Abah Eval
Rangka kerja penilaian berulang yang menjalankan gesaan, set data dan logik pemarkahan merentas versi model.
Free AI glossary
GlosariAI
Plain-language definitions of the AI terms you keep hearing — for students, professionals, and anyone curious about how AI works.
213syaratA–ZCarian + penapis abjad100%Definisi bahasa biasa
A14 syarat
AGI (Kecerdasan Am Buatan)
Sistem AI hipotetikal yang boleh melaksanakan kebanyakan tugas intelektual pada peringkat manusia merentas banyak domain.
AI berperlembagaan
Pendekatan latihan dan pembentukan tingkah laku di mana output model dipandu oleh set tetap prinsip bertulis.
AI Generatif
Sistem AI yang menghasilkan kandungan baharu seperti teks, imej, audio, video atau kod.
AI Pada Peranti
Inferens AI dilakukan secara setempat pada perkakasan pengguna dan bukannya dalam perkhidmatan awan jauh.
Akta AI
Rangka kerja kawal selia berasaskan risiko Kesatuan Eropah untuk sistem dan pembekal AI.
Algoritma
Satu set peraturan atau langkah yang ditetapkan yang dipatuhi oleh komputer untuk menyelesaikan masalah atau menyelesaikan tugas.
ALiBi
Kaedah berat sebelah kedudukan yang menghukum skor perhatian berdasarkan jarak token, membantu model mengekstrapolasi kepada konteks yang lebih panjang.
Aliran Kerja Agen
Proses berbilang langkah di mana sistem AI merancang, melaksanakan, menyemak keputusan dan berulang ke arah matlamat.
Analisis Sentimen
Tugas NLP yang mengklasifikasikan nada emosi atau pendapat dalam teks.
ANN (Anggaran Jiran Terdekat)
Algoritma yang mencari vektor hampir dengan pertanyaan tanpa perbandingan menyeluruh, berdagang ketepatan untuk kelajuan.
Anotasi
Label atau metadata tambahan manusia yang digunakan untuk melatih atau menilai model pembelajaran mesin.
API (Antara Muka Pengaturcaraan Aplikasi)
Cara berstruktur untuk satu sistem perisian menghantar permintaan dan menerima respons daripada sistem lain.
Asal Data
Asal yang didokumenkan, pemilikan dan sejarah set data atau artifak model.
B6 syarat
Berat badan
Nilai berangka yang dipelajari yang menskalakan isyarat yang melalui rangkaian saraf.
berat sebelah
Corak kesilapan atau ketidakadilan yang konsisten dalam data atau tingkah laku model.
Berpasukan Merah
Menguji tekanan sistem AI dengan gesaan lawan untuk mendedahkan kegagalan dan risiko.
Bertindak balas
Corak gesaan yang menyelangi langkah penaakulan dengan tindakan penggunaan alat untuk menyelesaikan tugasan dengan lebih dipercayai.
Bias Algoritma
Ketidakadilan sistematik dalam output model yang disebabkan oleh data yang condong, andaian atau pilihan pemodelan.
BPE (Pengekodan Pasangan Byte)
Algoritma tokenisasi subkata yang menggabungkan pasangan aksara yang paling kerap menjadi token boleh guna semula.
C7 syarat
Cache KV
Tensor kunci dan nilai yang disimpan daripada token sebelumnya yang membolehkan transformer menjana token baharu tanpa mengira semula perhatian masa lalu.
Campuran Pakar (KPM)
Seni bina dengan subrangkaian khusus yang hanya pakar terpilih dijalankan setiap input.
Carian Hibrid
Pendekatan mendapatkan semula yang menggabungkan carian kata kunci (leksikal) dengan carian vektor (semantik) untuk ingatan dan ketepatan yang lebih baik.
Carian Rasuk
Algoritma penyahkodan yang mengekalkan beberapa jujukan calon teratas pada setiap langkah untuk mencari output berkemungkinan lebih tinggi.
Carian Semantik
Carian yang sepadan dengan makna dan bukannya kata kunci yang bertindih tepat, selalunya menggunakan benam.
Ciri
Pembolehubah input yang digunakan oleh model untuk membuat ramalan.
Cukai Penjajaran
Kos tambahan dalam masa, pengiraan atau halaju produk yang diperlukan untuk menjadikan sistem lebih selamat dan lebih terkawal.
