AGI (Τεχνητή Γενική Νοημοσύνη)
Ένα υποθετικό σύστημα AI που μπορεί να εκτελέσει τις περισσότερες πνευματικές εργασίες σε ανθρώπινο επίπεδο σε πολλούς τομείς.
Βασική τεχνική ορολογία επεξηγημένη με το υψηλότερο επίπεδο σαφήνειας. Σχεδιασμένο για ερευνητές, φοιτητές και ανθρωποκεντρική εκπαίδευση.
Εμφάνιση 213 αντιστοίχιση όρων.
Ένα υποθετικό σύστημα AI που μπορεί να εκτελέσει τις περισσότερες πνευματικές εργασίες σε ανθρώπινο επίπεδο σε πολλούς τομείς.
Ένα σύστημα λογισμικού που μπορεί να παρατηρεί, να αιτιολογεί και να κάνει ενέργειες για την επίτευξη ενός στόχου, χρησιμοποιώντας συχνά εργαλεία και μνήμη.
Το έργο της δημιουργίας συστημάτων AI να συμπεριφέρονται σύμφωνα με τις ανθρώπινες προθέσεις, αξίες και περιορισμούς ασφαλείας.
Πολιτικές, πρότυπα και μηχανισμοί εποπτείας που καθοδηγούν τον τρόπο με τον οποίο αναπτύσσεται και χρησιμοποιείται η τεχνητή νοημοσύνη στην κοινωνία.
Ένα πεδίο που επικεντρώνεται στη μείωση της επιβλαβούς συμπεριφοράς, των αστοχιών και των κινδύνων κακής χρήσης σε συστήματα τεχνητής νοημοσύνης.
Ένα καθορισμένο σύνολο κανόνων ή βημάτων που ακολουθεί ένας υπολογιστής για να λύσει ένα πρόβλημα ή να ολοκληρώσει μια εργασία.
Συστηματική αδικία στα αποτελέσματα των μοντέλων που προκαλείται από λοξά δεδομένα, υποθέσεις ή επιλογές μοντελοποίησης.
Πόσο ξεκάθαρα είναι τεκμηριωμένη και κατανοητή η λογική, οι πηγές δεδομένων και οι περιορισμοί ενός συστήματος AI.
Ετικέτες ή μεταδεδομένα που προστέθηκαν από τον άνθρωπο που χρησιμοποιούνται για την εκπαίδευση ή την αξιολόγηση μοντέλων μηχανικής μάθησης.
Ένας δομημένος τρόπος για ένα σύστημα λογισμικού να στέλνει αιτήματα και να λαμβάνει απαντήσεις από ένα άλλο σύστημα.
Το ευρύ πεδίο κατασκευής συστημάτων που εκτελούν εργασίες που απαιτούν αναγνώριση προτύπων, συλλογισμό, γλώσσα ή λήψη αποφάσεων.
Ένα στοιχείο μοντέλου που εστιάζει δυναμικά σε σχετικά μέρη μιας εισόδου κατά την παραγωγή ενός προϊόντος.
Ένα σύστημα που μπορεί να λαμβάνει αποφάσεις και να ενεργεί με περιορισμένο ή καθόλου άμεσο ανθρώπινο έλεγχο σε πραγματικό χρόνο.
Ο βασικός αλγόριθμος εκπαίδευσης που ενημερώνει τα βάρη των μοντέλων διαδίδοντας τα σφάλματα πρόβλεψης προς τα πίσω μέσω του δικτύου.
Ένα απλό μοντέλο αναφοράς που χρησιμοποιείται για να συγκρίνει εάν οι πιο σύνθετες προσεγγίσεις βελτιώνουν πραγματικά τα αποτελέσματα.
Μια τυποποιημένη δοκιμή ή σύνολο δεδομένων που χρησιμοποιείται για τη μέτρηση και τη σύγκριση της απόδοσης του μοντέλου.
Ένα σταθερό μοτίβο σφάλματος ή αδικίας στα δεδομένα ή τη συμπεριφορά του μοντέλου.
Πολύ μεγάλα και πολύπλοκα σύνολα δεδομένων που απαιτούν κλιμακούμενες τεχνικές αποθήκευσης και επεξεργασίας.
Ένα μοντέλο του οποίου ο εσωτερικός συλλογισμός είναι δύσκολο να ερμηνευτεί άμεσα από τον άνθρωπο.
Πόσο καλά οι βαθμολογίες εμπιστοσύνης ενός μοντέλου ταιριάζουν με τις πραγματικές πιθανότητες ορθότητας.
Ένα στυλ συλλογισμού όπου ένα μοντέλο AI αναλύει ένα πρόβλημα σε ενδιάμεσα βήματα.
Μια εργασία όπου ένα μοντέλο εκχωρεί μια είσοδο σε μία ή περισσότερες προκαθορισμένες κατηγορίες.
