AGI (Akili Bandia)
Mfumo dhahania wa AI ambao unaweza kufanya kazi nyingi za kiakili katika kiwango cha mwanadamu katika vikoa vingi.
Istilahi muhimu za kiufundi zimefafanuliwa katika kiwango cha juu cha uwazi. Imeundwa kwa ajili ya watafiti, wanafunzi, na elimu inayozingatia binadamu.
Inaonyesha 213 masharti yanayolingana.
Mfumo dhahania wa AI ambao unaweza kufanya kazi nyingi za kiakili katika kiwango cha mwanadamu katika vikoa vingi.
Mfumo wa programu ambao unaweza kuona, kufikiria, na kuchukua hatua ili kufikia lengo, mara nyingi kwa kutumia zana na kumbukumbu.
Kazi ya kufanya mifumo ya AI itende kazi kulingana na nia ya binadamu, maadili, na vikwazo vya usalama.
Sera, viwango, na taratibu za uangalizi zinazoongoza jinsi AI inavyotengenezwa na kutumika katika jamii.
Sehemu inayolenga kupunguza tabia mbaya, kushindwa na hatari za matumizi mabaya katika mifumo ya AI.
Seti maalum ya sheria au hatua ambazo kompyuta hufuata ili kutatua tatizo au kukamilisha kazi.
Ukosefu wa haki wa kimfumo katika matokeo ya modeli unaosababishwa na data potofu, mawazo, au chaguzi za uundaji.
Jinsi mantiki ya mfumo wa AI, vyanzo vya data na mapungufu yanavyoandikwa na kueleweka.
Lebo au metadata zilizoongezwa na binadamu zinazotumika kufunza au kutathmini miundo ya mashine ya kujifunza.
Njia iliyoundwa kwa mfumo mmoja wa programu kutuma maombi na kupokea majibu kutoka kwa mfumo mwingine.
Sehemu pana ya mifumo ya ujenzi ambayo hufanya kazi zinazohitaji utambuzi wa muundo, hoja, lugha au kufanya maamuzi.
Kipengee cha kielelezo ambacho huangazia kwa ubadilikaji sehemu husika za ingizo wakati wa kutoa pato.
Mfumo unaoweza kufanya maamuzi na kutenda kwa ukomo au bila udhibiti wa moja kwa moja wa binadamu katika muda halisi.
Kanuni ya msingi ya mafunzo ambayo husasisha uzani wa modeli kwa kueneza makosa ya utabiri nyuma kupitia mtandao.
Muundo rahisi wa marejeleo unaotumika kulinganisha kama mbinu changamano zaidi huboresha matokeo.
Jaribio sanifu au seti ya data inayotumika kupima na kulinganisha utendakazi wa muundo.
Mchoro thabiti wa makosa au ukosefu wa haki katika data au tabia ya mfano.
Seti za data kubwa sana na changamano zinazohitaji uhifadhi na uchakataji wa hali ya juu.
Mfano ambaye mawazo yake ya ndani ni magumu kufasiriwa moja kwa moja na wanadamu.
Jinsi alama za kujiamini za mfano zinalingana na uwezekano halisi wa usahihi.
Mtindo wa hoja ambapo mtindo wa AI hutenganisha tatizo katika hatua za kati.
Jukumu ambalo kielelezo hukabidhi ingizo kwa aina moja au zaidi zilizobainishwa awali.
Muundo iliyoundwa mahsusi kwa kazi za uainishaji.
Usanifu wa miundo mingi ambayo hujifunza uwakilishi wa pamoja kati ya maandishi na picha.
Rasilimali za usindikaji zinazohitajika ili kutoa mafunzo na kuendesha miundo, mara nyingi hupimwa kwa FLOPS au saa za GPU.
Tawi la AI ambalo hutoa maana kutoka kwa picha na video.
Kiwango cha juu cha tokeni za ingizo ambazo muundo wa lugha unaweza kuchakata mara moja.
Mbinu za mafunzo ambazo huruhusu mwanamitindo kuendelea kujifunza kutoka kwa data mpya bila kusahau maarifa ya awali.
