Adhabu ya Kurudia
Mpangilio wa kusimbua ambao unapunguza uwezekano wa ishara ambazo mtindo tayari umetoa ili kupunguza vitanzi.
Fungua Encyclopedia
Kamusi yaAI
Istilahi muhimu za kiufundi zimefafanuliwa katika kiwango cha juu cha uwazi. Imeundwa kwa ajili ya watafiti, wanafunzi, na elimu inayozingatia binadamu.
213mashartiA–ZTafuta + kichujio cha alfabeti100%Ufafanuzi wa lugha rahisi
A12 masharti
Adhabu ya Mara kwa mara
Mpangilio wa usimbaji unaopunguza uwezekano wa tokeni sawia na mara ambazo zimeonekana kufikia sasa.
Adhabu ya Uwepo
Mpangilio wa kusimbua ambao unapunguza uwezekano wa ishara ambazo zimeonekana kabisa, kuhimiza mada mpya.
AGI (Akili Bandia Bandia)
Mfumo dhahania wa AI ambao unaweza kufanya kazi nyingi za kiakili katika kiwango cha mwanadamu katika vikoa vingi.
Agizo la Mfumo
Maagizo ya kipaumbele cha juu ambayo huweka tabia, sera, na mtindo wa majibu kwa mfano.
AI ya uzalishaji
Mifumo ya AI ambayo hutoa maudhui mapya kama vile maandishi, picha, sauti, video, au msimbo.
Akili Bandia (AI)
Sehemu pana ya mifumo ya ujenzi ambayo hufanya kazi zinazohitaji utambuzi wa muundo, hoja, lugha au kufanya maamuzi.
Alama ya maji
Kupachika mawimbi inayoweza kutambulika katika maandishi au midia inayozalishwa na AI ili iweze kutambuliwa baadaye kuwa imetolewa na mashine.
Algorithm
Seti maalum ya sheria au hatua ambazo kompyuta hufuata ili kutatua tatizo au kukamilisha kazi.
AliBi
Mbinu ya upendeleo ambayo huadhibu alama za umakini kulingana na umbali wa tokeni, kusaidia miundo kuzidisha miktadha mirefu.
ANN (Jirani wa Karibu wa Karibu)
Algorithms ambayo hupata vekta karibu na hoja bila ulinganisho kamili, biashara ya usahihi kwa kasi.
API (Kiolesura cha Kuandaa Programu)
Njia iliyoundwa kwa mfumo mmoja wa programu kutuma maombi na kupokea majibu kutoka kwa mfumo mwingine.
B5 masharti
Baada ya mafunzo
Hatua za mafunzo hutekelezwa baada ya kufanya mazoezi ya awali, kama vile kupanga maagizo, uboreshaji wa mapendeleo na urekebishaji wa usalama.
Benchmark
Jaribio sanifu au seti ya data inayotumika kupima na kulinganisha utendakazi wa muundo.
Binadamu-katika-Kitanzi
Mtiririko wa kazi ambapo wanadamu hukagua, kuongoza, au kubatilisha matokeo ya AI.
Bomba
Mtiririko wa kazi ulioagizwa wa usindikaji wa awali, hatua za mfano, na hatua za uchakataji.
BPE (Usimbaji Jozi wa Byte)
Kanuni ya tokeni ya neno ndogo ambayo inaunganisha jozi za herufi zinazopatikana mara nyingi zaidi kuwa tokeni zinazoweza kutumika tena.
C2 masharti
CLIP
Usanifu wa miundo mingi ambayo hujifunza uwakilishi wa pamoja kati ya maandishi na picha.
Convolutional Neural Network (CNN)
Usanifu wa neva ulioboreshwa kwa ajili ya kuchakata data inayofanana na gridi kama vile picha.
D6 masharti
Data Drift
Mabadiliko katika data ya ulimwengu halisi baada ya muda ambayo yanaweza kuharibu utendakazi wa muundo.
Data Kubwa
Seti za data kubwa sana na changamano zinazohitaji uhifadhi na uchakataji wa hali ya juu.
Data Synthetic
Data iliyozalishwa kwa njia ghushi inayotumika kuongeza, kuiga au kulinda data nyeti ya mafunzo.
Dirisha la Muktadha
Kiwango cha juu cha tokeni za ingizo ambazo muundo wa lugha unaweza kuchakata mara moja.