D3 syarat
Data Besar
Set data yang sangat besar dan kompleks yang memerlukan storan dan teknik pemprosesan berskala.
Data Sintetik
Data yang dijana secara buatan digunakan untuk menambah, mensimulasikan atau melindungi data latihan yang sensitif.
DPO (Pengoptimuman Keutamaan Langsung)
Kaedah latihan yang memperhalusi model secara langsung pada pasangan pilihan tanpa memerlukan model ganjaran yang berasingan.
E2 syarat
F2 syarat
Faktualiti
Betapa tepatnya tuntutan model sepadan dengan maklumat dunia sebenar yang boleh disahkan.
Fungsi Kehilangan
Objektif matematik yang mengukur ralat ramalan semasa latihan.
G6 syarat
GAN (Rangkaian Adversarial Generatif)
Persediaan generatif di mana penjana dan diskriminator melatih antara satu sama lain.
Gelung Agentik
Kitaran berulang di mana ejen AI memerhati, merancang, bertindak dan mencerminkan sehingga ia melengkapkan matlamat atau mencapai keadaan berhenti.
Generalisasi
Seberapa baik prestasi model pada data baharu yang tidak kelihatan di luar set latihan.
Gesaan Sistem
Arahan keutamaan tinggi yang menetapkan tingkah laku, dasar dan gaya tindak balas untuk model.
Graf Pengetahuan
Struktur graf entiti dan perhubungan yang digunakan untuk menaakul atau mendapatkan semula.
GSM8K
Penanda aras masalah perkataan matematik sekolah gred yang digunakan untuk menilai penaakulan langkah demi langkah dalam model bahasa.
H5 syarat
Halusinasi
Apabila model menjana maklumat yang lancar tetapi palsu atau tidak disokong.
Hanyutan Data
Peralihan dalam data input dunia sebenar dari semasa ke semasa yang boleh merendahkan prestasi model.
Hiperparameter
Nilai konfigurasi yang ditetapkan sebelum latihan, seperti kadar pembelajaran, saiz kelompok atau kedalaman.
HNSW
Struktur indeks berasaskan graf untuk carian jiran terdekat anggaran pantas ke atas vektor dimensi tinggi.
HumanEval
Penanda aras masalah pengaturcaraan Python yang digunakan untuk mengukur ketepatan penjanaan kod melalui ujian unit.
I3 syarat
Inferens
Fasa masa jalan di mana model terlatih menjana ramalan atau output.
Inferens Sebab
Kaedah untuk menganggar hubungan sebab-akibat dan bukannya korelasi mudah.
Ingat kembali
Perkadaran positif sebenar yang dikenal pasti dengan betul oleh model.
J1 term
Jailbreak
Teknik segera bertujuan untuk memintas kekangan keselamatan model.
K25 syarat
Kad Model
Dokumentasi yang menerangkan tujuan penggunaan model, metrik, had dan risiko.
Kadar Pembelajaran
Hiperparameter latihan yang mengawal berapa banyak parameter mengubah setiap langkah kemas kini.
Keasaman
Tahap tindak balas AI disokong oleh data sumber atau bukti yang diperoleh.
Kebenaran Tanah
Label rujukan yang dipercayai digunakan untuk melatih atau menilai output model.
Kebocoran Penanda Aras
Apabila contoh ujian penanda aras atau varian hampir hadir dalam data latihan, meningkatkan prestasi yang dilaporkan.
Kebolehjelasan
Sejauh mana tingkah laku model boleh ditafsir dan dijelaskan kepada manusia.
Kecerdasan Buatan (AI)
Bidang luas sistem pembinaan yang melaksanakan tugas yang memerlukan pengecaman pola, penaakulan, bahasa atau membuat keputusan.
Kecerunan
Vektor yang menunjukkan berapa banyak setiap parameter harus berubah untuk mengurangkan kerugian.
Kedai Ciri
Sistem terurus untuk menyimpan dan menyediakan ciri ML yang disahkan secara konsisten untuk latihan dan inferens.
Kehilangan Latihan
Nilai ralat model yang dikira semasa latihan dan dioptimumkan ke bawah dari semasa ke semasa.
Kejuruteraan Ciri
Mereka bentuk atau mengubah pembolehubah input untuk menjadikan pembelajaran lebih mudah dan lebih berkesan.
