z2 Begriffe
Zero-Shot-Lernen
Lösen von Aufgaben ohne aufgabenspezifische Beispiele durch Rückgriff auf allgemeines Vorwissen.
Zitate
Verweise auf Quellenpassagen oder Dokumente, die in der Antwort eines Modells enthalten sind, um seine Behauptungen zu untermauern.
Ü2 Begriffe
Überanpassung
Wenn ein Modell Trainingsdaten speichert und bei unsichtbaren Eingaben eine schlechte Leistung erbringt.
Überwachtes Lernen
Trainieren Sie ein Modell mit beschrifteten Beispielen, die Eingaben bekannten Ausgaben zuordnen.