DPO (Uboreshaji wa Upendeleo wa Moja kwa Moja)
Mbinu ya mafunzo ambayo hurekebisha muundo wa moja kwa moja kwenye jozi za mapendeleo bila kuhitaji muundo tofauti wa zawadi.
Duka la Kipengele
Mfumo unaodhibitiwa wa kuhifadhi na kuhudumia vipengele vya ML vilivyothibitishwa mara kwa mara kwa mafunzo na makisio.
E1 masharti
Eval Harness
Mfumo wa tathmini unaoweza kurudiwa ambao unaendesha vidokezo, seti za data na mantiki ya kupata alama katika matoleo yote ya miundo.
F1 masharti
Faragha ya Tofauti
Mbinu ya faragha ambayo huongeza kelele za takwimu ili rekodi za kibinafsi zisiweze kuaminika kutoka kwa matokeo.
G4 masharti
GAN (Generative Adversarial Network)
Mipangilio ya uzalishaji ambapo jenereta na kibaguzi hufundishana.
Gradient
Vekta inayoonyesha ni kiasi gani kila kigezo kinapaswa kubadilika ili kupunguza hasara.
Grafu ya Maarifa
Muundo wa grafu wa huluki na uhusiano unaotumika kwa hoja au kurejesha.
GSM8K
Kigezo cha matatizo ya neno la hesabu la shule ya sekondari kinachotumiwa kutathmini hoja za hatua kwa hatua katika miundo ya lugha.
H9 masharti
Halijoto
Mpangilio wa sampuli unaodhibiti unasihi katika matokeo yanayozalishwa.
Haraka
Maagizo ya ingizo na muktadha uliotolewa kwa modeli ya uzalishaji.
Hasara ya Mafunzo
Thamani ya hitilafu ya muundo iliyokokotwa wakati wa mafunzo na kuboreshwa kwenda chini baada ya muda.
Hasara ya Msalaba wa Entropy
Kazi ya lengo la kawaida inayotumika kufunza miundo ya uainishaji kwa kuadhibu uwezekano usio sahihi.
Hifadhidata ya Vector
Hifadhidata iliyoboreshwa kwa ajili ya kuhifadhi na kuhoji vekta za upachikaji za hali ya juu.
Hitimisho
Awamu ya wakati wa utekelezaji ambapo muundo uliofunzwa hutoa ubashiri au matokeo.
HNSW
Muundo wa faharasa wa msingi wa grafu kwa utafutaji wa karibu wa karibu wa makadirio ya haraka juu ya vekta zenye mwelekeo wa juu.
HumanEval
Kigezo cha matatizo ya programu ya Python kinachotumika kupima usahihi wa uundaji wa msimbo kupitia majaribio ya kitengo.
Hyperparameta
Thamani ya usanidi iliyowekwa kabla ya mafunzo, kama vile kiwango cha kujifunza, ukubwa wa kundi, au kina.
I1 masharti
Ishara
Sehemu ya maandishi yaliyochakatwa na miundo ya lugha, kama vile kipande cha neno au ishara.
J1 masharti
Jailbreak
Mbinu ya haraka inayokusudiwa kukwepa vikwazo vya usalama vya mtindo.
K45 masharti
Kadi ya Mfano
Hati zinazoelezea matumizi, vipimo, vikwazo na hatari zinazolengwa na muundo.
Kamba (Upachikaji wa Mzunguko wa Nafasi)
Mbinu ya usimbaji ambayo huzungusha hoja na vekta muhimu ili kusimba nafasi za tokeni zinazohusiana.
Kashe ya KV
Vidhibiti vya ufunguo na thamani vilivyohifadhiwa kutoka kwa tokeni za awali ambazo huruhusu transfoma kutoa tokeni mpya bila kurudisha umakini wa zamani.
Kazi ya Kupoteza
Lengo la hisabati ambalo hukadiria makosa ya utabiri wakati wa mafunzo.
Kesi ya Usalama
Hoja iliyoundwa, inayoungwa mkono na ushahidi, kwamba mfumo wa AI ni salama kwa muktadha uliobainishwa wa matumizi.
Kiainishi
Muundo iliyoundwa mahsusi kwa kazi za uainishaji.
Kibadilishaji
Usanifu wa neva ambao hutumia umakini kwa uhusiano wa kielelezo katika mfuatano.
Kichanganuzi cha Pato
Mantiki ambayo huidhinisha na kubadilisha pato la modeli kuwa miundo iliyochapwa kwa nguvu, inayoweza kutumika kwa mashine.