Kekukuhan
Keupayaan model untuk mengekalkan prestasi di bawah bunyi bising, peralihan atau input lawan.
Kerugian Cross-Entropi
Fungsi objektif biasa yang digunakan untuk melatih model klasifikasi dengan menghukum kebarangkalian yang salah.
Kes Keselamatan
Hujah berstruktur, disokong oleh bukti, bahawa sistem AI selamat untuk konteks penggunaan yang ditentukan.
Keselamatan AI
Bidang yang memfokuskan pada mengurangkan tingkah laku berbahaya, kegagalan dan risiko penyalahgunaan dalam sistem AI.
Ketelusan Algoritma
Betapa jelasnya logik, sumber data dan batasan sistem AI didokumenkan dan boleh difahami.
Ketepatan
Perkadaran positif yang diramalkan yang sebenarnya betul.
Ketepatan Pengambilan semula
Perkadaran item yang diambil semula yang berkaitan dengan pertanyaan pengguna.
Keturunan Data
Rekod dari mana data datang, cara ia diubah, dan dari mana ia digunakan.
Keturunan Kecerunan
Kaedah pengoptimuman yang mengemas kini parameter ke arah yang mengurangkan ralat.
Kira
Sumber pemprosesan yang diperlukan untuk melatih dan menjalankan model, selalunya diukur dalam jam FLOPS atau GPU.
Klasifikasi Niat
Meramalkan tujuan pengguna daripada pertanyaan teks untuk mengarahkannya dengan betul.
KLIP
Seni bina model multimodal yang mempelajari perwakilan yang dikongsi antara teks dan imej.
Kuantisasi
Menukar pemberat model kepada format ketepatan yang lebih rendah seperti 8-bit atau 4-bit.
Kuantiti Model
Mengurangkan ketepatan berangka berat model untuk mengurangkan kos ingatan dan inferens.
L4 syarat
Latensi
Masa antara menghantar permintaan dan menerima output model.
LLM-sebagai-Hakim
Menggunakan model bahasa untuk menjaringkan atau membandingkan output daripada model lain semasa penilaian.
LoRA (Penyesuaian Peringkat Rendah)
Kaedah penalaan halus yang cekap parameter yang menambah matriks penyesuai peringkat rendah.
Lulus@k
Metrik penilaian kod yang mengukur peluang bahawa sekurang-kurangnya satu daripada k sampel yang dijana lulus ujian.
M23 syarat
Main Sendiri
Persediaan latihan di mana model bertambah baik dengan menjana data melalui interaksi atau pertandingan dengan salinan dirinya sendiri.
Manusia-dalam-Gelung
Aliran kerja yang membolehkan manusia menyemak, membimbing atau mengatasi output AI.
MCP (Protokol Konteks Model)
Protokol terbuka yang membolehkan aplikasi AI menyambung ke alat luaran, sumber data dan penyedia konteks dengan cara yang standard.
Mekanisme Perhatian
Komponen model yang memfokus secara dinamik pada bahagian input yang berkaitan apabila menghasilkan output.
Melicinkan Label
Kaedah regularisasi yang melembutkan label keras untuk meningkatkan generalisasi.
Membenamkan
Perwakilan vektor berangka yang menangkap makna semantik teks, imej atau data lain.
Memori (Memori Agen)
Konteks tersimpan yang digunakan ejen AI merentas langkah atau sesi untuk meningkatkan kesinambungan.
MMLU
Penanda aras menguji model bahasa merentas 57 subjek akademik dan profesional menggunakan soalan aneka pilihan.
Model Asas
Model pra-latihan yang besar yang boleh disesuaikan dengan banyak tugas hiliran.
Model Bahasa Besar (LLM)
Model bahasa yang dilatih mengenai korpora teks besar-besaran untuk menjana dan menganalisis teks.
Model Bahasa Kecil (SLM)
Model bahasa padat yang dioptimumkan untuk kependaman, kos atau penggunaan pada peranti yang lebih rendah.
Model Bahasa Penglihatan (VLM)
Model multimodal yang memproses maklumat visual dan teks secara bersama.
Model Benam
Model khusus untuk menukar data kepada vektor yang digunakan untuk carian semantik, pengelompokan dan perolehan semula.