Ένα μοντέλο σχεδιασμένο ειδικά για εργασίες ταξινόμησης.
Μια πολυτροπική αρχιτεκτονική μοντέλων που μαθαίνει κοινές αναπαραστάσεις μεταξύ κειμένου και εικόνων.
Οι πόροι επεξεργασίας που απαιτούνται για την εκπαίδευση και την εκτέλεση μοντέλων, που συχνά μετρώνται σε ώρες FLOPS ή GPU.
Ο κλάδος της τεχνητής νοημοσύνης που εξάγει νόημα από εικόνες και βίντεο.
Ο μέγιστος αριθμός διακριτικών εισόδου που μπορεί να επεξεργαστεί ένα μοντέλο γλώσσας ταυτόχρονα.
Προσεγγίσεις εκπαίδευσης που επιτρέπουν σε ένα μοντέλο να συνεχίσει να μαθαίνει από νέα δεδομένα χωρίς να ξεχνά την προηγούμενη γνώση.
Μια νευρωνική αρχιτεκτονική βελτιστοποιημένη για την επεξεργασία δεδομένων που μοιάζουν με πλέγμα, όπως εικόνες.
Μια κοινή αντικειμενική συνάρτηση που χρησιμοποιείται για την εκπαίδευση μοντέλων ταξινόμησης τιμωρώντας εσφαλμένες πιθανότητες.
Τεχνικές που δημιουργούν τροποποιημένα παραδείγματα εκπαίδευσης για τη βελτίωση της γενίκευσης του μοντέλου.
Μια μετατόπιση στα δεδομένα εισόδου του πραγματικού κόσμου με την πάροδο του χρόνου που μπορεί να υποβαθμίσει την απόδοση του μοντέλου.
Η διαδικασία αντιστοίχισης ετικετών ή εξόδων στόχου σε ακατέργαστα δεδομένα για εποπτευόμενη μάθηση.
Μια συλλογή δομημένων ή μη παραδειγμάτων που χρησιμοποιούνται για εκπαίδευση, επικύρωση ή δοκιμή.
Η επιφάνεια στο χώρο χαρακτηριστικών που διαχωρίζει τις κλάσεις που προβλέπονται από έναν ταξινομητή.
Ένα μοντέλο που κάνει προβλέψεις μέσω μιας ακολουθίας διαχωρισμών χαρακτηριστικών αν-τότε.
Ένα υποσύνολο μηχανικής μάθησης που χρησιμοποιεί νευρωνικά δίκτυα πολλών επιπέδων για εκμάθηση αναπαράστασης.
Μια αρχιτεκτονική δημιουργίας που μαθαίνει να αντιστρέφει το θόρυβο για να συνθέτει εικόνες, ήχο ή άλλο περιεχόμενο.
Συμπίεση της γνώσης από ένα μεγάλο μοντέλο δασκάλου σε ένα μικρότερο μοντέλο μαθητή.
Μέθοδοι που μεταφέρουν ένα μοντέλο εκπαιδευμένο σε έναν τομέα για να αποδώσει καλύτερα σε έναν άλλο τομέα.
Μια αριθμητική διανυσματική αναπαράσταση που αποτυπώνει σημασιολογικό νόημα κειμένου, εικόνων ή άλλων δεδομένων.
Το συστατικό ενός μοντέλου που μετατρέπει την είσοδο σε λανθάνουσες αναπαραστάσεις.
Συνδυασμός προβλέψεων από πολλά μοντέλα για βελτίωση της ευρωστίας ή της ακρίβειας.
Ένα συγκρατημένο σύνολο δεδομένων που χρησιμοποιείται για τη μέτρηση της ποιότητας του μοντέλου μετά την εκπαίδευση.
Ο βαθμός στον οποίο η συμπεριφορά ενός μοντέλου μπορεί να ερμηνευτεί και να εξηγηθεί στους ανθρώπους.
Μια λανθασμένη πρόβλεψη όπου ένα μοντέλο χάνει μια αληθινή θετική περίπτωση.
Μια εσφαλμένη πρόβλεψη όπου ένα μοντέλο επισημαίνει εσφαλμένα μια αρνητική περίπτωση ως θετική.
Μια μεταβλητή εισόδου που χρησιμοποιείται από ένα μοντέλο για να κάνει προβλέψεις.
Σχεδιασμός ή μετατροπή μεταβλητών εισόδου για να γίνει η μάθηση ευκολότερη και πιο αποτελεσματική.
Μετατροπή πρωτογενών δεδομένων σε ενημερωτικά χαρακτηριστικά που μπορεί να χρησιμοποιήσει ένα μοντέλο.
Εκμάθηση ή προσαρμογή συμπεριφοράς μόνο από ένα μικρό αριθμό παραδειγμάτων.
Συνεχής εκπαίδευση σε δεδομένα συγκεκριμένου τομέα για την προσαρμογή ενός προεκπαιδευμένου μοντέλου σε μια συγκεκριμένη εργασία.
