Adaptasi Domain
Metode yang mentransfer model yang dilatih di satu domain agar berperforma lebih baik di domain lain.
Buka Ensiklopedia
GlosariumAI
Terminologi teknis penting dijelaskan dengan tingkat kejelasan tertinggi. Dirancang untuk peneliti, pelajar, dan pendidikan yang berpusat pada manusia.
213istilahA–ZPencarian + filter alfabet100%Definisi bahasa sederhana
A16 istilah
Agen AI
Sebuah sistem perangkat lunak yang dapat mengamati, menalar, dan mengambil tindakan untuk mencapai suatu tujuan, sering kali menggunakan alat dan memori.
AGI (Kecerdasan Umum Buatan)
Sistem AI hipotetis yang dapat melakukan sebagian besar tugas intelektual pada tingkat manusia di banyak domain.
AI di Perangkat
Inferensi AI dilakukan secara lokal pada perangkat keras pengguna, bukan pada layanan cloud jarak jauh.
AI Generatif
Sistem AI yang menghasilkan konten baru seperti teks, gambar, audio, video, atau kode.
AI konstitusional
Pendekatan pelatihan dan pembentukan perilaku di mana keluaran model dipandu oleh serangkaian prinsip tertulis yang tetap.
Algoritma
Seperangkat aturan atau langkah yang diikuti komputer untuk memecahkan masalah atau menyelesaikan tugas.
AliBi
Metode bias posisional yang memberikan penalti pada skor perhatian berdasarkan jarak tertentu, membantu model melakukan ekstrapolasi ke konteks yang lebih panjang.
Alur Kerja Agenik
Proses multi-langkah di mana sistem AI merencanakan, mengeksekusi, memeriksa hasil, dan melakukan iterasi menuju suatu tujuan.
Analisis Sentimen
Tugas NLP yang mengklasifikasikan nada emosional atau opini dalam teks.
ANN (Perkiraan Tetangga Terdekat)
Algoritma yang menemukan vektor yang mendekati kueri tanpa perbandingan menyeluruh, memperdagangkan ketepatan demi kecepatan.
Anotasi
Label atau metadata yang ditambahkan manusia digunakan untuk melatih atau mengevaluasi model pembelajaran mesin.
ansambel
Menggabungkan prediksi dari beberapa model untuk meningkatkan ketahanan atau akurasi.
API (Antarmuka Pemrograman Aplikasi)
Cara terstruktur bagi satu sistem perangkat lunak untuk mengirim permintaan dan menerima tanggapan dari sistem lain.
Asal Data
Asal, kepemilikan, dan riwayat kumpulan data atau artefak model yang terdokumentasi.
Augmentasi Data
Teknik yang membuat contoh pelatihan yang dimodifikasi untuk meningkatkan generalisasi model.
B10 istilah
Basis Data Vektor
Basis data yang dioptimalkan untuk menyimpan dan menanyakan vektor penyematan berdimensi tinggi.
Basis Pengetahuan
Kumpulan dokumen atau catatan terkurasi yang digunakan untuk pengambilan, otomatisasi dukungan, atau respons dasar.
Batas Keputusan
Permukaan dalam ruang fitur yang memisahkan kelas-kelas yang diprediksi oleh pengklasifikasi.
Berat
Nilai numerik yang dipelajari yang menskalakan sinyal yang melewati jaringan saraf.
Bereaksi
Pola dorongan yang menyisipkan langkah-langkah penalaran dengan tindakan penggunaan alat untuk menyelesaikan tugas dengan lebih andal.
Bermain Sendiri
Penyiapan pelatihan tempat model ditingkatkan dengan menghasilkan data melalui interaksi atau kompetisi dengan salinan dirinya sendiri.
Bi-Encoder
Model yang mengkodekan kueri dan dokumen ke dalam vektor terpisah sehingga dapat dibandingkan dengan cepat dalam skala besar.
Bias
Pola kesalahan atau ketidakadilan yang konsisten dalam data atau perilaku model.
Bias Algoritmik
Ketidakadilan sistematis dalam keluaran model yang disebabkan oleh ketidakseimbangan data, asumsi, atau pilihan pemodelan.
BPE (Pengkodean Pasangan Byte)
Algoritme tokenisasi subkata yang menggabungkan pasangan karakter paling sering menjadi token yang dapat digunakan kembali.