Model Drift
Kemerosotan prestasi dari semasa ke semasa kerana keadaan dunia sebenar menyimpang daripada andaian latihan.
Model Ganjaran
Model yang menjaringkan output berdasarkan isyarat keutamaan, sering digunakan dalam saluran paip RLHF.
Model Garis Dasar
Model rujukan mudah yang digunakan untuk membandingkan sama ada pendekatan yang lebih kompleks sebenarnya meningkatkan hasil.
Model Jarang
Model di mana banyak parameter adalah sifar atau tidak aktif untuk mengurangkan pengiraan.
Model Keutamaan Manusia
Model yang dilatih mengenai kedudukan manusia untuk meramalkan respons yang mungkin lebih disukai pengguna.
Model Kotak Hitam
Model yang penaakulan dalaman sukar untuk ditafsir secara langsung oleh manusia.
Model Multimodal
Model yang boleh memproses atau menjana berbilang jenis data seperti teks, imej dan audio.
Model Penyebaran
Seni bina generatif yang belajar membalikkan hingar untuk mensintesis imej, audio atau kandungan lain.
Model Suling
Model yang lebih kecil dilatih untuk meniru tingkah laku model yang lebih besar sambil menggunakan kurang pengiraan pada inferens.
Model Sumber Terbuka
Model yang dikeluarkan dengan pemberat awam atau kod untuk pemeriksaan, penyesuaian dan penggunaan semula.
N2 syarat
Negatif Palsu
Ramalan yang salah apabila model terlepas kes positif sebenar.
Normalisasi
Mengubah nilai kepada skala yang konsisten untuk meningkatkan kestabilan pengoptimuman.
O2 syarat
OCR (Pengecaman Aksara Optik)
Teknologi yang menukar teks dalam imej atau mengimbas kepada teks yang boleh dibaca mesin.
Output Berstruktur
Output model dihadkan kepada skema yang ditentukan seperti JSON, argumen alat atau medan ditaip.
P79 syarat
Panggilan Fungsi
Keupayaan model untuk menjana panggilan berstruktur yang mencetuskan alatan luaran atau API.
Pangkalan Data Vektor
Pangkalan data yang dioptimumkan untuk menyimpan dan menanyakan vektor benam berdimensi tinggi.
Pangkalan Pengetahuan
Koleksi dokumen atau rekod yang dipilih susun yang digunakan untuk mendapatkan semula, menyokong automasi atau respons asas.
Parameter
Berat yang dipelajari dalam model yang mempengaruhi outputnya.
Pelabelan Data
Proses memberikan tag atau output sasaran kepada data mentah untuk pembelajaran diselia.
Pemangkasan
Mengalih keluar pemberat model atau neuron yang kurang penting untuk mengurangkan saiz dan mengira.
Pembelajaran Berterusan
Pendekatan latihan yang membolehkan model terus belajar daripada data baharu tanpa melupakan pengetahuan terdahulu.
Pembelajaran Dalam Konteks
Keupayaan model untuk mengikuti corak daripada contoh yang diberikan secara langsung dalam gesaan.
Pembelajaran Kendiri
Mempelajari perwakilan daripada data tidak berlabel dengan meramalkan bahagian bertopeng atau diubah.
Pembelajaran Mendalam
Subset pembelajaran mesin yang menggunakan rangkaian saraf banyak lapisan untuk pembelajaran perwakilan.
Pembelajaran Mesin (ML)
Kaedah yang membolehkan sistem mempelajari corak daripada data dan bertambah baik dari semasa ke semasa.
Pembelajaran Pengukuhan
Latihan melalui isyarat ganjaran di mana ejen mempelajari tindakan yang memaksimumkan pulangan jangka panjang.
Pembelajaran Pengukuhan daripada Maklum Balas Manusia (RLHF)
Kaedah latihan yang menggunakan isyarat keutamaan manusia untuk membentuk tingkah laku model.
Pembelajaran Sedikit Pukulan
Mempelajari atau menyesuaikan tingkah laku daripada hanya sebilangan kecil contoh.
Pembelajaran Sifar Pukulan
Menyelesaikan tugas tanpa contoh khusus tugasan dengan bergantung pada pengetahuan am terdahulu.
Pembelajaran Tanpa Selia
Corak pembelajaran daripada data tidak berlabel tanpa output sasaran yang jelas.