Usanifu wa neva ulioboreshwa kwa ajili ya kuchakata data inayofanana na gridi kama vile picha.
Kazi ya lengo la kawaida inayotumika kufunza miundo ya uainishaji kwa kuadhibu uwezekano usio sahihi.
Mbinu zinazounda mifano ya mafunzo iliyorekebishwa ili kuboresha ujanibishaji wa kielelezo.
Mabadiliko katika data ya ulimwengu halisi baada ya muda ambayo yanaweza kuharibu utendakazi wa muundo.
Mchakato wa kukabidhi lebo au matokeo lengwa kwa data ghafi kwa mafunzo yanayosimamiwa.
Mkusanyiko wa mifano iliyoundwa au isiyo na muundo inayotumika kwa mafunzo, uthibitishaji au majaribio.
Sehemu katika nafasi ya kipengele ambayo hutenganisha madarasa yaliyotabiriwa na kiainishaji.
Muundo ambao hufanya utabiri kupitia mlolongo wa mgawanyiko wa kipengele cha if-basi.
Kikundi kidogo cha kujifunza kwa mashine kinachotumia mitandao ya neural ya safu nyingi kwa uwakilishi wa kujifunza.
Usanifu mzalishaji ambao hujifunza kubadilisha kelele ili kuunganisha picha, sauti au maudhui mengine.
Kufinyiza maarifa kutoka kwa kielelezo kikubwa cha mwalimu hadi kielelezo kidogo cha mwanafunzi.
Mbinu zinazohamisha kielelezo kilichofunzwa katika kikoa kimoja ili kufanya vyema katika kikoa kingine.
Kiwakilishi cha vekta nambari ambacho kinanasa maana ya kisemantiki ya maandishi, picha au data nyingine.
Kipengele cha muundo kinachobadilisha ingizo kuwa uwakilishi fiche.
Kuchanganya ubashiri kutoka kwa miundo mingi ili kuboresha uimara au usahihi.
Seti ya data iliyosimamishwa inayotumika kupima ubora wa kielelezo baada ya mafunzo.
Kiwango ambacho tabia ya mwanamitindo inaweza kufasiriwa na kufafanuliwa kwa wanadamu.
Utabiri usio sahihi ambapo mtindo hukosa kesi chanya ya kweli.
Utabiri usio sahihi ambapo mtindo huripoti kimakosa kesi hasi kuwa chanya.
Tofauti ya ingizo inayotumiwa na modeli kufanya ubashiri.
Kubuni au kubadilisha vigeu vya pembejeo ili kufanya kujifunza kuwa rahisi na ufanisi zaidi.
Kubadilisha data mbichi kuwa vipengee vya taarifa ambavyo muundo unaweza kutumia.
Kujifunza au kurekebisha tabia kutoka kwa idadi ndogo tu ya mifano.
Kuendelea na mafunzo juu ya data mahususi ya kikoa ili kurekebisha muundo uliofunzwa mapema kwa kazi mahususi.
Mfano mkubwa uliofunzwa awali ambao unaweza kubadilishwa kwa kazi nyingi za chini.
Kielelezo cha uwezo wa kutengeneza simu zilizopangwa ambazo huanzisha zana za nje au API.
Mipangilio ya uzalishaji ambapo jenereta na kibaguzi hufundishana.
Jinsi muundo unavyofanya kazi vizuri kwenye data mpya, isiyoonekana nje ya seti ya mafunzo.
Mifumo ya AI ambayo hutoa maudhui mapya kama vile maandishi, picha, sauti, video, au msimbo.
Vekta inayoonyesha ni kiasi gani kila kigezo kinapaswa kubadilika ili kupunguza hasara.
Njia ya uboreshaji ambayo husasisha vigezo katika mwelekeo ambao hupunguza hitilafu.
Lebo za marejeleo zinazoaminika zinazotumika kufunza au kutathmini matokeo ya miundo.
Sheria, hundi na vidhibiti ambavyo vinapunguza tabia ya mfano isiyo salama au isiyotakikana.