C2 istilah
Campuran Ahli (MoE)
Arsitektur dengan subjaringan khusus yang hanya menjalankan pakar terpilih untuk setiap masukan.
Cepat
Instruksi masukan dan konteks diberikan ke model generatif.
D5 istilah
Data Besar
Kumpulan data yang sangat besar dan kompleks yang memerlukan penyimpanan dan teknik pemrosesan yang dapat diskalakan.
Data Sintetis
Data yang dihasilkan secara artifisial digunakan untuk menambah, menyimulasikan, atau melindungi data pelatihan sensitif.
Decoding yang Dilindungi
Strategi pembangkitan yang membatasi token keluaran pada struktur yang valid atau pilihan yang sesuai dengan kebijakan.
Distilasi
Mengompresi pengetahuan dari model guru yang besar menjadi model siswa yang lebih kecil.
DPO (Optimasi Preferensi Langsung)
Metode pelatihan yang menyempurnakan model secara langsung pada pasangan preferensi tanpa memerlukan model imbalan terpisah.
E3 istilah
Ekstraksi Fitur
Mengubah data mentah menjadi fitur informatif yang dapat digunakan model.
Evaluasi Harness
Kerangka kerja evaluasi berulang yang menjalankan perintah, kumpulan data, dan logika penilaian di seluruh versi model.
Evaluasi Manusia
Tolok ukur masalah pemrograman Python yang digunakan untuk mengukur kebenaran pembuatan kode melalui pengujian unit.
F4 istilah
Faktualitas
Seberapa akurat klaim model sesuai dengan informasi dunia nyata yang dapat diverifikasi.
Filter Keamanan
Lapisan moderasi yang memblokir atau menulis ulang input atau output model yang tidak aman.
Fitur
Variabel masukan yang digunakan oleh model untuk membuat prediksi.
Fungsi Kerugian
Tujuan matematika yang mengukur kesalahan prediksi selama pelatihan.
G5 istilah
GAN (Jaringan Adversarial Generatif)
Pengaturan generatif di mana generator dan diskriminator berlatih satu sama lain.
Generalisasi
Seberapa baik performa model pada data baru yang tidak terlihat di luar set pelatihan.
Gradien
Vektor yang menunjukkan seberapa banyak setiap parameter harus diubah untuk mengurangi kerugian.
Grafik Pengetahuan
Struktur grafik entitas dan hubungan yang digunakan untuk penalaran atau pengambilan.
GSM8K
Tolok ukur soal cerita matematika sekolah dasar yang digunakan untuk mengevaluasi penalaran langkah demi langkah dalam model bahasa.
H5 istilah
Halusinasi
Ketika suatu model menghasilkan informasi yang lancar tetapi salah atau tidak didukung.
Hiperparameter
Nilai konfigurasi yang ditetapkan sebelum pelatihan, seperti kecepatan pembelajaran, ukuran batch, atau kedalaman.
Hitung
Sumber daya pemrosesan yang diperlukan untuk melatih dan menjalankan model, sering kali diukur dalam jam FLOPS atau GPU.
HNSW
Struktur indeks berbasis grafik untuk perkiraan pencarian tetangga terdekat dengan cepat melalui vektor berdimensi tinggi.
Hukum Penskalaan
Hubungan empiris yang menunjukkan bagaimana performa meningkat seiring dengan ukuran model, data, atau komputasi.
I4 istilah
Inferensi Kausal
Metode untuk memperkirakan hubungan sebab-akibat daripada korelasi sederhana.
Ingat
Proporsi hal positif aktual yang diidentifikasi dengan benar oleh model.
Injeksi Segera
Pola serangan di mana instruksi berbahaya dimasukkan ke dalam input model atau konten yang diambil.
Interval Keyakinan
Rentang statistik yang kemungkinan berisi nilai sebenarnya dari metrik model yang diukur.
J3 istilah
Jaringan Neural Konvolusional (CNN)
Arsitektur saraf yang dioptimalkan untuk memproses data seperti grid seperti gambar.
Jaringan Syaraf
Model komputasi berlapis yang terinspirasi oleh neuron dan sinapsis biologis.
Jendela Konteks
Jumlah maksimum token masukan yang dapat diproses model bahasa sekaligus.
K24 istilah
Kalibrasi
Seberapa cocok skor keyakinan model dengan probabilitas kebenaran sebenarnya.
Kalibrasi Kepercayaan
Menyelaraskan kepercayaan pengguna terhadap keluaran AI dengan keandalan sistem yang sebenarnya dalam setiap tugas.