Kichujio cha Usalama
Safu ya udhibiti ambayo inazuia au kuandika upya viigizo au matokeo ya miundo isiyo salama.
Kigezo
Uzito uliojifunza ndani ya mfano unaoathiri matokeo yake.
Kikatiba AI
Mbinu ya mafunzo na uundaji tabia ambapo matokeo ya kielelezo yanaongozwa na seti isiyobadilika ya kanuni zilizoandikwa.
Kiolezo cha haraka
Mchoro wa kidokezo unaoweza kutumika tena na vigeu, sheria za uumbizaji, na maagizo mahususi ya kazi.
Kipengele
Tofauti ya ingizo inayotumiwa na modeli kufanya ubashiri.
Kisimbaji
Kipengele cha muundo kinachobadilisha ingizo kuwa uwakilishi fiche.
Kisimbaji cha Mtambuka
Muundo unaoweka alama kwenye hoja na kuandika pamoja katika pasi moja kwa hukumu za umuhimu wa juu.
Kisimbaji-mbili
Muundo ambao husimba hoja na hati katika vekta tofauti ili ziweze kulinganishwa haraka kwa kiwango.
Kitanzi cha Ajenti
Mzunguko unaorudiwa ambapo wakala wa AI hutazama, kupanga, kutenda na kuakisi hadi ikamilishe lengo au kugonga hali ya kusimama.
Kiwango cha Kujifunza
Hyperparameta ya mafunzo inayodhibiti ni kiasi gani cha vigezo hubadilisha kila hatua ya sasisho.
Kiwango cha Tahadhari
Kanuni ya umakinifu iliyoboreshwa ambayo hupunguza utumiaji wa kumbukumbu na kuharakisha mafunzo na uelekezaji wa transfoma.
Kodi ya Mipangilio
Gharama ya ziada kwa wakati, kukokotoa, au kasi ya bidhaa inayohitajika ili kufanya mifumo kuwa salama na inayoweza kudhibitiwa zaidi.
Kokota
Rasilimali za usindikaji zinazohitajika ili kutoa mafunzo na kuendesha miundo, mara nyingi hupimwa kwa FLOPS au saa za GPU.
Kokotoo la Muda wa Maoni
Kiasi cha nishati ya usindikaji inayotumiwa wakati wa kutoa kila jibu.
Kokotoo la Muda wa Mtihani
Kokotoo la ziada la uelekezaji linalotumika wakati wa kutoa majibu ili kuboresha ubora au hoja.
Kuchelewa
Muda kati ya kutuma ombi na kupokea matokeo ya modeli.
Kuendelea Kujifunza
Mbinu za mafunzo ambazo huruhusu mwanamitindo kuendelea kujifunza kutoka kwa data mpya bila kusahau maarifa ya awali.
Kuhamisha Mafunzo
Kutumia maarifa uliyojifunza katika kazi moja au kikoa ili kuboresha kazi nyingine.
Kujichezea
Mipangilio ya mafunzo ambapo muundo huboreshwa kwa kutoa data kupitia mwingiliano au mashindano na nakala zake.
Kujifunza Bila Kusimamiwa
Mifumo ya kujifunza kutoka kwa data isiyo na lebo bila matokeo dhahiri lengwa.
Kujifunza kwa Kina
Kikundi kidogo cha kujifunza kwa mashine kinachotumia mitandao ya neural ya safu nyingi kwa uwakilishi wa kujifunza.
Kujifunza kwa Kujisimamia
Kujifunza uwakilishi kutoka kwa data isiyo na lebo kwa kutabiri sehemu zilizofichwa au zilizobadilishwa.
Kujifunza kwa Mashine (ML)
Mbinu zinazoruhusu mifumo kujifunza ruwaza kutoka kwa data na kuboresha kadri muda unavyopita.
Kujifunza kwa Muktadha
Uwezo wa kielelezo kufuata ruwaza kutoka kwa mifano iliyotolewa moja kwa moja kwenye dodoso.
Kujifunza kwa Sifuri
Kutatua kazi bila mifano mahususi ya kazi kwa kutegemea maarifa ya awali ya jumla.
Kukatwa kwa Maarifa
Hatua ya hivi punde ilionekana katika data ya mafunzo ya modeli.
Kukusanya
Kuchanganya ubashiri kutoka kwa miundo mingi ili kuboresha uimara au usahihi.
Kumbuka
Uwiano wa chanya halisi ambazo modeli inabainisha kwa usahihi.