Wakati muundo unazalisha maelezo fasaha lakini ya uwongo au yasiyotumika.
Mtiririko wa kazi ambapo wanadamu hukagua, kuongoza, au kubatilisha matokeo ya AI.
Thamani ya usanidi iliyowekwa kabla ya mafunzo, kama vile kiwango cha kujifunza, ukubwa wa kundi, au kina.
Uwezo wa kielelezo kufuata ruwaza kutoka kwa mifano iliyotolewa moja kwa moja kwenye dodoso.
Awamu ya wakati wa utekelezaji ambapo muundo uliofunzwa hutoa ubashiri au matokeo.
Kiasi cha nishati ya usindikaji inayotumiwa wakati wa kutoa kila jibu.
Kurekebisha muundo kwenye jozi za majibu-maelekezo ili kuboresha ufuatiliaji wa kazi.
Kutabiri madhumuni ya mtumiaji kutoka kwa hoja ya maandishi ili kuelekeza kwa usahihi.
Mbinu ya haraka inayokusudiwa kukwepa vikwazo vya usalama vya mtindo.
Hatua ya hivi punde ilionekana katika data ya mafunzo ya modeli.
Kufundisha muundo mdogo kuiga matokeo ya muundo mkubwa.
Muundo wa grafu wa huluki na uhusiano unaotumika kwa hoja au kurejesha.
Njia ya kuhalalisha ambayo hupunguza lebo ngumu ili kuboresha ujanibishaji.
Muda kati ya kutuma ombi na kupokea matokeo ya modeli.
Muundo wa lugha uliofunzwa kwenye shirika kubwa la maandishi ili kuunda na kuchanganua maandishi.
Hyperparameta ya mafunzo inayodhibiti ni kiasi gani cha vigezo hubadilisha kila hatua ya sasisho.
Mbinu ya usanifu mzuri wa kigezo ambayo huongeza matrices ya adapta ya kiwango cha chini.
Lengo la hisabati ambalo hukadiria makosa ya utabiri wakati wa mafunzo.
Mbinu zinazoruhusu mifumo kujifunza ruwaza kutoka kwa data na kuboresha kadri muda unavyopita.
Muktadha uliohifadhiwa wakala wa AI hutumia katika hatua au vipindi ili kuboresha mwendelezo.
Usanifu ulio na mitandao midogo maalum ambapo wataalam waliochaguliwa pekee huendesha kila ingizo.
Hati zinazoelezea matumizi, vipimo, vikwazo na hatari zinazolengwa na muundo.
Udhaifu wa utendakazi kadri muda unavyopita hali halisi ya ulimwengu inatofautiana na dhana za mafunzo.
Kupunguza usahihi wa nambari za uzani wa mfano ili kupunguza kumbukumbu na gharama ya uelekezaji.
Muundo ambao unaweza kuchakata au kutoa aina nyingi za data kama vile maandishi, picha na sauti.
Jukumu la NLP linalotambua huluki kama vile watu, mahali, tarehe au mashirika.
Tawi la AI lililenga kuelewa na kuzalisha lugha ya binadamu.
Muundo wa kukokotoa wa tabaka uliochochewa na niuroni za kibaolojia na sinepsi.
Kubadilisha maadili kuwa kiwango thabiti ili kuboresha uthabiti wa uboreshaji.
Teknolojia inayobadilisha maandishi katika picha au kuchanganua hadi maandishi yanayosomeka na mashine.
Muundo uliotolewa na uzani wa umma au msimbo wa kukaguliwa, kurekebishwa na kutumiwa tena.
Wakati mwanamitindo anakariri data ya mafunzo na kufanya vibaya kwenye pembejeo zisizoonekana.
Uzito uliojifunza ndani ya mfano unaoathiri matokeo yake.
Njia za kurekebisha mifano kwa kufunza sehemu ndogo ya vigezo vilivyoongezwa.
Kipimo cha muundo wa lugha kinachopima jinsi kielelezo kinavyoshangazwa na tokeni za kweli zinazofuata.
