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