Glossaire IA gratuit
Le glossaire de l'IA
Définitions en langage simple des termes de l'IA que vous entendez sans cesse — pour les étudiants, les professionnels et toute personne curieuse de savoir comment fonctionne l'IA.
- 213termes
- 23lettres couvertes
- A–ZRecherche + filtre alphabétique
- 100%Définitions en langage simple
A34 termes
Adaptation de domaine
Méthodes qui transfèrent un modèle formé dans un domaine pour mieux fonctionner dans un autre domaine.Agent IA
Un système logiciel capable d'observer, de raisonner et de prendre des mesures pour atteindre un objectif, souvent en utilisant des outils et de la mémoire.AGI (Intelligence Générale Artificielle)
Un système d’IA hypothétique capable d’effectuer la plupart des tâches intellectuelles au niveau humain dans de nombreux domaines.AGRAFE
Une architecture de modèle multimodale qui apprend les représentations partagées entre le texte et les images.Algorithme
Ensemble défini de règles ou d'étapes qu'un ordinateur suit pour résoudre un problème ou accomplir une tâche.Alibi
Une méthode de biais de position qui pénalise les scores d'attention en fonction de la distance symbolique, aidant ainsi les modèles à extrapoler à des contextes plus longs.Alignement de l'IA
Le travail consistant à faire en sorte que les systèmes d’IA se comportent conformément aux intentions, aux valeurs et aux contraintes de sécurité humaines.Analyse des sentiments
Une tâche PNL qui classe le ton émotionnel ou l’opinion dans un texte.Analyseur de sortie
Logique qui valide et convertit la sortie du modèle en structures fortement typées et utilisables par la machine.ANN (voisin le plus proche approximatif)
Des algorithmes qui trouvent des vecteurs proches d'une requête sans comparaison exhaustive, troquant l'exactitude contre la vitesse.Annotations
Étiquettes ou métadonnées ajoutées par l’homme utilisées pour entraîner ou évaluer des modèles d’apprentissage automatique.API (interface de programmation d'applications)
Une manière structurée permettant à un système logiciel d'envoyer des requêtes et de recevoir des réponses d'un autre système.Appel de fonction
Une capacité de modèle permettant de générer des appels structurés qui déclenchent des outils ou des API externes.Apprentissage auto-supervisé
Apprendre des représentations à partir de données non étiquetées en prédisant les pièces masquées ou transformées.Apprentissage automatique (ML)
Méthodes qui permettent aux systèmes d’apprendre des modèles à partir des données et de s’améliorer au fil du temps.Apprentissage continu
Des approches de formation qui permettent à un modèle de continuer à apprendre de nouvelles données sans oublier les connaissances antérieures.Apprentissage en contexte
Capacité d'un modèle à suivre des modèles à partir d'exemples fournis directement dans l'invite.Apprentissage en quelques coups
Apprendre ou adapter un comportement à partir d’un petit nombre d’exemples seulement.Apprentissage non supervisé
Modèles d'apprentissage à partir de données non étiquetées sans résultats cibles explicites.Apprentissage par renforcement
La formation par récompense signale qu'un agent apprend des actions qui maximisent le rendement à long terme.Apprentissage par renforcement à partir de la rétroaction humaine (RLHF)
Une méthode de formation qui utilise les signaux de préférence humaine pour façonner le comportement du modèle.Apprentissage par transfert
Appliquer les connaissances acquises dans une tâche ou un domaine pour améliorer une autre tâche.Apprentissage profond
Un sous-ensemble d'apprentissage automatique qui utilise des réseaux neuronaux à plusieurs couches pour l'apprentissage des représentations.Apprentissage sans tir
Résoudre des tâches sans exemples spécifiques en s'appuyant sur des connaissances générales préalables.Apprentissage supervisé
Entraîner un modèle avec des exemples étiquetés qui mappent les entrées aux sorties connues.Arbre de décision