Pembelajaran yang diselia
Melatih model dengan contoh berlabel yang memetakan input kepada output yang diketahui.
Pembenaman Perkataan
Perwakilan vektor padat perkataan yang menangkap hubungan semantik.
Pembesaran Data
Teknik yang mencipta contoh latihan yang diubah suai untuk meningkatkan generalisasi model.
Pemeringkatan semula
Model yang menyusun semula set awal keputusan yang diambil untuk meletakkan item yang paling berkaitan di bahagian atas.
Pemindahan Pembelajaran
Mengaplikasikan pengetahuan yang dipelajari dalam satu tugasan atau domain untuk memperbaiki tugasan yang lain.
Pemprosesan Bahasa Semulajadi (NLP)
Cawangan AI menumpukan pada pemahaman dan penjanaan bahasa manusia.
Penalaan Arahan
Memperhalusi model pada pasangan arahan-tindak balas untuk menambah baik mengikut tugasan.
Penalaan Halus
Meneruskan latihan tentang data khusus domain untuk menyesuaikan model pra-latihan kepada tugas tertentu.
Penalaan Halus Cekap Parameter (PEFT)
Kaedah yang menyesuaikan model dengan melatih subset kecil parameter tambahan.
Penalti Kehadiran
Tetapan penyahkodan yang mengurangkan kebarangkalian token yang telah muncul sama sekali, menggalakkan topik baharu.
Penalti Kekerapan
Tetapan penyahkodan yang mengurangkan kebarangkalian token secara berkadar dengan kekerapan token itu muncul setakat ini.
Penalti Ulangan
Tetapan penyahkodan yang mengurangkan kebarangkalian token yang telah dihasilkan oleh model untuk mengurangkan gelung.
Penanda air
Membenamkan isyarat yang boleh dikesan dalam teks atau media yang dijana AI supaya kemudiannya boleh dikenal pasti sebagai dihasilkan mesin.
Penanda aras
Ujian piawai atau set data yang digunakan untuk mengukur dan membandingkan prestasi model.
Penapis Keselamatan
Lapisan penyederhanaan yang menyekat atau menulis semula input atau output model yang tidak selamat.
Pendaftaran Model
Katalog pusat untuk membuat versi, meluluskan dan menjejak model merentas persekitaran.
Penentukuran
Sejauh mana skor keyakinan model sepadan dengan kebarangkalian ketepatan sebenar.
Penentukuran Amanah
Menyelaraskan keyakinan pengguna dalam output AI dengan kebolehpercayaan sebenar sistem dalam setiap tugas.
Pengambilan Berbilang Pertanyaan
Teknik mendapatkan semula yang menulis semula pertanyaan pengguna ke dalam beberapa varian untuk meningkatkan ingatan semula.
Pengambilan semula
Mencari dokumen atau rekod yang berkaitan daripada sumber pengetahuan untuk pertanyaan.
Pengawal
Peraturan, semakan dan kawalan yang mengehadkan tingkah laku model yang tidak selamat atau tidak diingini.
Pengawasan yang lemah
Menggunakan label yang bising, heuristik atau separa untuk melatih model apabila label bersih terhad.
Pengebilan Berdasarkan Penggunaan
Penetapan harga dengan skala kos dengan panggilan API, token, masa inferens atau pengiraan yang digunakan.
Pengekalan Data Sifar
Dasar di mana muatan permintaan/tindak balas tidak disimpan selepas diproses melangkaui tetingkap operasi jangka pendek.
Pengekod
Komponen model yang mengubah input kepada perwakilan terpendam.
Pengekod Dwi
Model yang mengekod pertanyaan dan dokumen ke dalam vektor yang berasingan supaya ia boleh dibandingkan dengan cepat pada skala.
Pengekod Silang
Model yang menjaringkan pertanyaan dan dokumen bersama-sama dalam satu pas untuk pertimbangan perkaitan ketepatan tinggi.
Pengekodan Kedudukan
Maklumat ditambahkan pada pembenaman token supaya transformer boleh membezakan susunan jujukan.
Pengekstrakan Ciri
Menukar data mentah kepada ciri bermaklumat yang boleh digunakan oleh model.
Pengelas
Model yang direka khusus untuk tugas klasifikasi.