Ένα μεγάλο προεκπαιδευμένο μοντέλο που μπορεί να προσαρμοστεί σε πολλές μεταγενέστερες εργασίες.
Μια δυνατότητα μοντέλου για τη δημιουργία δομημένων κλήσεων που ενεργοποιούν εξωτερικά εργαλεία ή API.
Μια διάταξη παραγωγής όπου μια γεννήτρια και ένας παράγοντας διάκρισης εκπαιδεύονται ο ένας εναντίον του άλλου.
Πόσο καλά αποδίδει ένα μοντέλο σε νέα, αόρατα δεδομένα εκτός του σετ εκπαίδευσης.
Συστήματα AI που παράγουν νέο περιεχόμενο όπως κείμενο, εικόνες, ήχο, βίντεο ή κώδικα.
Ένα διάνυσμα που δείχνει πόσο πρέπει να αλλάξει κάθε παράμετρος για να μειωθεί η απώλεια.
Μια μέθοδος βελτιστοποίησης που ενημερώνει τις παραμέτρους προς την κατεύθυνση που μειώνει τα σφάλματα.
Αξιόπιστες ετικέτες αναφοράς που χρησιμοποιούνται για την εκπαίδευση ή την αξιολόγηση των αποτελεσμάτων του μοντέλου.
Κανόνες, έλεγχοι και έλεγχοι που περιορίζουν την μη ασφαλή ή ανεπιθύμητη συμπεριφορά του μοντέλου.
Όταν ένα μοντέλο παράγει ρευστές αλλά ψευδείς ή μη υποστηριζόμενες πληροφορίες.
Μια ροή εργασίας όπου οι άνθρωποι εξετάζουν, καθοδηγούν ή παρακάμπτουν τις εξόδους AI.
Μια τιμή διαμόρφωσης που έχει οριστεί πριν από την εκπαίδευση, όπως ο ρυθμός εκμάθησης, το μέγεθος παρτίδας ή το βάθος.
Η ικανότητα ενός μοντέλου να ακολουθεί μοτίβα από παραδείγματα που παρέχονται απευθείας στην προτροπή.
Η φάση χρόνου εκτέλεσης όπου ένα εκπαιδευμένο μοντέλο δημιουργεί προβλέψεις ή εξόδους.
Η ποσότητα της επεξεργαστικής ισχύος που καταναλώνεται κατά την παραγωγή κάθε απόκρισης.
Βελτιστοποίηση ενός μοντέλου σε ζεύγη εντολών-απόκρισης για τη βελτίωση της παρακολούθησης εργασιών.
Πρόβλεψη του σκοπού του χρήστη από ένα ερώτημα κειμένου για τη σωστή δρομολόγηση του.
Μια άμεση τεχνική που αποσκοπεί στην παράκαμψη των περιορισμών ασφαλείας ενός μοντέλου.
Το τελευταίο χρονικό σημείο που αντικατοπτρίζεται στα δεδομένα εκπαίδευσης ενός μοντέλου.
Εκπαίδευση ενός μικρότερου μοντέλου ώστε να μιμείται τα αποτελέσματα ενός μεγαλύτερου μοντέλου.
Μια δομή γραφήματος οντοτήτων και σχέσεων που χρησιμοποιούνται για συλλογισμό ή ανάκτηση.
Μια μέθοδος τακτοποίησης που μαλακώνει τις σκληρές ετικέτες για να βελτιώσει τη γενίκευση.
Ο χρόνος μεταξύ της αποστολής ενός αιτήματος και της λήψης της εξόδου του μοντέλου.
Ένα μοντέλο γλώσσας εκπαιδευμένο σε τεράστια σώματα κειμένου για τη δημιουργία και ανάλυση κειμένου.
Μια υπερπαράμετρος εκπαίδευσης που ελέγχει πόσες παράμετροι αλλάζουν κάθε βήμα ενημέρωσης.
Μια μέθοδος μικρορύθμισης αποδοτικής παραμέτρου που προσθέτει πίνακες προσαρμογέων χαμηλής κατάταξης.
Ένας μαθηματικός στόχος που ποσοτικοποιεί το σφάλμα πρόβλεψης κατά τη διάρκεια της εκπαίδευσης.
Μέθοδοι που επιτρέπουν στα συστήματα να μαθαίνουν μοτίβα από δεδομένα και να βελτιώνονται με την πάροδο του χρόνου.
Το αποθηκευμένο πλαίσιο που χρησιμοποιεί ένας πράκτορας τεχνητής νοημοσύνης σε βήματα ή περιόδους σύνδεσης για να βελτιώσει τη συνέχεια.
Μια αρχιτεκτονική με εξειδικευμένα υποδίκτυα όπου εκτελούνται μόνο επιλεγμένοι ειδικοί ανά είσοδο.