Mtiririko wa kazi ulioagizwa wa usindikaji wa awali, hatua za mfano, na hatua za uchakataji.
Uwiano wa chanya zilizotabiriwa ambazo kwa kweli ni sahihi.
Mafunzo ya awali ya modeli ya kiwango kikubwa juu ya data pana kabla ya kukabiliana na mkondo wa chini.
Maagizo ya ingizo na muktadha uliotolewa kwa modeli ya uzalishaji.
Vidokezo vya kubuni ili kuboresha ubora wa pato, kutegemewa na udhibiti.
Mchoro wa kushambulia ambapo maagizo hasidi yanawekwa kwenye ingizo la modeli au maudhui yaliyorejeshwa.
Kuondoa uzito wa kielelezo au nyuroni zisizo muhimu sana ili kupunguza ukubwa na kukokotoa.
Kubadilisha uzani wa modeli kuwa fomati za usahihi wa chini kama vile 8-bit au 4-bit.
Njia ambayo hurejesha maarifa ya nje na kuyalisha katika kizazi kwa wakati wa makisio.
Uwiano wa chanya halisi ambazo modeli inabainisha kwa usahihi.
Muundo wa bomba unaotabiri mapendeleo ya mtumiaji kwa kiwango cha maudhui au bidhaa.
Kujaribu mfumo wa AI kwa kutumia vidokezo vya adui ili kufichua kushindwa na hatari.
Mazoezi kwa kutumia ishara za zawadi ambapo wakala hujifunza vitendo vinavyoongeza faida ya muda mrefu.
Mbinu ya mafunzo inayotumia mawimbi ya mapendeleo ya binadamu kuunda tabia ya kielelezo.
Kupata hati au rekodi zinazofaa kutoka kwa chanzo cha maarifa kwa swali.
Muundo unaopata matokeo kulingana na mawimbi ya mapendeleo, ambayo hutumiwa mara nyingi katika mabomba ya RLHF.
Uwezo wa modeli wa kudumisha utendakazi chini ya kelele, zamu, au ingizo za wapinzani.
Safu ya udhibiti ambayo inazuia au kuandika upya viigizo au matokeo ya miundo isiyo salama.
Uhusiano wa kisayansi unaoonyesha jinsi utendakazi unavyoboreka kwa kutumia saizi ya mfano, data au kokotoo.
Tafuta unaolingana na maana badala ya mwingiliano halisi wa nenomsingi, mara nyingi kwa kutumia upachikaji.
Kujifunza uwakilishi kutoka kwa data isiyo na lebo kwa kutabiri sehemu zilizofichwa au zilizobadilishwa.
Kazi ya NLP inayoainisha toni ya kihisia au maoni katika maandishi.
Muundo wa lugha sanifu ulioboreshwa kwa muda wa chini wa kusubiri, gharama, au matumizi ya kifaa.
Muundo ambapo vigezo vingi ni sifuri au havitumiki ili kupunguza ukokotoaji.
Kufunza muundo ulio na mifano iliyo na lebo inayoweka ramani kwa matokeo yanayojulikana.
Data iliyozalishwa kwa njia ghushi inayotumika kuongeza, kuiga au kulinda data nyeti ya mafunzo.
Maagizo ya kipaumbele cha juu ambayo huweka tabia, sera, na mtindo wa majibu kwa mfano.
Mpangilio wa sampuli unaodhibiti unasihi katika matokeo yanayozalishwa.
Sehemu ya maandishi yaliyochakatwa na miundo ya lugha, kama vile kipande cha neno au ishara.
Mchakato wa kugawanya maandishi katika ishara kwa uingizaji wa mfano.
Uwezo wa modeli wa kuita zana za nje kama vile utafutaji, vikokotoo au API.
Mbinu ya kusimbua ambayo ni sampuli tu kutoka kwa tokeni zinazowezekana zaidi zinazofuata.
Mkakati wa kusimbua ambao ni sampuli kutoka kwa seti ndogo kabisa ya tokeni ambayo uwezekano wake ni uk.
Kutumia maarifa uliyojifunza katika kazi moja au kikoa ili kuboresha kazi nyingine.