Kumbukumbu (Kumbukumbu ya Wakala)
Muktadha uliohifadhiwa wakala wa AI hutumia katika hatua au vipindi ili kuboresha mwendelezo.
kunereka
Kufinyiza maarifa kutoka kwa kielelezo kikubwa cha mwalimu hadi kielelezo kidogo cha mwanafunzi.
Kuona ndoto
Wakati muundo unazalisha maelezo fasaha lakini ya uwongo au yasiyotumika.
Kupachika
Kiwakilishi cha vekta nambari ambacho kinanasa maana ya kisemantiki ya maandishi, picha au data nyingine.
Kupogoa
Kuondoa uzito wa kielelezo au nyuroni zisizo muhimu sana ili kupunguza ukubwa na kukokotoa.
Kusawazisha
Kubadilisha maadili kuwa kiwango thabiti ili kuboresha uthabiti wa uboreshaji.
Kushuka kwa Gradient
Njia ya uboreshaji ambayo husasisha vigezo katika mwelekeo ambao hupunguza hitilafu.
Kutosha kupita kiasi
Wakati mwanamitindo anakariri data ya mafunzo na kufanya vibaya kwenye pembejeo zisizoonekana.
Kwenye Kifaa AI
Maoni ya AI yanatekelezwa ndani ya kifaa cha mtumiaji badala ya huduma ya wingu ya mbali.
L3 masharti
Lebo ya Smoothing
Njia ya kuhalalisha ambayo hupunguza lebo ngumu ili kuboresha ujanibishaji.
LLM-kama-Jaji
Kutumia muundo wa lugha kupata alama au kulinganisha matokeo kutoka kwa miundo mingine wakati wa tathmini.
LoRA (Mabadiliko ya Kiwango cha Chini)
Mbinu ya usanifu mzuri wa kigezo ambayo huongeza matrices ya adapta ya kiwango cha chini.
M42 masharti
Maarifa kunereka
Kufundisha muundo mdogo kuiga matokeo ya muundo mkubwa.
Mafunzo Machache
Kujifunza au kurekebisha tabia kutoka kwa idadi ndogo tu ya mifano.
Mafunzo ya awali
Mafunzo ya awali ya modeli ya kiwango kikubwa juu ya data pana kabla ya kukabiliana na mkondo wa chini.
Mafunzo ya kati
Awamu ya kati ya mafunzo kati ya mafunzo ya awali na baada ya mafunzo, mara nyingi hutumiwa kwa uwezo au marekebisho ya kikoa.
Mafunzo ya Kuimarisha
Mazoezi kwa kutumia ishara za zawadi ambapo wakala hujifunza vitendo vinavyoongeza faida ya muda mrefu.
Mafunzo ya Kuimarisha kutoka kwa Maoni ya Binadamu (RLHF)
Mbinu ya mafunzo inayotumia mawimbi ya mapendeleo ya binadamu kuunda tabia ya kielelezo.
Mafunzo Yanayosimamiwa
Kufunza muundo ulio na mifano iliyo na lebo inayoweka ramani kwa matokeo yanayojulikana.
Malipo Kulingana na Matumizi
Bei ambapo gharama huongezeka kwa simu za API, tokeni, muda wa makisio, au kompyuta inayotumika.
Manukuu
Marejeleo ya vifungu vya chanzo au hati zilizojumuishwa katika jibu la modeli ili kuunga mkono madai yake.
Maono ya Kompyuta
Tawi la AI ambalo hutoa maana kutoka kwa picha na video.
Matumizi ya Zana
Uwezo wa modeli wa kuita zana za nje kama vile utafutaji, vikokotoo au API.
Mchanganyiko wa Wataalamu (MoE)
Usanifu ulio na mitandao midogo maalum ambapo wataalam waliochaguliwa pekee huendesha kila ingizo.
MCP (Itifaki ya Muktadha wa Mfano)
Itifaki iliyo wazi inayoruhusu programu za AI kuunganishwa kwa zana za nje, vyanzo vya data na watoa huduma za muktadha kwa njia ya kawaida.
Mfano wa Chanzo Huria
Muundo uliotolewa na uzani wa umma au msimbo wa kukaguliwa, kurekebishwa na kutumiwa tena.
Mfano wa Distilled
Muundo mdogo uliofunzwa kuiga tabia ya modeli kubwa huku ukitumia compute kidogo katika makisio.