Kartu Model
Dokumentasi yang menjelaskan tujuan penggunaan model, metrik, batasan, dan risiko.
Kasus Keamanan
Argumen terstruktur, didukung oleh bukti, bahwa sistem AI aman untuk konteks penggunaan tertentu.
Keamanan AI
Bidang yang berfokus pada pengurangan perilaku berbahaya, kegagalan, dan risiko penyalahgunaan dalam sistem AI.
Kebenaran Dasar
Label referensi tepercaya yang digunakan untuk melatih atau mengevaluasi keluaran model.
Kebocoran Tolok Ukur
Jika contoh pengujian benchmark atau varian yang mirip terdapat dalam data pelatihan, hal ini akan meningkatkan performa yang dilaporkan.
Kebumian
Sejauh mana respons AI didukung oleh sumber data atau bukti yang diambil.
Kecepatan Pembelajaran
Hyperparameter pelatihan yang mengontrol seberapa banyak parameter berubah setiap langkah pembaruan.
Kecerdasan Buatan (AI)
Bidang luas dalam membangun sistem yang melakukan tugas yang memerlukan pengenalan pola, penalaran, bahasa, atau pengambilan keputusan.
Kekokohan
Kemampuan model untuk mempertahankan performa di bawah gangguan, pergeseran, atau masukan yang berlawanan.
Keluaran Terstruktur
Output model dibatasi pada skema yang ditentukan seperti JSON, argumen alat, atau bidang yang diketik.
Kerugian Lintas Entropi
Fungsi tujuan umum yang digunakan untuk melatih model klasifikasi dengan memberikan penalti pada probabilitas yang salah.
Kerugian Pelatihan
Nilai kesalahan model dihitung selama pelatihan dan dioptimalkan ke bawah seiring waktu.
Kesimpulan
Fase runtime saat model terlatih menghasilkan prediksi atau keluaran.
Keterlaluan
Saat model mengingat data pelatihan dan berperforma buruk pada masukan yang tidak terlihat.
Klasifikasi
Tugas di mana model memberikan masukan ke satu atau lebih kategori yang telah ditentukan sebelumnya.
Klasifikasi Niat
Memprediksi tujuan pengguna dari kueri teks untuk merutekannya dengan benar.
KLIP
Arsitektur model multimodal yang mempelajari representasi bersama antara teks dan gambar.
Kuantisasi
Mengonversi bobot model ke format presisi lebih rendah seperti 8-bit atau 4-bit.
Kuantisasi Model
Mengurangi presisi numerik bobot model untuk mengurangi biaya memori dan inferensi.
Kumpulan data
Kumpulan contoh terstruktur atau tidak terstruktur yang digunakan untuk pelatihan, validasi, atau pengujian.
Kumpulan Evaluasi
Kumpulan data yang digunakan untuk mengukur kualitas model setelah pelatihan.
Kutipan
Referensi ke bagian sumber atau dokumen yang disertakan dalam respons model untuk mendukung klaimnya.
L6 istilah
Latensi
Waktu antara mengirim permintaan dan menerima keluaran model.
Lingkaran Agenik
Siklus berulang di mana agen AI mengamati, merencanakan, bertindak, dan melakukan refleksi hingga mencapai tujuan atau mencapai kondisi berhenti.
Lintas-Encoder
Model yang menilai kueri dan dokumen secara bersamaan untuk penilaian relevansi dengan akurasi tinggi.
LLM-sebagai-Hakim
Menggunakan model bahasa untuk menilai atau membandingkan keluaran dari model lain selama evaluasi.
LoRA (Adaptasi Tingkat Rendah)
Metode penyesuaian parameter yang efisien yang menambahkan matriks adaptor peringkat rendah.
Lulus@k
Metrik evaluasi kode yang mengukur kemungkinan setidaknya satu dari k sampel yang dihasilkan lulus pengujian.
M20 istilah
Manusia dalam Lingkaran
Alur kerja tempat manusia meninjau, memandu, atau mengesampingkan keluaran AI.
MCP (Protokol Konteks Model)
Protokol terbuka yang memungkinkan aplikasi AI terhubung ke alat eksternal, sumber data, dan penyedia konteks dengan cara standar.
Mekanisme Perhatian
Komponen model yang secara dinamis berfokus pada bagian masukan yang relevan saat menghasilkan keluaran.