Un modèle qui effectue des prédictions à travers une séquence de divisions de fonctionnalités si-alors.Arbre des pensées
Une approche de raisonnement dans laquelle un modèle explore plusieurs chemins de solutions de branchement et sélectionne les plus prometteurs.Attention éclair
Un algorithme d'attention optimisé qui réduit l'utilisation de la mémoire et accélère la formation et l'inférence des transformateurs.Attention fenêtre coulissante
Un modèle d'attention dans lequel chaque jeton s'occupe uniquement d'une fenêtre de taille fixe de jetons à proximité pour réduire le calcul.Attention multi-têtes
Un mécanisme de transformation qui exécute plusieurs opérations d'attention en parallèle pour capturer différents types de relations.Aucune conservation des données
Une politique selon laquelle les charges utiles de requête/réponse ne sont pas stockées après traitement au-delà des fenêtres opérationnelles de courte durée.Augmentation des données
Techniques qui créent des exemples de formation modifiés pour améliorer la généralisation du modèle.Auto-jeu
Une configuration de formation dans laquelle un modèle s'améliore en générant des données via des interactions ou des compétitions avec des copies de lui-même.B7 termes
Base de connaissances
Une collection organisée de documents ou d'enregistrements utilisés pour la récupération, l'automatisation du support ou la mise à la terre des réponses.Base de données vectorielles
Une base de données optimisée pour stocker et interroger des vecteurs d'intégration de grande dimension.Bi-Encodeur
Un modèle qui code les requêtes et les documents dans des vecteurs distincts afin qu'ils puissent être comparés rapidement à grande échelle.Biais
Un modèle cohérent d'erreur ou d'injustice dans le comportement des données ou du modèle.Biais algorithmique
Iniquité systématique dans les résultats du modèle causée par des données, des hypothèses ou des choix de modélisation biaisés.Boucle Agentique
Un cycle itératif dans lequel un agent d'IA observe, planifie, agit et réfléchit jusqu'à ce qu'il atteigne un objectif ou atteigne une condition d'arrêt.BPE (codage par paire d'octets)
Un algorithme de tokenisation de sous-mots qui fusionne les paires de caractères les plus fréquentes en jetons réutilisables.C14 termes
Cache KV
Tenseurs de clé et de valeur stockés des jetons précédents qui permettent aux transformateurs de générer de nouveaux jetons sans recalculer l'attention passée.Calcul au moment du test
Calcul d'inférence supplémentaire utilisé lors de la génération de réponses pour améliorer la qualité ou le raisonnement.Calcul du temps d'inférence
Quantité de puissance de traitement consommée lors de la production de chaque réponse.Calculer
Les ressources de traitement nécessaires pour entraîner et exécuter des modèles, souvent mesurées en heures FLOPS ou GPU.Calibrage
Dans quelle mesure les scores de confiance d'un modèle correspondent aux probabilités d'exactitude réelles.Calibrage de confiance
Aligner la confiance des utilisateurs dans les résultats de l'IA avec la fiabilité réelle du système dans chaque tâche.Caractéristique
Variable d'entrée utilisée par un modèle pour faire des prédictions.Carte modèle
Documentation décrivant l'utilisation prévue d'un modèle, les mesures, les limites et les risques.Chaîne de pensée
Un style de raisonnement dans lequel un modèle d'IA décompose un problème en étapes intermédiaires.Citations
Références à des passages sources ou à des documents inclus dans la réponse d'un modèle pour étayer ses affirmations.Classement
Tâche dans laquelle un modèle attribue une entrée à une ou plusieurs catégories prédéfinies.Classificateur
Un modèle conçu spécifiquement pour les tâches de classification.Classification des intentions
Prédire l'objectif de l'utilisateur à partir d'une requête texte pour l'acheminer correctement.Confidentialité différentielle
Une technique de confidentialité qui ajoute du bruit statistique afin que les enregistrements individuels ne puissent pas être déduits de manière fiable des résultats.D12 termes