Τεκμηρίωση που περιγράφει την προβλεπόμενη χρήση, τις μετρήσεις, τους περιορισμούς και τους κινδύνους ενός μοντέλου.
Υποβάθμιση της απόδοσης με την πάροδο του χρόνου καθώς οι πραγματικές συνθήκες αποκλίνουν από τις υποθέσεις εκπαίδευσης.
Μείωση της αριθμητικής ακρίβειας των βαρών του μοντέλου για μείωση του κόστους μνήμης και συμπερασμάτων.
Ένα μοντέλο που μπορεί να επεξεργαστεί ή να δημιουργήσει πολλούς τύπους δεδομένων όπως κείμενο, εικόνα και ήχος.
Μια εργασία NLP που προσδιορίζει οντότητες όπως άτομα, μέρη, ημερομηνίες ή οργανισμούς.
Ο κλάδος της τεχνητής νοημοσύνης επικεντρώθηκε στην κατανόηση και τη δημιουργία ανθρώπινης γλώσσας.
Ένα πολυεπίπεδο υπολογιστικό μοντέλο εμπνευσμένο από βιολογικούς νευρώνες και συνάψεις.
Μετατροπή τιμών σε συνεπή κλίμακα για τη βελτίωση της σταθερότητας της βελτιστοποίησης.
Τεχνολογία που μετατρέπει κείμενο σε εικόνες ή σαρώνει σε κείμενο αναγνώσιμο από μηχανή.
Ένα μοντέλο που κυκλοφόρησε με δημόσια βάρη ή κωδικό για επιθεώρηση, προσαρμογή και επαναχρησιμοποίηση.
Όταν ένα μοντέλο απομνημονεύει δεδομένα εκπαίδευσης και έχει κακή απόδοση σε μη ορατές εισόδους.
Ένα μαθημένο βάρος μέσα σε ένα μοντέλο που επηρεάζει τα αποτελέσματά του.
Μέθοδοι που προσαρμόζουν μοντέλα εκπαιδεύοντας ένα μικρό υποσύνολο πρόσθετων παραμέτρων.
Μια μέτρηση μοντέλου γλώσσας που μετρά πόσο εκπλήσσεται το μοντέλο από τα αληθινά επόμενα διακριτικά.
Μια διατεταγμένη ροή εργασιών προεπεξεργασίας, βημάτων μοντέλου και σταδίων μεταεπεξεργασίας.
Το ποσοστό των προβλεπόμενων θετικών που είναι πραγματικά σωστά.
Αρχική εκπαίδευση μοντέλων μεγάλης κλίμακας σε ευρεία δεδομένα πριν από την κατάντη προσαρμογή.
Οι οδηγίες εισαγωγής και το πλαίσιο που παρέχονται σε ένα παραγωγικό μοντέλο.
Σχεδιασμός προτροπών για τη βελτίωση της ποιότητας, της αξιοπιστίας και της δυνατότητας ελέγχου.
Ένα μοτίβο επίθεσης όπου εισάγονται κακόβουλες οδηγίες σε εισόδους μοντέλων ή σε περιεχόμενο που ανακτάται.
Αφαίρεση λιγότερο σημαντικών βαρών μοντέλων ή νευρώνων για μείωση του μεγέθους και υπολογισμού.
Μετατροπή βαρών μοντέλου σε μορφές χαμηλότερης ακρίβειας, όπως 8-bit ή 4-bit.
Μια μέθοδος που ανακτά την εξωτερική γνώση και την τροφοδοτεί σε παραγωγή κατά το χρόνο συμπερασμάτων.
Το ποσοστό των πραγματικών θετικών στοιχείων που προσδιορίζει σωστά ένα μοντέλο.
Ένα μοντέλο που προβλέπει τις προτιμήσεις των χρηστών για την κατάταξη περιεχομένου ή προϊόντων.
Δοκιμή καταπόνησης ενός συστήματος AI με αντίθετες προτροπές για την αποκάλυψη αστοχιών και κινδύνων.
Η εκπαίδευση μέσω ανταμοιβής σηματοδοτεί όπου ένας πράκτορας μαθαίνει ενέργειες που μεγιστοποιούν τη μακροπρόθεσμη απόδοση.
Μια μέθοδος εκπαίδευσης που χρησιμοποιεί σήματα ανθρώπινης προτίμησης για να διαμορφώσει τη συμπεριφορά του μοντέλου.
Εύρεση σχετικών εγγράφων ή εγγραφών από μια πηγή γνώσης για ένα ερώτημα.
Ένα μοντέλο που βαθμολογεί τις εξόδους με βάση τα σήματα προτίμησης, που χρησιμοποιείται συχνά σε αγωγούς RLHF.
Η ικανότητα ενός μοντέλου να διατηρεί την απόδοση υπό θόρυβο, αλλαγές ή αντίθετες εισόδους.