Memori (Memori Agen)
Konteks tersimpan yang digunakan agen AI di seluruh langkah atau sesi untuk meningkatkan kontinuitas.
MMLU
Sebuah tolok ukur yang menguji model bahasa di 57 mata pelajaran akademik dan profesional menggunakan pertanyaan pilihan ganda.
Model Bahasa Besar (LLM)
Model bahasa yang dilatih pada corpora teks besar untuk menghasilkan dan menganalisis teks.
Model Bahasa Kecil (SLM)
Model bahasa ringkas yang dioptimalkan untuk latensi, biaya, atau penggunaan pada perangkat yang lebih rendah.
Model Bahasa Visi (VLM)
Model multimodal yang secara bersama-sama memproses informasi visual dan tekstual.
Model Dasar
Model referensi sederhana yang digunakan untuk membandingkan apakah pendekatan yang lebih kompleks benar-benar meningkatkan hasil.
Model Difusi
Arsitektur generatif yang belajar membalikkan noise untuk mensintesis gambar, audio, atau konten lainnya.
Model Fondasi
Model besar yang telah dilatih sebelumnya dan dapat disesuaikan dengan banyak tugas hilir.
Model Hadiah
Model yang menilai keluaran berdasarkan sinyal preferensi, sering digunakan dalam saluran RLHF.
Model Jarang
Model yang banyak parameternya nol atau tidak aktif untuk mengurangi komputasi.
Model Kotak Hitam
Model yang penalaran internalnya sulit diinterpretasikan langsung oleh manusia.
Model Melayang
Penurunan kinerja seiring berjalannya waktu karena kondisi dunia nyata berbeda dari asumsi pelatihan.
Model Multimoda
Model yang dapat memproses atau menghasilkan beberapa tipe data seperti teks, gambar, dan audio.
Model Penyematan
Model yang dikhususkan untuk mengubah data menjadi vektor yang digunakan untuk pencarian semantik, pengelompokan, dan pengambilan.
Model Preferensi Manusia
Sebuah model yang dilatih berdasarkan peringkat manusia untuk memprediksi respons mana yang mungkin disukai pengguna.
Model Suling
Model yang lebih kecil dilatih untuk meniru perilaku model yang lebih besar sambil menggunakan lebih sedikit komputasi pada inferensi.
Model Sumber Terbuka
Model yang dirilis dengan bobot atau kode publik untuk inspeksi, adaptasi, dan penggunaan kembali.
N3 istilah
Negatif Palsu
Prediksi yang salah ketika model melewatkan kasus positif yang sebenarnya.
Nol Retensi Data
Kebijakan di mana muatan permintaan/respons tidak disimpan setelah pemrosesan di luar jangka waktu operasional yang berumur pendek.
Normalisasi
Mengubah nilai ke skala yang konsisten untuk meningkatkan stabilitas pengoptimalan.
O1 istilah
OCR (Pengenalan Karakter Optik)
Teknologi yang mengubah teks dalam gambar atau pindaian menjadi teks yang dapat dibaca mesin.
P73 istilah
Pagar pembatas
Aturan, pemeriksaan, dan kontrol yang membatasi perilaku model yang tidak aman atau tidak diinginkan.
Pajak Penyelarasan
Biaya tambahan dalam waktu, komputasi, atau kecepatan produk yang diperlukan untuk membuat sistem lebih aman dan terkendali.
Parameter
Bobot yang dipelajari di dalam model yang memengaruhi keluarannya.
Pasca pelatihan
Langkah-langkah pelatihan diterapkan setelah pra-pelatihan, seperti penyetelan instruksi, optimalisasi preferensi, dan penyetelan keselamatan.
Pelabelan Data
Proses menetapkan tag atau keluaran target ke data mentah untuk pembelajaran yang diawasi.
Pemanggilan Fungsi
Kemampuan model untuk menghasilkan panggilan terstruktur yang memicu alat atau API eksternal.
Pemangkasan
Menghapus bobot model atau neuron yang kurang penting untuk mengurangi ukuran dan komputasi.
Pembelajaran Berkelanjutan
Pendekatan pelatihan yang memungkinkan model terus belajar dari data baru tanpa melupakan pengetahuan sebelumnya.
Pembelajaran Dalam Konteks
Kemampuan model untuk mengikuti pola dari contoh yang diberikan langsung di prompt.
Pembelajaran dengan Pengawasan Mandiri
Mempelajari representasi dari data yang tidak berlabel dengan memprediksi bagian yang disamarkan atau ditransformasikan.