Pengelasan
Tugas di mana model memberikan input kepada satu atau lebih kategori yang dipratentukan.
Penggunaan Alat
Keupayaan model untuk memanggil alat luaran seperti carian, kalkulator atau API.
Penggunaan Bayang-bayang
Menjalankan model selari dengan trafik pengeluaran tanpa menjejaskan keputusan yang dihadapi pengguna.
Penghurai Keluaran
Logik yang mengesahkan dan menukar output model kepada struktur yang ditaip kuat dan boleh digunakan oleh mesin.
Pengiktirafan Entiti Dinamakan (NER)
Tugas NLP yang mengenal pasti entiti seperti orang, tempat, tarikh atau organisasi.
Pengiraan Masa Inferens
Jumlah kuasa pemprosesan yang digunakan semasa menghasilkan setiap tindak balas.
Pengiraan Masa Ujian
Pengiraan inferens tambahan yang digunakan semasa penjanaan tindak balas untuk meningkatkan kualiti atau penaakulan.
Penglihatan Komputer
Cabang AI yang mengekstrak makna daripada imej dan video.
Penjajaran AI
Kerja membuat sistem AI berkelakuan mengikut niat, nilai dan kekangan keselamatan manusia.
Penyahkodan Spekulatif
Kaedah pecutan inferens di mana model draf kecil mencadangkan token yang disahkan oleh model yang lebih besar secara selari.
Penyahkodan Terkawal
Strategi penjanaan yang mengekang token output kepada struktur yang sah atau pilihan yang mematuhi dasar.
Penyebaran balik
Algoritma latihan teras yang mengemas kini berat model dengan menyebarkan ralat ramalan ke belakang melalui rangkaian.
Penyesuaian Domain
Kaedah yang memindahkan model yang dilatih dalam satu domain untuk berprestasi lebih baik dalam domain lain.
Penyulingan
Memampatkan pengetahuan daripada model guru yang besar kepada model pelajar yang lebih kecil.
Penyulingan Pengetahuan
Melatih model yang lebih kecil untuk meniru keluaran model yang lebih besar.
Perhatian Berbilang Kepala
Mekanisme pengubah yang menjalankan beberapa operasi perhatian secara selari untuk menangkap pelbagai jenis perhubungan.
Perhatian Kilat
Algoritma perhatian yang dioptimumkan yang mengurangkan penggunaan memori dan mempercepatkan latihan dan inferens transformer.
Perhatian Tingkap Gelongsor
Corak perhatian di mana setiap token hadir hanya pada tetingkap saiz tetap token berdekatan untuk mengurangkan pengiraan.
Perolehan Dokumen Ibu Bapa
Corak pengambilan semula yang mencari potongan kecil tetapi mengembalikan dokumen induknya yang lebih besar untuk konteks yang lebih kaya.
Perplexity
Metrik model bahasa yang mengukur betapa terkejutnya model dengan token seterusnya yang benar.
Persampelan atas-p (Nukleus).
Strategi penyahkodan yang mengambil sampel daripada set token terkecil yang kebarangkaliannya berjumlah p.
Persampelan Top-k
Strategi penyahkodan yang hanya mengambil sampel daripada k kemungkinan besar token seterusnya.
Pertengahan latihan
Fasa latihan pertengahan antara pralatihan dan pasca latihan, sering digunakan untuk pelarasan keupayaan atau domain.
Petikan
Rujukan kepada petikan sumber atau dokumen yang disertakan dalam respons model untuk menyokong tuntutannya.
Pokok Fikiran
Pendekatan penaakulan di mana model meneroka berbilang laluan penyelesaian percabangan dan memilih yang paling menjanjikan.
Pokok Keputusan
Model yang membuat ramalan melalui urutan pemisahan ciri jika-maka.
Positif Palsu
Ramalan yang salah di mana model tersalah menandakan kes negatif sebagai positif.
Potongan Ayat
Tokenizer agnostik bahasa yang mempelajari unit subkata terus daripada teks mentah tanpa membahagikan pada ruang kosong.
Potongan Pengetahuan
Titik masa terkini ditunjukkan dalam data latihan model.
Pralatihan
Latihan model berskala besar awal mengenai data luas sebelum penyesuaian hiliran.
Privasi Berbeza
Teknik privasi yang menambah bunyi statistik supaya rekod individu tidak boleh disimpulkan dengan pasti daripada output.