Ένα επίπεδο εποπτείας που μπλοκάρει ή ξαναγράφει μη ασφαλείς εισόδους ή εξόδους μοντέλων.
Μια εμπειρική σχέση που δείχνει πώς η απόδοση βελτιώνεται με το μέγεθος του μοντέλου, τα δεδομένα ή τον υπολογισμό.
Αναζήτηση που ταιριάζει με το νόημα και όχι με την ακριβή επικάλυψη λέξεων-κλειδιών, χρησιμοποιώντας συχνά ενσωματώσεις.
Εκμάθηση αναπαραστάσεων από δεδομένα χωρίς ετικέτα με την πρόβλεψη καλυμμένων ή μετασχηματισμένων τμημάτων.
Μια εργασία NLP που ταξινομεί τον συναισθηματικό τόνο ή τη γνώμη στο κείμενο.
Ένα συμπαγές μοντέλο γλώσσας βελτιστοποιημένο για χαμηλότερη καθυστέρηση, κόστος ή χρήση στη συσκευή.
Ένα μοντέλο όπου πολλές παράμετροι είναι μηδενικές ή ανενεργές για μείωση του υπολογισμού.
Εκπαίδευση ενός μοντέλου με επισημασμένα παραδείγματα που αντιστοιχίζουν τις εισόδους σε γνωστές εξόδους.
Τεχνητά δημιουργημένα δεδομένα που χρησιμοποιούνται για την αύξηση, την προσομοίωση ή την προστασία ευαίσθητων δεδομένων εκπαίδευσης.
Μια οδηγία υψηλής προτεραιότητας που καθορίζει τη συμπεριφορά, την πολιτική και το στυλ απόκρισης για ένα μοντέλο.
Μια ρύθμιση δειγματοληψίας που ελέγχει την τυχαιότητα στις παραγόμενες εξόδους.
Ένα κομμάτι κειμένου επεξεργασμένο από γλωσσικά μοντέλα, όπως ένα κομμάτι λέξης ή ένα σύμβολο.
Η διαδικασία διαχωρισμού κειμένου σε διακριτικά για εισαγωγή μοντέλου.
Η ικανότητα ενός μοντέλου να καλεί εξωτερικά εργαλεία όπως αναζήτηση, αριθμομηχανές ή API.
Μια στρατηγική αποκωδικοποίησης που λαμβάνει δείγματα μόνο από τα k πιο πιθανά επόμενα διακριτικά.
Μια στρατηγική αποκωδικοποίησης που λαμβάνει δείγματα από το μικρότερο σύνολο διακριτικών του οποίου οι πιθανότητες αθροίζονται σε p.
Εφαρμογή γνώσεων που αποκτήθηκαν σε μια εργασία ή τομέα για τη βελτίωση μιας άλλης εργασίας.
Μια νευρωνική αρχιτεκτονική που χρησιμοποιεί την προσοχή για να μοντελοποιήσει τις σχέσεις μεταξύ των ακολουθιών παράλληλα.
Η τιμή σφάλματος μοντέλου υπολογίστηκε κατά τη διάρκεια της εκπαίδευσης και βελτιστοποιήθηκε προς τα κάτω με την πάροδο του χρόνου.
Εκμάθηση μοτίβων από δεδομένα χωρίς ετικέτα χωρίς ρητές εξόδους στόχων.
Ένα σύνολο δεδομένων που χρησιμοποιείται κατά την ανάπτυξη για τον συντονισμό των μοντέλων και την αποφυγή υπερβολικής προσαρμογής.
Μια βάση δεδομένων βελτιστοποιημένη για αποθήκευση και αναζήτηση διανυσμάτων ενσωμάτωσης υψηλών διαστάσεων.
Ένα πολυτροπικό μοντέλο που επεξεργάζεται από κοινού οπτικές και κειμενικές πληροφορίες.
Χρήση θορυβωδών, ευρετικών ή μερικών ετικετών για την εκπαίδευση μοντέλων όταν οι καθαρές ετικέτες είναι σπάνιες.
Μια μαθημένη αριθμητική τιμή που κλιμακώνει τα σήματα που διέρχονται από ένα νευρωνικό δίκτυο.
Μια πυκνή διανυσματική αναπαράσταση λέξεων που αποτυπώνουν σημασιολογικές σχέσεις.
Τεχνικές και πρακτικές για να γίνουν οι προβλέψεις AI πιο διαφανείς και κατανοητές.
Επίλυση εργασιών χωρίς παραδείγματα συγκεκριμένων εργασιών με βάση προηγούμενες γενικές γνώσεις.
Μια διαδικασία πολλαπλών βημάτων όπου ένα σύστημα τεχνητής νοημοσύνης σχεδιάζει, εκτελεί, ελέγχει τα αποτελέσματα και επαναλαμβάνει την επίτευξη ενός στόχου.