Mfano wa Drift
Udhaifu wa utendakazi kadri muda unavyopita hali halisi ya ulimwengu inatofautiana na dhana za mafunzo.
Mfano wa Kueneza
Usanifu mzalishaji ambao hujifunza kubadilisha kelele ili kuunganisha picha, sauti au maudhui mengine.
Mfano wa Msingi
Muundo rahisi wa marejeleo unaotumika kulinganisha kama mbinu changamano zaidi huboresha matokeo.
Mfano wa Msingi
Mfano mkubwa uliofunzwa awali ambao unaweza kubadilishwa kwa kazi nyingi za chini.
Mfano wa Multimodal
Muundo ambao unaweza kuchakata au kutoa aina nyingi za data kama vile maandishi, picha na sauti.
Mfano wa Sanduku Nyeusi
Mfano ambaye mawazo yake ya ndani ni magumu kufasiriwa moja kwa moja na wanadamu.
Mfano wa Sparse
Muundo ambapo vigezo vingi ni sifuri au havitumiki ili kupunguza ukokotoaji.
Mfano wa Tuzo
Muundo unaopata matokeo kulingana na mawimbi ya mapendeleo, ambayo hutumiwa mara nyingi katika mabomba ya RLHF.
Mfano wa Upendeleo wa Kibinadamu
Muundo uliofunzwa katika viwango vya binadamu ili kutabiri ni majibu gani ambayo watumiaji wanaweza kupendelea.
Mfumo wa Kujitegemea
Mfumo unaoweza kufanya maamuzi na kutenda kwa ukomo au bila udhibiti wa moja kwa moja wa binadamu katika muda halisi.
Mfumo wa Mapendekezo
Muundo wa bomba unaotabiri mapendeleo ya mtumiaji kwa kiwango cha maudhui au bidhaa.
Mlolongo-wa-Mawazo
Mtindo wa hoja ambapo mtindo wa AI hutenganisha tatizo katika hatua za kati.
MMLU
Vielelezo vya kupima lugha katika masomo 57 ya kitaaluma na kitaaluma kwa kutumia maswali ya chaguo nyingi.
Mpaka wa Uamuzi
Sehemu katika nafasi ya kipengele ambayo hutenganisha madarasa yaliyotabiriwa na kiainishaji.
Mpangaji upya
Muundo unaopanga upya seti ya awali ya matokeo yaliyorejeshwa ili kuweka vipengee muhimu zaidi juu.
Mpangilio wa AI
Kazi ya kufanya mifumo ya AI itende kazi kulingana na nia ya binadamu, maadili, na vikwazo vya usalama.
Msingi wa Maarifa
Mkusanyiko ulioratibiwa wa hati au rekodi zinazotumika kurejesha, usaidizi wa otomatiki au majibu ya msingi.
Mtandao wa Neural
Muundo wa kukokotoa wa tabaka uliochochewa na niuroni za kibaolojia na sinepsi.
Mti wa Mawazo
Mbinu ya hoja ambapo mtindo huchunguza njia nyingi za utatuzi wa matawi na kuchagua zile zinazoahidi zaidi.
Mti wa Uamuzi
Muundo ambao hufanya utabiri kupitia mlolongo wa mgawanyiko wa kipengele cha if-basi.
Mtiririko wa kazi wa mawakala
Mchakato wa hatua nyingi ambapo mfumo wa AI hupanga, kutekeleza, kuangalia matokeo, na kurudia lengo.
Muda wa Kujiamini
Masafa ya takwimu ambayo huenda yakawa na thamani halisi ya kipimo cha muundo uliopimwa.
Muundo wa Kupachika
Muundo maalum wa kubadilisha data kuwa vekta zinazotumika kwa utafutaji wa kimaana, kuunganisha na kurejesha.
Muundo wa Lugha Kubwa (LLM)
Muundo wa lugha uliofunzwa kwenye shirika kubwa la maandishi ili kuunda na kuchanganua maandishi.
Muundo wa Lugha Ndogo (SLM)
Muundo wa lugha sanifu ulioboreshwa kwa muda wa chini wa kusubiri, gharama, au matumizi ya kifaa.
Muundo wa Lugha-Maono (VLM)
Muundo wa aina nyingi ambao huchakata kwa pamoja maelezo ya kuona na maandishi.
Mwisho wa Maoni
Kiolesura cha API kilichotumiwa ambacho hupokea maombi ya muundo na kurudisha utabiri katika uzalishaji.