Décodage gardé
Une stratégie de génération qui limite les jetons de sortie à des structures valides ou à des choix conformes aux politiques.Décodage spéculatif
Une méthode d'accélération d'inférence dans laquelle un petit projet de modèle propose des jetons qu'un modèle plus grand vérifie en parallèle.Dégradé
Un vecteur montrant dans quelle mesure chaque paramètre doit changer pour réduire les pertes.Déploiement de l'ombre
Exécuter un modèle en parallèle avec le trafic de production sans affecter les décisions des utilisateurs.Dérive des données
Un changement dans les données d'entrée du monde réel au fil du temps qui peut dégrader les performances du modèle.Dérive du modèle
Dégradation des performances au fil du temps, à mesure que les conditions réelles s'écartent des hypothèses de formation.Descente de dégradé
Une méthode d'optimisation qui met à jour les paramètres dans le sens qui réduit les erreurs.Distillation
Compression des connaissances d'un grand modèle d'enseignant dans un modèle d'étudiant plus petit.Distillation des connaissances
Entraîner un modèle plus petit pour imiter les résultats d'un modèle plus grand.Données synthétiques
Données générées artificiellement utilisées pour augmenter, simuler ou protéger les données de formation sensibles.Dossier de sécurité
Un argument structuré, étayé par des preuves, selon lequel un système d’IA est sûr pour un contexte d’utilisation défini.DPO (Optimisation des Préférences Directes)
Une méthode de formation qui affine les modèles directement sur les paires de préférences sans avoir besoin d'un modèle de récompense distinct.E11 termes
Encodage positionnel
Informations ajoutées aux intégrations de jetons afin que les transformateurs puissent distinguer l'ordre des séquences.Encodeur
Le composant d'un modèle qui transforme les entrées en représentations latentes.Encodeur croisé
Un modèle qui évalue une requête et un document ensemble en une seule passe pour des jugements de pertinence de haute précision.Enracinement
La mesure dans laquelle une réponse de l’IA est étayée par les données sources ou les preuves récupérées.Ensemble
Combiner les prédictions de plusieurs modèles pour améliorer la robustesse ou la précision.Ensemble d'évaluation
Un ensemble de données conservé utilisé pour mesurer la qualité du modèle après la formation.Ensemble de données
Une collection d'exemples structurés ou non structurés utilisés pour la formation, la validation ou les tests.Ensemble de validation
Un ensemble de données utilisé pendant le développement pour affiner les modèles et éviter le surajustement.Espace latent
Un espace de représentation compressé où des concepts similaires sont positionnés les uns à côté des autres en tant que vecteurs.Explicabilité
Le degré auquel le comportement d'un modèle peut être interprété et expliqué aux humains.Extraction de fonctionnalités
Conversion des données brutes en fonctionnalités informatives qu'un modèle peut utiliser.F11 termes
Facturation basée sur l'utilisation
Tarification où les coûts évoluent en fonction des appels d'API, des jetons, du temps d'inférence ou du calcul consommé.Faible surveillance
Utiliser des étiquettes bruyantes, heuristiques ou partielles pour former des modèles lorsque les étiquettes propres sont rares.Faux négatif
Une prédiction incorrecte où un modèle manque un vrai cas positif.Faux positif
Une prédiction incorrecte dans laquelle un modèle marque à tort un cas négatif comme positif.Fenêtre contextuelle
Nombre maximum de jetons d'entrée qu'un modèle de langage peut traiter simultanément.Filigrane
Intégrer un signal détectable dans un texte ou un média généré par l'IA afin qu'il puisse ensuite être identifié comme étant produit par une machine.Filtre de sécurité
Une couche de modération qui bloque ou réécrit les entrées ou sorties dangereuses du modèle.Flux de travail agent
Un processus en plusieurs étapes dans lequel un système d'IA planifie, exécute, vérifie les résultats et itère vers un objectif.Fonction de perte