Pembelajaran Mendalam
Bagian dari pembelajaran mesin yang menggunakan jaringan saraf banyak lapisan untuk pembelajaran representasi.
Pembelajaran Mesin (ML)
Metode yang memungkinkan sistem mempelajari pola dari data dan meningkat seiring waktu.
Pembelajaran Penguatan
Pelatihan dengan imbalan memberi sinyal saat agen mempelajari tindakan yang memaksimalkan keuntungan jangka panjang.
Pembelajaran Penguatan dari Umpan Balik Manusia (RLHF)
Sebuah metode pelatihan yang menggunakan sinyal preferensi manusia untuk membentuk perilaku model.
Pembelajaran Sedikit-Tembakan
Mempelajari atau mengadaptasi perilaku hanya dari sejumlah kecil contoh.
Pembelajaran Tanpa Pengawasan
Pola pembelajaran dari data tidak berlabel tanpa target keluaran yang jelas.
Pembelajaran Transfer
Menerapkan pengetahuan yang dipelajari dalam satu tugas atau domain untuk meningkatkan tugas lainnya.
Pembelajaran yang Diawasi
Melatih model dengan contoh berlabel yang memetakan masukan ke keluaran yang diketahui.
Pembelajaran Zero-Shot
Menyelesaikan tugas tanpa contoh tugas spesifik dengan mengandalkan pengetahuan umum sebelumnya.
pembobolan penjara
Teknik cepat yang dimaksudkan untuk melewati batasan keamanan model.
Pembuat enkode
Komponen model yang mengubah masukan menjadi representasi laten.
Pembuat ulang
Model yang menyusun ulang kumpulan awal hasil yang diambil untuk menempatkan item yang paling relevan di urutan teratas.
Pemrosesan Bahasa Alami (NLP)
Cabang AI berfokus pada pemahaman dan menghasilkan bahasa manusia.
Pemutusan Pengetahuan
Titik waktu terakhir yang tercermin dalam data pelatihan model.
Penagihan Berbasis Penggunaan
Penetapan harga yang skala biayanya disesuaikan dengan panggilan API, token, waktu inferensi, atau komputasi yang digunakan.
Penalti Frekuensi
Pengaturan decoding yang mengurangi kemungkinan token secara proporsional dengan seberapa sering token tersebut muncul sejauh ini.
Penalti Kehadiran
Pengaturan decoding yang mengurangi kemungkinan munculnya token, mendorong topik baru.
Penalti Pengulangan
Pengaturan decoding yang menurunkan kemungkinan token yang telah dihasilkan model untuk mengurangi loop.
Pencarian Hibrid
Pendekatan pengambilan yang menggabungkan pencarian kata kunci (leksikal) dengan pencarian vektor (semantik) untuk perolehan dan presisi yang lebih baik.
Pencarian Semantik
Pencarian yang cocok dengan arti dan bukan kata kunci yang sama persis, sering kali menggunakan penyematan.
Pencarian Sinar
Algoritme penguraian kode yang menyimpan beberapa urutan kandidat teratas di setiap langkah untuk menemukan keluaran dengan probabilitas lebih tinggi.
Penerapan Bayangan
Menjalankan model secara paralel dengan lalu lintas produksi tanpa memengaruhi keputusan yang diambil pengguna.
Pengakuan Entitas Bernama (NER)
Tugas NLP yang mengidentifikasi entitas seperti orang, tempat, tanggal, atau organisasi.
Pengambilan
Menemukan dokumen atau catatan yang relevan dari sumber pengetahuan untuk kueri.
Pengambilan Dokumen Orang Tua
Pola pengambilan yang mencari bagian kecil namun mengembalikan dokumen induk yang lebih besar untuk konteks yang lebih kaya.
Pengambilan Multi-Kueri
Teknik pengambilan yang menulis ulang kueri pengguna menjadi beberapa varian untuk meningkatkan ingatan.
Pengambilan Sampel Top-k
Strategi decoding yang mengambil sampel hanya dari k kemungkinan besar token berikutnya.
Pengambilan Sampel Top-p (Inti).
Strategi decoding yang mengambil sampel dari kumpulan token terkecil yang probabilitasnya berjumlah p.
Pengawasan yang Lemah
Menggunakan label yang berisik, heuristik, atau parsial untuk melatih model ketika label yang bersih sulit didapat.