Usanifu wa neva ambao hutumia umakini kwa uhusiano wa kielelezo katika mfuatano.
Thamani ya hitilafu ya muundo iliyokokotwa wakati wa mafunzo na kuboreshwa kwenda chini baada ya muda.
Mifumo ya kujifunza kutoka kwa data isiyo na lebo bila matokeo dhahiri lengwa.
Seti ya data inayotumika wakati wa uundaji kurekebisha miundo na kuzuia kutosheleza kupita kiasi.
Hifadhidata iliyoboreshwa kwa ajili ya kuhifadhi na kuhoji vekta za upachikaji za hali ya juu.
Muundo wa aina nyingi ambao huchakata kwa pamoja maelezo ya kuona na maandishi.
Kwa kutumia lebo zenye kelele, za kiheuristic, au sehemu ili kutoa mafunzo kwa miundo wakati lebo safi ni chache.
Thamani ya nambari iliyojifunza ambayo huweka ishara zinazopita kwenye mtandao wa neva.
Uwakilishi mnene wa vekta ya maneno yanayonasa uhusiano wa kisemantiki.
Mbinu na mazoea ya kufanya utabiri wa AI kuwa wazi zaidi na kueleweka.
Kutatua kazi bila mifano mahususi ya kazi kwa kutegemea maarifa ya awali ya jumla.
Mchakato wa hatua nyingi ambapo mfumo wa AI hupanga, kutekeleza, kuangalia matokeo, na kurudia lengo.
Mfumo wa udhibiti wa hatari wa Umoja wa Ulaya kwa mifumo na watoa huduma wa AI.
Gharama ya ziada kwa wakati, kukokotoa, au kasi ya bidhaa inayohitajika ili kufanya mifumo kuwa salama na inayoweza kudhibitiwa zaidi.
Wakati mifano ya majaribio ya ulinganifu au vibadala vya karibu vinapatikana katika data ya mafunzo, huongeza utendaji ulioripotiwa.
Mbinu za kukadiria uhusiano wa sababu-na-athari badala ya uunganisho rahisi.
Masafa ya takwimu ambayo huenda yakawa na thamani halisi ya kipimo cha muundo uliopimwa.
Mbinu ya mafunzo na uundaji tabia ambapo matokeo ya kielelezo yanaongozwa na seti isiyobadilika ya kanuni zilizoandikwa.
Rekodi ya wapi data ilitoka, jinsi ilibadilishwa, na mahali inapotumiwa.
Asili iliyorekodiwa, umiliki na historia ya seti ya data au vizalia vya programu vya muundo.
Mbinu ya faragha ambayo huongeza kelele za takwimu ili rekodi za kibinafsi zisiweze kuaminika kutoka kwa matokeo.
Muundo mdogo uliofunzwa kuiga tabia ya modeli kubwa huku ukitumia compute kidogo katika makisio.
Muundo maalum wa kubadilisha data kuwa vekta zinazotumika kwa utafutaji wa kimaana, kuunganisha na kurejesha.
Mfumo wa tathmini unaoweza kurudiwa ambao unaendesha vidokezo, seti za data na mantiki ya kupata alama katika matoleo yote ya miundo.
Mfumo unaodhibitiwa wa kuhifadhi na kuhudumia vipengele vya ML vilivyothibitishwa mara kwa mara kwa mafunzo na makisio.
Kiwango ambacho majibu ya AI yanaungwa mkono na data ya chanzo au ushahidi uliopatikana.
Mkakati wa uzalishaji unaoweka tokeni za utoaji kwa miundo halali au chaguo zinazotii sera.
Muundo uliofunzwa katika viwango vya binadamu ili kutabiri ni majibu gani ambayo watumiaji wanaweza kupendelea.
Kiolesura cha API kilichotumiwa ambacho hupokea maombi ya muundo na kurudisha utabiri katika uzalishaji.
Mkusanyiko ulioratibiwa wa hati au rekodi zinazotumika kurejesha, usaidizi wa otomatiki au majibu ya msingi.