Un objectif mathématique qui quantifie l'erreur de prédiction lors de l'entraînement.Fuite de référence
Lorsque des exemples de tests de référence ou des variantes proches sont présents dans les données d'entraînement, cela gonfle les performances déclarées.Fusion RAG
Une méthode de récupération qui génère plusieurs variantes de requête, récupère les résultats pour chacune et fusionne les classements.G7 termes
GAN (Réseau Adversaire Génératif)
Une configuration générative où un générateur et un discriminateur s'entraînent l'un contre l'autre.Garde-corps
Règles, vérifications et contrôles qui limitent les comportements dangereux ou indésirables du modèle.Généralisation
Dans quelle mesure un modèle fonctionne-t-il sur de nouvelles données invisibles en dehors de l'ensemble d'entraînement.Gouvernance de l'IA
Politiques, normes et mécanismes de surveillance qui guident la manière dont l’IA est développée et utilisée dans la société.Grand modèle linguistique (LLM)
Un modèle de langage formé sur des corpus de textes massifs pour générer et analyser du texte.Graphique des connaissances
Une structure graphique d'entités et de relations utilisée pour le raisonnement ou la récupération.GSM8K
Une référence de problèmes de mots mathématiques à l'école primaire utilisée pour évaluer le raisonnement étape par étape dans les modèles de langage.H6 termes
Hallucinations
Lorsqu'un modèle génère des informations fluides mais fausses ou non prises en charge.Harnais d'évaluation
Un cadre d'évaluation reproductible qui exécute des invites, des ensembles de données et une logique de notation dans toutes les versions du modèle.HNSW
Une structure d'index basée sur un graphique pour une recherche rapide et approximative du voisin le plus proche sur des vecteurs de grande dimension.Humain dans la boucle
Un flux de travail dans lequel les humains examinent, guident ou remplacent les sorties de l'IA.HumanEval
Un benchmark des problèmes de programmation Python utilisé pour mesurer l'exactitude de la génération de code via des tests unitaires.Hyperparamètre
Une valeur de configuration définie avant la formation, telle que le taux d'apprentissage, la taille du lot ou la profondeur.I13 termes
IA constitutionnelle
Une approche de formation et de formation des comportements où les résultats du modèle sont guidés par un ensemble fixe de principes écrits.IA générative
Systèmes d'IA qui produisent de nouveaux contenus tels que du texte, des images, de l'audio, de la vidéo ou du code.IA sur l'appareil
L'inférence d'IA est effectuée localement sur le matériel de l'utilisateur plutôt que dans un service cloud distant.Incorporation de mots
Une représentation vectorielle dense de mots capturant les relations sémantiques.Inférence
Phase d'exécution au cours de laquelle un modèle entraîné génère des prédictions ou des sorties.Inférence causale
Méthodes d’estimation des relations de cause à effet plutôt que de simples corrélations.Ingénierie des fonctionnalités
Concevoir ou transformer des variables d'entrée pour rendre l'apprentissage plus facile et plus efficace.Injection rapide
Un modèle d'attaque dans lequel des instructions malveillantes sont insérées dans les entrées du modèle ou dans le contenu récupéré.Intégration
Représentation vectorielle numérique qui capture la signification sémantique du texte, des images ou d'autres données.Intelligence artificielle (IA)
Le vaste domaine de la construction de systèmes qui exécutent des tâches nécessitant une reconnaissance de formes, un raisonnement, un langage ou une prise de décision.Intervalle de confiance
Plage statistique qui contient probablement la vraie valeur d'une métrique de modèle mesurée.Invite
Les instructions d'entrée et le contexte fournis à un modèle génératif.Invite système
Instruction hautement prioritaire qui définit le comportement, la politique et le style de réponse d'un modèle.J2 termes
L8 termes
Latence