N1 masharti
Nafasi Iliyofichika
Nafasi ya uwakilishi iliyobanwa ambapo dhana zinazofanana zimewekwa karibu kila moja kama vekta.
O1 masharti
OCR (Utambuaji wa Tabia za Macho)
Teknolojia inayobadilisha maandishi katika picha au kuchanganua hadi maandishi yanayosomeka na mashine.
P4 masharti
Pass@k
Kipimo cha tathmini ya msimbo kinachopima uwezekano kwamba angalau sampuli moja kati ya k iliyozalishwa itafaulu majaribio.
Pato Lililopangwa
Toleo la muundo linalobanwa kwa taratibu maalum kama vile JSON, hoja za zana, au sehemu zilizochapwa.
Perplexity
Kipimo cha muundo wa lugha kinachopima jinsi kielelezo kinavyoshangazwa na tokeni za kweli zinazofuata.
Prompt Engineering
Vidokezo vya kubuni ili kuboresha ubora wa pato, kutegemewa na udhibiti.
Q3 masharti
QLoRA
Mbinu ya kurekebisha vizuri ambayo inachanganya ujanibishaji wa uzani wa biti 4 na adapta za LoRA ili kupunguza mahitaji ya kumbukumbu.
Quantization
Kubadilisha uzani wa modeli kuwa fomati za usahihi wa chini kama vile 8-bit au 4-bit.
Quantization ya Mfano
Kupunguza usahihi wa nambari za uzani wa mfano ili kupunguza kumbukumbu na gharama ya uelekezaji.
R3 masharti
RAG (Kizazi Kilichoongezwa cha Urejeshaji)
Njia ambayo hurejesha maarifa ya nje na kuyalisha katika kizazi kwa wakati wa makisio.
RAG-Fusion
Mbinu ya kurejesha ambayo hutoa anuwai nyingi za hoja, hupata matokeo kwa kila moja, na kuchanganya viwango.
React
Mchoro wa kidokezo unaohusisha hatua za hoja na vitendo vya kutumia zana ili kutatua kazi kwa uhakika zaidi.
S9 masharti
Sampuli ya Juu-p (Nucleus).
Mkakati wa kusimbua ambao ni sampuli kutoka kwa seti ndogo kabisa ya tokeni ambayo uwezekano wake ni uk.
Sampuli za Juu-k
Mbinu ya kusimbua ambayo ni sampuli tu kutoka kwa tokeni zinazowezekana zaidi zinazofuata.
SentensiPiece
Kiashiria cha kutojua lugha ambacho hujifunza vizio vya neno ndogo moja kwa moja kutoka kwa maandishi ghafi bila kugawanyika mapema kwenye nafasi nyeupe.
Seti ya data
Mkusanyiko wa mifano iliyoundwa au isiyo na muundo inayotumika kwa mafunzo, uthibitishaji au majaribio.
Seti ya Tathmini
Seti ya data iliyosimamishwa inayotumika kupima ubora wa kielelezo baada ya mafunzo.
Seti ya Uthibitishaji
Seti ya data inayotumika wakati wa uundaji kurekebisha miundo na kuzuia kutosheleza kupita kiasi.
Sheria ya AI
Mfumo wa udhibiti wa hatari wa Umoja wa Ulaya kwa mifumo na watoa huduma wa AI.
Sheria ya Upanuzi
Uhusiano wa kisayansi unaoonyesha jinsi utendakazi unavyoboreka kwa kutumia saizi ya mfano, data au kokotoo.
Sindano ya Haraka
Mchoro wa kushambulia ambapo maagizo hasidi yanawekwa kwenye ingizo la modeli au maudhui yaliyorejeshwa.
T3 masharti
Tahadhari Mechanism
Kipengee cha kielelezo ambacho huangazia kwa ubadilikaji sehemu husika za ingizo wakati wa kutoa pato.
Tahadhari ya Dirisha la Kuteleza
Mchoro wa umakini ambapo kila tokeni huhudumia dirisha la ukubwa usiobadilika la tokeni zilizo karibu ili kupunguza hesabu.
Timu Nyekundu
Kujaribu mfumo wa AI kwa kutumia vidokezo vya adui ili kufichua kushindwa na hatari.
U54 masharti
Uainishaji
Jukumu ambalo kielelezo hukabidhi ingizo kwa aina moja au zaidi zilizobainishwa awali.