Το ρυθμιστικό πλαίσιο της Ευρωπαϊκής Ένωσης που βασίζεται στον κίνδυνο για συστήματα και παρόχους τεχνητής νοημοσύνης.
Το επιπλέον κόστος σε χρόνο, υπολογισμό ή ταχύτητα προϊόντος που απαιτείται για να γίνουν τα συστήματα ασφαλέστερα και πιο ελεγχόμενα.
Όταν υπάρχουν παραδείγματα δοκιμών αναφοράς ή κοντινές παραλλαγές στα δεδομένα προπόνησης, διογκώνοντας την αναφερόμενη απόδοση.
Μέθοδοι για την εκτίμηση των σχέσεων αιτίου-αποτελέσματος και όχι απλών συσχετίσεων.
Ένα στατιστικό εύρος που πιθανώς περιέχει την πραγματική τιμή μιας μετρούμενης μέτρησης μοντέλου.
Μια προσέγγιση εκπαίδευσης και διαμόρφωσης συμπεριφοράς όπου τα αποτελέσματα του μοντέλου καθοδηγούνται από ένα σταθερό σύνολο γραπτών αρχών.
Μια εγγραφή από πού προέρχονται τα δεδομένα, πώς μετασχηματίστηκαν και πού χρησιμοποιούνται.
Η τεκμηριωμένη προέλευση, η ιδιοκτησία και το ιστορικό ενός συνόλου δεδομένων ή ενός τεχνουργήματος μοντέλου.
Μια τεχνική απορρήτου που προσθέτει στατιστικό θόρυβο, ώστε μεμονωμένες εγγραφές να μην μπορούν να συναχθούν αξιόπιστα από τις εξόδους.
Ένα μικρότερο μοντέλο εκπαιδευμένο να μιμείται τη συμπεριφορά ενός μεγαλύτερου μοντέλου ενώ χρησιμοποιεί λιγότερους υπολογισμούς στο συμπέρασμα.
Ένα μοντέλο εξειδικευμένο για τη μετατροπή δεδομένων σε διανύσματα που χρησιμοποιείται για σημασιολογική αναζήτηση, ομαδοποίηση και ανάκτηση.
Ένα επαναλαμβανόμενο πλαίσιο αξιολόγησης που εκτελεί προτροπές, σύνολα δεδομένων και λογική βαθμολογίας σε όλες τις εκδόσεις μοντέλων.
Ένα διαχειριζόμενο σύστημα για την αποθήκευση και την εξυπηρέτηση επικυρωμένων χαρακτηριστικών ML με συνέπεια για εκπαίδευση και εξαγωγή συμπερασμάτων.
Ο βαθμός στον οποίο μια απάντηση AI υποστηρίζεται από δεδομένα πηγής ή ανακτημένα στοιχεία.
Μια στρατηγική παραγωγής που περιορίζει τα διακριτικά εξόδου σε έγκυρες δομές ή επιλογές συμβατές με την πολιτική.
Ένα μοντέλο εκπαιδευμένο στην κατάταξη ανθρώπων για να προβλέψει ποιες απαντήσεις είναι πιθανό να προτιμήσουν οι χρήστες.
Μια αναπτυγμένη διεπαφή API που λαμβάνει αιτήματα μοντέλων και επιστρέφει προβλέψεις στην παραγωγή.
Μια επιμελημένη συλλογή εγγράφων ή εγγραφών που χρησιμοποιούνται για την ανάκτηση, τον αυτοματισμό υποστήριξης ή τις αποκρίσεις γείωσης.
Ένας συμπιεσμένος αναπαραστατικός χώρος όπου παρόμοιες έννοιες τοποθετούνται η μία κοντά στην άλλη ως διανύσματα.
Ένας κεντρικός κατάλογος για την έκδοση, την έγκριση και την παρακολούθηση μοντέλων σε περιβάλλοντα.
Το συμπέρασμα AI εκτελείται τοπικά σε υλικό χρήστη και όχι σε απομακρυσμένη υπηρεσία cloud.
Λογική που επικυρώνει και μετατρέπει την έξοδο του μοντέλου σε ισχυρά τυποποιημένες, χρησιμοποιήσιμες από μηχανή δομές.
Ένα επαναχρησιμοποιήσιμο μοτίβο προτροπής με μεταβλητές, κανόνες μορφοποίησης και οδηγίες για συγκεκριμένες εργασίες.
Το ποσοστό των ανακτημένων στοιχείων που σχετίζονται με το ερώτημα του χρήστη.
Ένα δομημένο επιχείρημα, που υποστηρίζεται από στοιχεία, ότι ένα σύστημα AI είναι ασφαλές για ένα καθορισμένο πλαίσιο χρήσης.
Εκτέλεση ενός μοντέλου παράλληλα με την κυκλοφορία παραγωγής χωρίς να επηρεάζονται οι αποφάσεις που αντιμετωπίζουν οι χρήστες.