Le temps entre l'envoi d'une requête et la réception de la sortie du modèle.Lignée des données
Un enregistrement indiquant d'où proviennent les données, comment elles ont été transformées et où elles sont utilisées.Limite de décision
Surface dans l'espace des fonctionnalités qui sépare les classes prédites par un classificateur.Lissage des étiquettes
Une méthode de régularisation qui adoucit les étiquettes dures pour améliorer la généralisation.LLM-en tant que juge
Utiliser un modèle de langage pour noter ou comparer les résultats d'autres modèles lors de l'évaluation.Loi d'échelle
Relation empirique montrant comment les performances s'améliorent avec la taille du modèle, les données ou le calcul.Loi sur l'IA
Le cadre réglementaire de l'Union européenne basé sur les risques pour les systèmes et les fournisseurs d'IA.LoRA (Adaptation de bas rang)
Une méthode de réglage fin efficace en termes de paramètres qui ajoute des matrices d'adaptateurs de bas rang.M23 termes
Magasin de fonctionnalités
Un système géré pour stocker et servir des fonctionnalités ML validées de manière cohérente pour la formation et l'inférence.MCP (protocole de contexte de modèle)
Un protocole ouvert qui permet aux applications d'IA de se connecter de manière standard à des outils externes, des sources de données et des fournisseurs de contexte.Mécanisme d'attention
Un composant de modèle qui se concentre dynamiquement sur les parties pertinentes d'une entrée lors de la production d'une sortie.Mégadonnées
Ensembles de données très volumineux et complexes qui nécessitent des techniques de stockage et de traitement évolutives.Mélange d'experts (MoE)
Une architecture avec des sous-réseaux spécialisés où seuls des experts sélectionnés s'exécutent par entrée.Mémoire (mémoire de l'agent)
Contexte stocké qu'un agent IA utilise au fil des étapes ou des sessions pour améliorer la continuité.Mi-formation
Une phase de formation intermédiaire entre la pré-formation et la post-formation, souvent utilisée pour des ajustements de capacités ou de domaines.Mise au point
Formation continue sur des données spécifiques au domaine pour adapter un modèle pré-entraîné à une tâche spécifique.MMLU
Une référence testant des modèles linguistiques dans 57 matières académiques et professionnelles à l'aide de questions à choix multiples.Modèle clairsemé
Un modèle où de nombreux paramètres sont nuls ou inactifs pour réduire les calculs.Modèle d'intégration
Un modèle spécialisé dans la conversion de données en vecteurs utilisés pour la recherche sémantique, le regroupement et la récupération.Modèle d'invite
Un modèle d'invite réutilisable avec des variables, des règles de formatage et des instructions spécifiques à une tâche.Modèle de boîte noire
Un modèle dont le raisonnement interne est difficile à interpréter directement par les humains.Modèle de diffusion
Une architecture générative qui apprend à inverser le bruit pour synthétiser des images, de l'audio ou d'autres contenus.Modèle de fondation
Un grand modèle pré-entraîné qui peut être adapté à de nombreuses tâches en aval.Modèle de petit langage (SLM)
Un modèle de langage compact optimisé pour une latence, un coût ou une utilisation sur l'appareil réduits.Modèle de préférence humaine
Un modèle formé sur les classements humains pour prédire quelles réponses les utilisateurs sont susceptibles de préférer.Modèle de récompense
Un modèle qui évalue les sorties en fonction des signaux de préférence, souvent utilisé dans les pipelines RLHF.Modèle de référence
Un modèle de référence simple utilisé pour comparer si des approches plus complexes améliorent réellement les résultats.Modèle distillé
Un modèle plus petit entraîné pour imiter le comportement d'un modèle plus grand tout en utilisant moins de calcul lors de l'inférence.Modèle multimodal
Un modèle capable de traiter ou de générer plusieurs types de données tels que du texte, des images et de l'audio.Modèle open source
Un modèle publié avec des poids ou un code public pour l'inspection, l'adaptation et la réutilisation.Modèle Vision-Langage (VLM)