Uainishaji wa Nia
Kutabiri madhumuni ya mtumiaji kutoka kwa hoja ya maandishi ili kuelekeza kwa usahihi.
Uboreshaji wa data
Mbinu zinazounda mifano ya mafunzo iliyorekebishwa ili kuboresha ujanibishaji wa kielelezo.
Uchambuzi wa hisia
Kazi ya NLP inayoainisha toni ya kihisia au maoni katika maandishi.
Uchimbaji wa kipengele
Kubadilisha data mbichi kuwa vipengee vya taarifa ambavyo muundo unaweza kutumia.
Uenezaji wa nyuma
Kanuni ya msingi ya mafunzo ambayo husasisha uzani wa modeli kwa kueneza makosa ya utabiri nyuma kupitia mtandao.
Ufafanuzi
Lebo au metadata zilizoongezwa na binadamu zinazotumika kufunza au kutathmini miundo ya mashine ya kujifunza.
Ufafanuzi
Kiwango ambacho tabia ya mwanamitindo inaweza kufasiriwa na kufafanuliwa kwa wanadamu.
Ufafanuzi wa Sababu
Mbinu za kukadiria uhusiano wa sababu-na-athari badala ya uunganisho rahisi.
Ufanisi wa Takwimu
Asili iliyorekodiwa, umiliki na historia ya seti ya data au vizalia vya programu vya muundo.
Uhandisi wa Kipengele
Kubuni au kubadilisha vigeu vya pembejeo ili kufanya kujifunza kuwa rahisi na ufanisi zaidi.
Uhifadhi wa Data Sifuri
Sera ambapo malipo ya ombi/majibu hayahifadhiwi baada ya kuchakatwa zaidi ya madirisha ya uendeshaji ya muda mfupi.
Uimara
Uwezo wa modeli wa kudumisha utendakazi chini ya kelele, zamu, au ingizo za wapinzani.
Ujumla
Jinsi muundo unavyofanya kazi vizuri kwenye data mpya, isiyoonekana nje ya seti ya mafunzo.
Ukoo wa Data
Rekodi ya wapi data ilitoka, jinsi ilibadilishwa, na mahali inapotumiwa.
Ukweli
Kwa usahihi kiasi gani madai ya mwanamitindo yanalingana na taarifa zinazoweza kuthibitishwa za ulimwengu halisi.
Ukweli wa Msingi
Lebo za marejeleo zinazoaminika zinazotumika kufunza au kutathmini matokeo ya miundo.
Umakini wa Vichwa vingi
Utaratibu wa kibadilishaji umeme unaoendesha shughuli kadhaa za umakini sambamba ili kunasa aina tofauti za mahusiano.
Uongo Chanya
Utabiri usio sahihi ambapo mtindo huripoti kimakosa kesi hasi kuwa chanya.
Uongo hasi
Utabiri usio sahihi ambapo mtindo hukosa kesi chanya ya kweli.
Upachikaji wa Neno
Uwakilishi mnene wa vekta ya maneno yanayonasa uhusiano wa kisemantiki.
Upendeleo
Mchoro thabiti wa makosa au ukosefu wa haki katika data au tabia ya mfano.
Upendeleo wa Algorithmic
Ukosefu wa haki wa kimfumo katika matokeo ya modeli unaosababishwa na data potofu, mawazo, au chaguzi za uundaji.
Upigaji simu wa kazi
Kielelezo cha uwezo wa kutengeneza simu zilizopangwa ambazo huanzisha zana za nje au API.
Urejeshaji
Kupata hati au rekodi zinazofaa kutoka kwa chanzo cha maarifa kwa swali.
Urejeshaji wa Hati ya Mzazi
Mchoro wa kurejesha ambao hutafuta vipande vidogo lakini hurejesha hati zao kubwa za wazazi kwa muktadha bora zaidi.
Urejeshaji wa Maswali mengi
Mbinu ya kurejesha ambayo huandika upya hoja ya mtumiaji katika vibadala kadhaa ili kuboresha kumbukumbu.
Urekebishaji
Jinsi alama za kujiamini za mfano zinalingana na uwezekano halisi wa usahihi.
Urekebishaji Mzuri
Kuendelea na mafunzo juu ya data mahususi ya kikoa ili kurekebisha muundo uliofunzwa mapema kwa kazi mahususi.
Urekebishaji Uzuri wa Kigezo (PEFT)
Njia za kurekebisha mifano kwa kufunza sehemu ndogo ya vigezo vilivyoongezwa.