Η έξοδος του μοντέλου περιορίζεται σε ένα καθορισμένο σχήμα όπως JSON, ορίσματα εργαλείου ή πληκτρολογημένα πεδία.
Πρόσθετος υπολογισμός συμπερασμάτων που χρησιμοποιείται κατά τη δημιουργία απόκρισης για τη βελτίωση της ποιότητας ή του συλλογισμού.
Ευθυγράμμιση της εμπιστοσύνης των χρηστών στις εξόδους AI με την πραγματική αξιοπιστία του συστήματος σε κάθε εργασία.
Τιμολόγηση όπου το κόστος κλιμακώνεται με κλήσεις API, διακριτικά, χρόνο συμπερασμάτων ή υπολογισμό που καταναλώνεται.
Μια πολιτική όπου τα ωφέλιμα φορτία αιτημάτων/απόκρισης δεν αποθηκεύονται μετά από επεξεργασία πέρα από βραχύβια λειτουργικά παράθυρα.
Μια μέθοδος επιτάχυνσης συμπερασμάτων όπου ένα μικρό πρόχειρο μοντέλο προτείνει διακριτικά που ένα μεγαλύτερο μοντέλο επαληθεύει παράλληλα.
Αποθηκευμένοι τανυστές κλειδιών και τιμών από προηγούμενα διακριτικά που επιτρέπουν στους μετασχηματιστές να δημιουργούν νέα διακριτικά χωρίς να υπολογίζουν εκ νέου την προσοχή του παρελθόντος.
Ένα ανοιχτό πρωτόκολλο που επιτρέπει στις εφαρμογές τεχνητής νοημοσύνης να συνδέονται με εξωτερικά εργαλεία, πηγές δεδομένων και παρόχους περιβάλλοντος με τυπικό τρόπο.
Ένας επαναληπτικός κύκλος όπου ένας πράκτορας τεχνητής νοημοσύνης παρατηρεί, σχεδιάζει, ενεργεί και στοχάζεται μέχρι να ολοκληρώσει έναν στόχο ή να πετύχει μια συνθήκη διακοπής.
Ένα μοτίβο προτροπής που συνδυάζει τα συλλογιστικά βήματα με ενέργειες χρήσης εργαλείων για την πιο αξιόπιστη επίλυση εργασιών.
Μια συλλογιστική προσέγγιση όπου ένα μοντέλο εξερευνά πολλαπλές διακλαδώσεις λύσεων και επιλέγει τις πιο υποσχόμενες.
Μια μέθοδος εκπαίδευσης που προσαρμόζει τα μοντέλα απευθείας σε ζεύγη προτιμήσεων χωρίς να χρειάζεται ξεχωριστό μοντέλο ανταμοιβής.
Μια τεχνική λεπτομέρειας που συνδυάζει κβαντισμό βάρους 4 bit με προσαρμογείς LoRA για μείωση των αναγκών μνήμης.
Ένας βελτιστοποιημένος αλγόριθμος προσοχής που μειώνει τη χρήση της μνήμης και επιταχύνει την εκπαίδευση του μετασχηματιστή και τα συμπεράσματα.
Ένας μηχανισμός μετασχηματιστή που εκτελεί πολλές λειτουργίες προσοχής παράλληλα για να καταγράψει διαφορετικούς τύπους σχέσεων.
Οι πληροφορίες προστέθηκαν στις ενσωματώσεις διακριτικών, ώστε οι μετασχηματιστές να μπορούν να διακρίνουν τη σειρά ακολουθίας.
Μια μέθοδος κωδικοποίησης θέσης που περιστρέφει τα διανύσματα ερωτήματος και κλειδιών για να κωδικοποιήσει σχετικές θέσεις διακριτικών.
Μια μέθοδος μεροληψίας θέσης που τιμωρεί τις βαθμολογίες προσοχής με βάση την διακριτική απόσταση, βοηθώντας τα μοντέλα να επεκταθούν σε μεγαλύτερα περιβάλλοντα.
Ένα μοτίβο προσοχής όπου κάθε διακριτικό παρακολουθεί μόνο ένα παράθυρο σταθερού μεγέθους κοντινών κουπονιών για μείωση του υπολογισμού.
Ένας αλγόριθμος δημιουργίας διακριτικών υπολέξεων που συγχωνεύει τα πιο συχνά ζεύγη χαρακτήρων σε επαναχρησιμοποιήσιμα διακριτικά.
Ένας γλωσσικός-αγνωστικός tokenizer που μαθαίνει μονάδες υπολέξεων απευθείας από ακατέργαστο κείμενο χωρίς προκαταρκτικό διαχωρισμό σε κενό διάστημα.
Αλγόριθμοι που βρίσκουν διανύσματα κοντά σε ένα ερώτημα χωρίς εξαντλητική σύγκριση, ανταλλάσσοντας την ακρίβεια με την ταχύτητα.