Un modèle multimodal qui traite conjointement les informations visuelles et textuelles.N1 terme
O1 terme
P18 termes
Paramètre
Un poids appris à l'intérieur d'un modèle qui influence ses résultats.Pass@k
Une métrique d'évaluation de code mesurant la chance qu'au moins un des k échantillons générés réussisse les tests.Pénalité de fréquence
Un paramètre de décodage qui réduit la probabilité d'apparition de jetons proportionnellement à la fréquence à laquelle ils sont apparus jusqu'à présent.Pénalité de présence
Un paramètre de décodage qui réduit la probabilité que des jetons apparaissent, encourageant ainsi de nouveaux sujets.Pénalité de répétition
Un paramètre de décodage qui réduit la probabilité que le modèle ait déjà produit des jetons pour réduire les boucles.Perplexity
Une métrique de modèle de langage mesurant à quel point le modèle est surpris par les vrais prochains jetons.Perte d'entropie croisée
Une fonction objective commune utilisée pour entraîner des modèles de classification en pénalisant les probabilités incorrectes.Perte de formation
La valeur d'erreur du modèle calculée pendant la formation et optimisée à la baisse au fil du temps.PhrasePièce
Un tokenizer indépendant de la langue qui apprend les unités de sous-mots directement à partir du texte brut sans pré-diviser sur les espaces.Pipeline
Un flux de travail ordonné de prétraitement, d'étapes de modèle et d'étapes de post-traitement.Poids
Une valeur numérique apprise qui met à l'échelle les signaux transitant par un réseau neuronal.Point de terminaison d’inférence
Une interface API déployée qui reçoit les requêtes de modèle et renvoie des prédictions en production.Post-formation
Étapes de formation appliquées après la pré-formation, telles que le réglage des instructions, l'optimisation des préférences et le réglage de la sécurité.Pré-formation
Formation initiale de modèles à grande échelle sur des données larges avant adaptation en aval.Précision
La proportion de résultats positifs prédits qui sont réellement corrects.Précision de récupération
Proportion d'éléments récupérés pertinents pour la requête de l'utilisateur.Prompt Engineering
Concevoir des invites pour améliorer la qualité, la fiabilité et la contrôlabilité de la sortie.Provenance des données
L'origine, la propriété et l'historique documentés d'un ensemble de données ou d'un artefact de modèle.Q3 termes
QLoRA
Une technique de réglage fin qui combine une quantification de poids sur 4 bits avec des adaptateurs LoRA pour réduire les besoins en mémoire.Quantification
Conversion des poids de modèle en formats de précision inférieure tels que 8 bits ou 4 bits.Quantification du modèle
Réduire la précision numérique des poids du modèle pour réduire les coûts de mémoire et d'inférence.R20 termes
RAG (génération augmentée par récupération)
Une méthode qui récupère des connaissances externes et les intègre à la génération au moment de l'inférence.Rappel
La proportion de positifs réels qu’un modèle identifie correctement.Réagir
Un modèle d'incitation qui entrelace les étapes de raisonnement avec les actions d'utilisation d'outils pour résoudre les tâches de manière plus fiable.Recherche de faisceau
Un algorithme de décodage qui conserve les premières séquences candidates à chaque étape pour trouver des sorties à plus forte probabilité.Recherche hybride
Une approche de récupération qui combine la recherche par mot-clé (lexicale) avec la recherche vectorielle (sémantique) pour un meilleur rappel et une meilleure précision.Recherche sémantique
Recherche qui correspond au sens plutôt qu'au chevauchement exact des mots clés, souvent en utilisant des intégrations.Reclasseur
Un modèle qui réorganise un ensemble initial de résultats récupérés pour placer les éléments les plus pertinents en haut.Reconnaissance d'entité nommée (NER)
Une tâche NLP qui identifie des entités telles que des personnes, des lieux, des dates ou des organisations.Récupération