Prompt
Arahan input dan konteks yang diberikan kepada model generatif.
Prompt Engineering
Mereka bentuk gesaan untuk meningkatkan kualiti output, kebolehpercayaan dan kebolehkawalan.
Q1 term
QLoRA
Teknik penalaan halus yang menggabungkan pengkuantitian berat 4-bit dengan penyesuai LoRA untuk mengurangkan keperluan memori.
R7 syarat
RAG (Retrieval-Augmented Generation)
Kaedah yang mendapatkan semula pengetahuan luaran dan menyalurkannya kepada generasi pada masa inferens.
RAG-Fusion
Kaedah mendapatkan semula yang menjana berbilang variasi pertanyaan, mendapatkan semula hasil untuk setiap satu dan menggabungkan kedudukan.
Rangkaian Neural
Model pengiraan berlapis yang diilhamkan oleh neuron biologi dan sinaps.
Rangkaian Neural Convolutional (CNN)
Seni bina saraf yang dioptimumkan untuk memproses data seperti grid seperti imej.
Rantaian Pemikiran
Gaya penaakulan di mana model AI menguraikan masalah kepada langkah perantaraan.
RoPE (Pembenaman Kedudukan Putar)
Kaedah pengekodan kedudukan yang memutarkan pertanyaan dan vektor kunci untuk mengekod kedudukan token relatif.
Ruang Terpendam
Ruang perwakilan termampat di mana konsep serupa diletakkan berdekatan antara satu sama lain sebagai vektor.
S11 syarat
Saluran paip
Aliran kerja tertib prapemprosesan, langkah model dan peringkat pasca pemprosesan.
Selang Keyakinan
Julat statistik yang mungkin mengandungi nilai sebenar metrik model yang diukur.
Selepas latihan
Langkah latihan digunakan selepas pralatihan, seperti penalaan arahan, pengoptimuman keutamaan dan penalaan keselamatan.
Sempadan Keputusan
Permukaan dalam ruang ciri yang memisahkan kelas yang diramalkan oleh pengelas.
Set data
Koleksi contoh berstruktur atau tidak berstruktur yang digunakan untuk latihan, pengesahan atau ujian.
Set Pengesahan
Set data yang digunakan semasa pembangunan untuk menala model dan mengelakkan pemasangan berlebihan.
Set Penilaian
Set data yang disimpan digunakan untuk mengukur kualiti model selepas latihan.
Sistem Autonomi
Sistem yang boleh membuat keputusan dan bertindak dengan kawalan manusia yang terhad atau tiada langsung dalam masa nyata.
Sistem Pengesyoran
Saluran paip model yang meramalkan keutamaan pengguna untuk kedudukan kandungan atau produk.
Suhu
Tetapan pensampelan mengawal rawak dalam output yang dihasilkan.
Suntikan Pantas
Corak serangan yang mana arahan berniat jahat dimasukkan ke dalam input model atau kandungan yang diambil semula.
T8 syarat
Tadbir Urus AI
Dasar, piawaian dan mekanisme pengawasan yang membimbing cara AI dibangunkan dan digunakan dalam masyarakat.
Templat Gesaan
Corak gesaan yang boleh digunakan semula dengan pembolehubah, peraturan pemformatan dan arahan khusus tugas.
Terlalu pasang
Apabila model menghafal data latihan dan berprestasi buruk pada input yang tidak kelihatan.
Tetingkap Konteks
Jumlah maksimum token input model bahasa boleh diproses sekaligus.
Titik Akhir Inferens
Antara muka API yang digunakan yang menerima permintaan model dan mengembalikan ramalan dalam pengeluaran.
Token
Sepotong teks yang diproses oleh model bahasa, seperti sekeping perkataan atau simbol.
Tokenisasi
Proses pembahagian teks kepada token untuk input model.
Transformer
Seni bina saraf yang menggunakan perhatian kepada perhubungan model merentas jujukan secara selari.
U1 term
Undang-undang Skala
Hubungan empirikal yang menunjukkan cara prestasi bertambah baik dengan saiz model, data atau pengiraan.
X1 term
XAI (AI Boleh Diterangkan)
Teknik dan amalan untuk membuat ramalan AI lebih telus dan mudah difahami.