Penggunaan Alat
Kemampuan model untuk memanggil alat eksternal seperti penelusuran, kalkulator, atau API.
Penghalusan Label
Metode regularisasi yang memperhalus label keras untuk meningkatkan generalisasi.
Pengklasifikasi
Model yang dirancang khusus untuk tugas klasifikasi.
Pengkodean Posisi
Informasi ditambahkan ke penyematan token sehingga transformator dapat membedakan urutan urutan.
Pengurai Keluaran
Logika yang memvalidasi dan mengubah keluaran model menjadi struktur yang diketik dengan kuat dan dapat digunakan mesin.
Penguraian Kode Spekulatif
Metode percepatan inferensi di mana rancangan model kecil mengusulkan token yang diverifikasi secara paralel oleh model yang lebih besar.
Penjelasan
Sejauh mana perilaku model dapat diinterpretasikan dan dijelaskan kepada manusia.
Penurunan Gradien
Metode optimasi yang memperbarui parameter ke arah yang mengurangi kesalahan.
Penyelarasan AI
Pekerjaan membuat sistem AI berperilaku sesuai dengan niat manusia, nilai-nilai, dan batasan keselamatan.
Penyematan
Representasi vektor numerik yang menangkap makna semantik teks, gambar, atau data lainnya.
Penyematan Kata
Representasi vektor padat dari kata-kata yang menangkap hubungan semantik.
Penyempurnaan
Melanjutkan pelatihan pada data spesifik domain untuk mengadaptasi model yang telah dilatih sebelumnya ke tugas tertentu.
Penyempurnaan Efisien Parameter (PEFT)
Metode yang mengadaptasi model dengan melatih sebagian kecil parameter tambahan.
Penyetelan Instruksi
Menyempurnakan model pasangan instruksi-respons untuk meningkatkan kemampuan mengikuti tugas.
Penyimpangan Data
Pergeseran data masukan dunia nyata dari waktu ke waktu yang dapat menurunkan performa model.
Penyulingan Pengetahuan
Melatih model yang lebih kecil untuk meniru keluaran model yang lebih besar.
Perhatian Jendela Geser
Pola perhatian di mana setiap token hanya memperhatikan jendela berukuran tetap dari token terdekat untuk mengurangi komputasi.
Perhatian Kilat
Algoritme perhatian yang dioptimalkan yang mengurangi penggunaan memori dan mempercepat pelatihan transformator dan inferensi.
Perhatian Multi-Kepala
Mekanisme transformator yang menjalankan beberapa operasi perhatian secara paralel untuk menangkap berbagai jenis hubungan.
Perhitungan Waktu Inferensi
Jumlah daya pemrosesan yang dikonsumsi saat menghasilkan setiap respons.
Perhitungan Waktu Tes
Perhitungan inferensi tambahan yang digunakan selama pembuatan respons untuk meningkatkan kualitas atau penalaran.
Perintah Sistem
Instruksi berprioritas tinggi yang menetapkan perilaku, kebijakan, dan gaya respons untuk suatu model.
Perplexity
Metrik model bahasa yang mengukur seberapa terkejut model tersebut dengan token berikutnya yang sebenarnya.
Pertengahan pelatihan
Fase pelatihan perantara antara pra-pelatihan dan pasca-pelatihan, sering kali digunakan untuk penyesuaian kemampuan atau domain.
Pohon Keputusan
Model yang membuat prediksi melalui rangkaian pemisahan fitur jika-maka.
Pohon Pikiran
Pendekatan penalaran dimana suatu model mengeksplorasi beberapa jalur solusi yang bercabang dan memilih yang paling menjanjikan.
Positif Palsu
Prediksi yang salah ketika model salah menandai kasus negatif sebagai kasus positif.
Potongan Kalimat
Tokenizer tanpa bahasa yang mempelajari unit subkata langsung dari teks mentah tanpa terlebih dahulu membagi spasi.
Pra-pelatihan
Pelatihan model skala besar awal mengenai data luas sebelum adaptasi hilir.
Presisi
Proporsi prediksi positif yang sebenarnya benar.
Presisi Pengambilan
Proporsi item yang diambil dan relevan dengan kueri pengguna.
Privasi Diferensial
Teknik privasi yang menambahkan gangguan statistik sehingga catatan individual tidak dapat disimpulkan secara andal dari keluaran.