Urekebishaji wa Kikoa
Mbinu zinazohamisha kielelezo kilichofunzwa katika kikoa kimoja ili kufanya vyema katika kikoa kingine.
Urekebishaji wa Maelekezo
Kurekebisha muundo kwenye jozi za majibu-maelekezo ili kuboresha ufuatiliaji wa kazi.
Urekebishaji wa uaminifu
Kulinganisha imani ya mtumiaji katika matokeo ya AI na utegemezi halisi wa mfumo katika kila kazi.
Usahihi
Uwiano wa chanya zilizotabiriwa ambazo kwa kweli ni sahihi.
Usahihi wa Urejeshaji
Uwiano wa vipengee vilivyorejeshwa ambavyo vinafaa kwa swali la mtumiaji.
Usajili wa Mfano
Katalogi kuu ya matoleo, kuidhinisha na kufuatilia miundo katika mazingira.
Usalama wa AI
Sehemu inayolenga kupunguza tabia mbaya, kushindwa na hatari za matumizi mabaya katika mifumo ya AI.
Usambazaji wa Kivuli
Kuendesha muundo sambamba na trafiki ya uzalishaji bila kuathiri maamuzi yanayowahusu watumiaji.
Usimamizi dhaifu
Kwa kutumia lebo zenye kelele, za kiheuristic, au sehemu ili kutoa mafunzo kwa miundo wakati lebo safi ni chache.
Usimbaji wa Nafasi
Taarifa imeongezwa kwenye upachikaji wa tokeni ili vibadilishaji transfoma viweze kutofautisha mpangilio wa mfuatano.
Usimbuaji Uliolindwa
Mkakati wa uzalishaji unaoweka tokeni za utoaji kwa miundo halali au chaguo zinazotii sera.
Usimbuaji wa Kubahatisha
Mbinu ya kuongeza kasi ya makisio ambapo muundo wa rasimu ndogo unapendekeza tokeni ambazo muundo mkubwa zaidi huthibitisha kwa sambamba.
Usindikaji wa Lugha Asilia (NLP)
Tawi la AI lililenga kuelewa na kuzalisha lugha ya binadamu.
Utafutaji wa Boriti
Algorithm ya kusimbua ambayo huweka safu za juu za wagombeaji katika kila hatua ili kupata matokeo ya uwezekano wa juu.
Utafutaji wa Mseto
Mbinu ya kurejesha ambayo inachanganya utafutaji wa neno muhimu (lexical) na utafutaji wa vekta (semantic) wa kukumbuka bora na usahihi.
Utafutaji wa Semantiki
Tafuta unaolingana na maana badala ya mwingiliano halisi wa nenomsingi, mara nyingi kwa kutumia upachikaji.
Utambuzi wa Huluki Ulioitwa (NER)
Jukumu la NLP linalotambua huluki kama vile watu, mahali, tarehe au mashirika.
Utawala wa AI
Sera, viwango, na taratibu za uangalizi zinazoongoza jinsi AI inavyotengenezwa na kutumika katika jamii.
Utulivu
Kiwango ambacho majibu ya AI yanaungwa mkono na data ya chanzo au ushahidi uliopatikana.
Uvujaji wa Benchmark
Wakati mifano ya majaribio ya ulinganifu au vibadala vya karibu vinapatikana katika data ya mafunzo, huongeza utendaji ulioripotiwa.
Uwazi wa Algorithmic
Jinsi mantiki ya mfumo wa AI, vyanzo vya data na mapungufu yanavyoandikwa na kueleweka.
Uwekaji alama
Mchakato wa kugawanya maandishi katika ishara kwa uingizaji wa mfano.
Uwekaji Data
Mchakato wa kukabidhi lebo au matokeo lengwa kwa data ghafi kwa mafunzo yanayosimamiwa.
Uzito
Thamani ya nambari iliyojifunza ambayo huweka ishara zinazopita kwenye mtandao wa neva.
W2 masharti
Wakala wa AI
Mfumo wa programu ambao unaweza kuona, kufikiria, na kuchukua hatua ili kufikia lengo, mara nyingi kwa kutumia zana na kumbukumbu.
Walinzi
Sheria, hundi na vidhibiti ambavyo vinapunguza tabia ya mfano isiyo salama au isiyotakikana.
X1 masharti
XAI (AI Inayoelezeka)
Mbinu na mazoea ya kufanya utabiri wa AI kuwa wazi zaidi na kueleweka.