Recherche de documents ou d'enregistrements pertinents à partir d'une source de connaissances pour une requête.Récupération du document parent
Un modèle de récupération qui recherche de petits morceaux mais renvoie leurs documents parents plus volumineux pour un contexte plus riche.Récupération multi-requêtes
Une technique de récupération qui réécrit la requête de l'utilisateur en plusieurs variantes pour améliorer le rappel.Référence
Un test ou un ensemble de données standardisé utilisé pour mesurer et comparer les performances du modèle.Registre des modèles
Un catalogue central pour la gestion des versions, l'approbation et le suivi des modèles dans tous les environnements.Réglage des instructions
Affiner un modèle sur les paires instruction-réponse pour améliorer le suivi des tâches.Réglage fin efficace des paramètres (PEFT)
Méthodes qui adaptent les modèles en entraînant un petit sous-ensemble de paramètres ajoutés.Réseau neuronal
Un modèle informatique en couches inspiré des neurones et des synapses biologiques.Réseau neuronal convolutif (CNN)
Une architecture neuronale optimisée pour traiter des données de type grille telles que des images.Rétropropagation
L'algorithme de formation de base qui met à jour les pondérations du modèle en propageant les erreurs de prédiction vers l'arrière à travers le réseau.Robustesse
Capacité d'un modèle à maintenir ses performances malgré le bruit, les changements ou les entrées contradictoires.RoPE (intégrations positionnelles rotatives)
Une méthode de codage positionnel qui fait pivoter les vecteurs de requête et de clé pour coder les positions relatives des jetons.S6 termes
Sécurité de l'IA
Un domaine axé sur la réduction des comportements nuisibles, des pannes et des risques d’utilisation abusive des systèmes d’IA.Seuil de connaissance
Le dernier moment reflété dans les données d’entraînement d’un modèle.Sortie structurée
Sortie du modèle limitée à un schéma défini tel que JSON, des arguments d'outil ou des champs saisis.Surapprentissage
Lorsqu'un modèle mémorise les données d'entraînement et fonctionne mal sur des entrées invisibles.Système autonome
Un système capable de prendre des décisions et d’agir en temps réel avec un contrôle humain direct limité ou inexistant.Système de recommandation
Un pipeline de modèle qui prédit les préférences des utilisateurs en matière de classement du contenu ou des produits.T8 termes
Taille
Suppression des poids de modèle ou des neurones moins importants pour réduire la taille et le calcul.Taux d'apprentissage
Un hyperparamètre de formation contrôlant la quantité de paramètres modifiés à chaque étape de mise à jour.Taxe d'alignement
Le coût supplémentaire en temps, en calcul ou en vitesse du produit nécessaire pour rendre les systèmes plus sûrs et plus contrôlables.Température
Un paramètre d'échantillonnage contrôlant le caractère aléatoire des sorties générées.Tokenisation
Le processus de division du texte en jetons pour la saisie du modèle.Traitement du langage naturel (NLP)
La branche de l’IA axée sur la compréhension et la génération du langage humain.Transformateur
Une architecture neuronale qui utilise l'attention pour modéliser les relations entre les séquences en parallèle.Transparence algorithmique
Dans quelle mesure la logique, les sources de données et les limites d'un système d'IA sont documentées et compréhensibles.U1 terme
V2 termes
X1 terme
É4 termes
Échantillonnage Top-k
Une stratégie de décodage qui échantillonne uniquement à partir des k prochains jetons les plus probables.Échantillonnage Top-p (noyau)
Une stratégie de décodage qui échantillonne à partir du plus petit ensemble de jetons dont la somme des probabilités est p.Équipe rouge
Testez sous contrainte un système d’IA avec des invites contradictoires pour révéler les échecs et les risques.Étiquetage des données
Processus d'attribution de balises ou de sorties cibles à des données brutes pour un apprentissage supervisé.Glossaire IA gratuit