Prompt Engineering
Merancang petunjuk untuk meningkatkan kualitas keluaran, keandalan, dan kemampuan pengendalian.
Propagasi mundur
Algoritme pelatihan inti yang memperbarui bobot model dengan menyebarkan kesalahan prediksi ke belakang melalui jaringan.
Q1 istilah
QLoRA
Teknik penyempurnaan yang menggabungkan kuantisasi bobot 4-bit dengan adaptor LoRA untuk mengurangi kebutuhan memori.
R6 istilah
RAG (Generasi Augmented Pengambilan)
Sebuah metode yang mengambil pengetahuan eksternal dan memasukkannya ke dalam generasi pada waktu inferensi.
RAG-Fusi
Metode pengambilan yang menghasilkan beberapa varian kueri, mengambil hasil untuk masing-masing varian, dan menggabungkan peringkat.
Rantai Pemikiran
Gaya penalaran di mana model AI menguraikan masalah menjadi langkah-langkah perantara.
Registri Model
Katalog pusat untuk pembuatan versi, persetujuan, dan pelacakan model di seluruh lingkungan.
Rekayasa Fitur
Merancang atau mentransformasikan variabel masukan agar pembelajaran lebih mudah dan efektif.
Ruang Laten
Ruang representasi terkompresi di mana konsep-konsep serupa diposisikan berdekatan satu sama lain sebagai vektor.
S6 istilah
Saluran pipa
Alur kerja yang teratur dari prapemrosesan, langkah model, dan tahapan pascapemrosesan.
Set Validasi
Kumpulan data yang digunakan selama pengembangan untuk menyesuaikan model dan mencegah overfitting.
Silsilah Data
Catatan dari mana data berasal, bagaimana data tersebut diubah, dan di mana data tersebut digunakan.
Sistem Otonom
Sebuah sistem yang dapat mengambil keputusan dan bertindak dengan kendali manusia secara langsung atau terbatas secara real time.
Sistem Rekomendasi
Saluran model yang memprediksi preferensi pengguna untuk menentukan peringkat konten atau produk.
Suhu
Pengaturan pengambilan sampel yang mengontrol keacakan dalam keluaran yang dihasilkan.
T13 istilah
Tali (Penyematan Posisi Putar)
Metode pengkodean posisi yang memutar kueri dan vektor kunci untuk mengkodekan posisi token relatif.
Tanda
Sepotong teks yang diproses oleh model bahasa, seperti potongan kata atau simbol.
Tanda air
Menanamkan sinyal yang dapat dideteksi dalam teks atau media yang dihasilkan AI sehingga nantinya dapat diidentifikasi sebagai sinyal yang diproduksi oleh mesin.
Tata Kelola AI
Kebijakan, standar, dan mekanisme pengawasan yang memandu bagaimana AI dikembangkan dan digunakan di masyarakat.
Tembolok KV
Tensor kunci dan nilai tersimpan dari token sebelumnya yang memungkinkan transformator menghasilkan token baru tanpa menghitung ulang perhatian sebelumnya.
Templat Cepat
Pola cepat yang dapat digunakan kembali dengan variabel, aturan pemformatan, dan instruksi khusus tugas.
Tim Merah
Menguji stres sistem AI dengan petunjuk yang berlawanan untuk mengungkap kegagalan dan risiko.
Titik Akhir Inferensi
Antarmuka API yang diterapkan yang menerima permintaan model dan mengembalikan prediksi dalam produksi.
Tokenisasi
Proses pemisahan teks menjadi token untuk masukan model.
Toko Fitur
Sistem terkelola untuk menyimpan dan menyajikan fitur ML yang divalidasi secara konsisten untuk pelatihan dan inferensi.
Tolok ukur
Tes atau kumpulan data standar yang digunakan untuk mengukur dan membandingkan kinerja model.
transformator
Arsitektur saraf yang menggunakan perhatian untuk memodelkan hubungan lintas urutan secara paralel.
Transparansi Algoritmik
Seberapa jelas logika, sumber data, dan batasan sistem AI didokumentasikan dan dapat dipahami.
U1 istilah
UU AI
Kerangka peraturan Uni Eropa yang berbasis risiko untuk sistem dan penyedia AI.
V1 istilah
Visi Komputer
Cabang AI yang mengekstrak makna dari gambar dan video.
X1 istilah
XAI (AI yang Dapat Dijelaskan)
Teknik dan praktik untuk membuat prediksi AI lebih transparan dan mudah dipahami.