Nafasi ya uwakilishi iliyobanwa ambapo dhana zinazofanana zimewekwa karibu kila moja kama vekta.
Katalogi kuu ya matoleo, kuidhinisha na kufuatilia miundo katika mazingira.
Maoni ya AI yanatekelezwa ndani ya kifaa cha mtumiaji badala ya huduma ya wingu ya mbali.
Mantiki ambayo huidhinisha na kubadilisha pato la modeli kuwa miundo iliyochapwa kwa nguvu, inayoweza kutumika kwa mashine.
Mchoro wa kidokezo unaoweza kutumika tena na vigeu, sheria za uumbizaji, na maagizo mahususi ya kazi.
Uwiano wa vipengee vilivyorejeshwa ambavyo vinafaa kwa swali la mtumiaji.
Hoja iliyoundwa, inayoungwa mkono na ushahidi, kwamba mfumo wa AI ni salama kwa muktadha uliobainishwa wa matumizi.
Kuendesha muundo sambamba na trafiki ya uzalishaji bila kuathiri maamuzi yanayowahusu watumiaji.
Toleo la muundo linalobanwa kwa taratibu maalum kama vile JSON, hoja za zana, au sehemu zilizochapwa.
Kokotoo la ziada la uelekezaji linalotumika wakati wa kutoa majibu ili kuboresha ubora au hoja.
Kulinganisha imani ya mtumiaji katika matokeo ya AI na utegemezi halisi wa mfumo katika kila kazi.
Bei ambapo gharama huongezeka kwa simu za API, tokeni, muda wa makisio, au kompyuta inayotumika.
Sera ambapo malipo ya ombi/majibu hayahifadhiwi baada ya kuchakatwa zaidi ya madirisha ya uendeshaji ya muda mfupi.
Mbinu ya kuongeza kasi ya makisio ambapo muundo wa rasimu ndogo unapendekeza tokeni ambazo muundo mkubwa zaidi huthibitisha kwa sambamba.
Vidhibiti vya ufunguo na thamani vilivyohifadhiwa kutoka kwa tokeni za awali ambazo huruhusu transfoma kutoa tokeni mpya bila kurudisha umakini wa zamani.
Itifaki iliyo wazi inayoruhusu programu za AI kuunganishwa kwa zana za nje, vyanzo vya data na watoa huduma za muktadha kwa njia ya kawaida.
Mzunguko unaorudiwa ambapo wakala wa AI hutazama, kupanga, kutenda na kuakisi hadi ikamilishe lengo au kugonga hali ya kusimama.
Mchoro wa kidokezo unaohusisha hatua za hoja na vitendo vya kutumia zana ili kutatua kazi kwa uhakika zaidi.
Mbinu ya hoja ambapo mtindo huchunguza njia nyingi za utatuzi wa matawi na kuchagua zile zinazoahidi zaidi.
Mbinu ya mafunzo ambayo hurekebisha muundo wa moja kwa moja kwenye jozi za mapendeleo bila kuhitaji muundo tofauti wa zawadi.
Mbinu ya kurekebisha vizuri ambayo inachanganya ujanibishaji wa uzani wa biti 4 na adapta za LoRA ili kupunguza mahitaji ya kumbukumbu.
Algorithm ya umakini iliyoboreshwa ambayo hupunguza utumiaji wa kumbukumbu na kuharakisha mafunzo na uelekezaji wa kibadilishaji.
Utaratibu wa kibadilishaji umeme unaoendesha shughuli kadhaa za umakini sambamba ili kunasa aina tofauti za mahusiano.
Taarifa imeongezwa kwenye upachikaji wa tokeni ili vibadilishaji transfoma viweze kutofautisha mpangilio wa mfuatano.
Mbinu ya usimbaji ambayo huzungusha hoja na vekta muhimu ili kusimba nafasi za tokeni zinazohusiana.
Mbinu ya upendeleo ambayo huadhibu alama za umakini kulingana na umbali wa tokeni, kusaidia miundo kuzidisha miktadha mirefu.