Μια δομή ευρετηρίου βασισμένη σε γράφημα για γρήγορη και κατά προσέγγιση αναζήτηση του πλησιέστερου γείτονα σε διανύσματα υψηλών διαστάσεων.
Ένα μοντέλο που αναδιατάσσει ένα αρχικό σύνολο ανακτημένων αποτελεσμάτων για να τοποθετήσει τα πιο σχετικά στοιχεία στην κορυφή.
Μια προσέγγιση ανάκτησης που συνδυάζει την αναζήτηση λέξεων-κλειδιών (λεξική) με διανυσματική (σημασιολογική) αναζήτηση για καλύτερη ανάκληση και ακρίβεια.
Ένα μοντέλο που βαθμολογεί ένα ερώτημα και ένα έγγραφο μαζί σε ένα πέρασμα για κρίσεις συνάφειας υψηλής ακρίβειας.
Ένα μοντέλο που κωδικοποιεί ερωτήματα και έγγραφα σε ξεχωριστά διανύσματα, ώστε να μπορούν να συγκριθούν γρήγορα σε κλίμακα.
Χρήση ενός γλωσσικού μοντέλου για τη βαθμολογία ή τη σύγκριση αποτελεσμάτων από άλλα μοντέλα κατά την αξιολόγηση.
Μια μέτρηση κωδικού αξιολόγησης που μετρά την πιθανότητα τουλάχιστον ένα από τα k δείγματα που δημιουργούνται να περάσει τις δοκιμές.
Ένα σημείο αναφοράς που δοκιμάζει μοντέλα γλώσσας σε 57 ακαδημαϊκά και επαγγελματικά θέματα χρησιμοποιώντας ερωτήσεις πολλαπλής επιλογής.
Ένα σημείο αναφοράς για προβλήματα προγραμματισμού Python που χρησιμοποιείται για τη μέτρηση της ορθότητας δημιουργίας κώδικα μέσω δοκιμών μονάδας.
Ένα σημείο αναφοράς μαθηματικών προβλημάτων λέξης δημοτικού σχολείου που χρησιμοποιείται για την αξιολόγηση βήμα προς βήμα συλλογισμού σε γλωσσικά μοντέλα.
Πόσο ακριβή αντιστοιχούν οι αξιώσεις ενός μοντέλου με επαληθεύσιμες πληροφορίες πραγματικού κόσμου.
Αναφορές σε αποσπάσματα πηγής ή έγγραφα που περιλαμβάνονται στην απάντηση ενός μοντέλου για την υποστήριξη των ισχυρισμών του.
Ενσωμάτωση ανιχνεύσιμου σήματος σε κείμενο ή μέσα που δημιουργείται από AI, ώστε αργότερα να μπορεί να αναγνωριστεί ως μηχάνημα παραγωγής.
Μια ενδιάμεση φάση εκπαίδευσης μεταξύ της προ-προπόνησης και της μετα-εκπαίδευσης, που χρησιμοποιείται συχνά για προσαρμογές ικανοτήτων ή τομέα.
Βήματα εκπαίδευσης που εφαρμόζονται μετά την προπόνηση, όπως συντονισμός οδηγιών, βελτιστοποίηση προτιμήσεων και συντονισμός ασφαλείας.
Μια διάταξη εκπαίδευσης όπου ένα μοντέλο βελτιώνεται δημιουργώντας δεδομένα μέσω αλληλεπιδράσεων ή διαγωνισμών με αντίγραφα του εαυτού του.
Μια μέθοδος ανάκτησης που δημιουργεί πολλαπλές παραλλαγές ερωτημάτων, ανακτά αποτελέσματα για καθεμία και συγχωνεύει τις ταξινομήσεις.
Μια τεχνική ανάκτησης που ξαναγράφει το ερώτημα χρήστη σε διάφορες παραλλαγές για να βελτιώσει την ανάκληση.
Ένα μοτίβο ανάκτησης που αναζητά μικρά κομμάτια αλλά επιστρέφει τα μεγαλύτερα γονικά έγγραφα για πιο πλούσιο περιβάλλον.
Ένας αλγόριθμος αποκωδικοποίησης που διατηρεί τις κορυφαίες πολλές υποψήφιες ακολουθίες σε κάθε βήμα για την εύρεση εξόδων υψηλότερης πιθανότητας.
Μια ρύθμιση αποκωδικοποίησης που μειώνει την πιθανότητα των διακριτικών που έχει ήδη δημιουργήσει το μοντέλο για τη μείωση των βρόχων.
Μια ρύθμιση αποκωδικοποίησης που μειώνει την πιθανότητα των διακριτικών αναλογικά με τη συχνότητα εμφάνισης τους μέχρι τώρα.
Μια ρύθμιση αποκωδικοποίησης που μειώνει την πιθανότητα εμφάνισης διακριτικών, ενθαρρύνοντας νέα θέματα.