Mchoro wa umakini ambapo kila tokeni huhudumia dirisha la ukubwa usiobadilika la tokeni zilizo karibu ili kupunguza hesabu.
Kanuni ya tokeni ya neno ndogo ambayo inaunganisha jozi za herufi zinazopatikana mara nyingi zaidi kuwa tokeni zinazoweza kutumika tena.
Kiashiria cha kutojua lugha ambacho hujifunza vizio vya neno ndogo moja kwa moja kutoka kwa maandishi ghafi bila kugawanyika mapema kwenye nafasi nyeupe.
Algorithms ambayo hupata vekta karibu na hoja bila ulinganisho kamili, biashara ya usahihi kwa kasi.
Muundo wa faharasa wa msingi wa grafu kwa utafutaji wa karibu wa karibu wa makadirio ya haraka juu ya vekta zenye mwelekeo wa juu.
Muundo unaopanga upya seti ya awali ya matokeo yaliyorejeshwa ili kuweka vipengee muhimu zaidi juu.
Mbinu ya kurejesha ambayo inachanganya utafutaji wa neno muhimu (lexical) na utafutaji wa vekta (semantic) wa kukumbuka bora na usahihi.
Muundo unaoweka alama kwenye hoja na kuandika pamoja katika pasi moja kwa hukumu za umuhimu wa juu.
Muundo ambao husimba hoja na hati katika vekta tofauti ili ziweze kulinganishwa haraka kwa kiwango.
Kutumia muundo wa lugha kupata alama au kulinganisha matokeo kutoka kwa miundo mingine wakati wa tathmini.
Kipimo cha tathmini ya msimbo kinachopima uwezekano kwamba angalau sampuli moja kati ya k iliyozalishwa itafaulu majaribio.
Vielelezo vya kupima lugha katika masomo 57 ya kitaaluma na kitaaluma kwa kutumia maswali ya chaguo nyingi.
Kigezo cha matatizo ya programu ya Python kinachotumika kupima usahihi wa uundaji wa msimbo kupitia majaribio ya kitengo.
Kigezo cha matatizo ya neno la hesabu la shule ya sekondari kinachotumiwa kutathmini hoja za hatua kwa hatua katika miundo ya lugha.
Kwa usahihi kiasi gani madai ya mwanamitindo yanalingana na taarifa zinazoweza kuthibitishwa za ulimwengu halisi.
Marejeleo ya vifungu vya chanzo au hati zilizojumuishwa katika jibu la modeli ili kuunga mkono madai yake.
Kupachika mawimbi inayoweza kutambulika katika maandishi au midia inayozalishwa na AI ili iweze kutambuliwa baadaye kuwa imetolewa na mashine.
Awamu ya kati ya mafunzo kati ya mafunzo ya awali na baada ya mafunzo, mara nyingi hutumiwa kwa uwezo au marekebisho ya kikoa.
Hatua za mafunzo hutekelezwa baada ya kufanya mazoezi ya awali, kama vile kupanga maagizo, uboreshaji wa mapendeleo na urekebishaji wa usalama.
Mipangilio ya mafunzo ambapo muundo huboreshwa kwa kutoa data kupitia mwingiliano au mashindano na nakala zake.
Mbinu ya kurejesha ambayo hutoa anuwai nyingi za hoja, hupata matokeo kwa kila moja, na kuchanganya viwango.
Mbinu ya kurejesha ambayo huandika upya hoja ya mtumiaji katika vibadala kadhaa ili kuboresha kumbukumbu.
Mchoro wa kurejesha ambao hutafuta vipande vidogo lakini hurejesha hati zao kubwa za wazazi kwa muktadha bora zaidi.
Algorithm ya kusimbua ambayo huweka safu za juu za wagombeaji katika kila hatua ili kupata matokeo ya uwezekano wa juu.
Mpangilio wa kusimbua ambao unapunguza uwezekano wa ishara ambazo mtindo tayari umetoa ili kupunguza vitanzi.
Mpangilio wa usimbaji unaopunguza uwezekano wa tokeni sawia na mara ambazo zimeonekana kufikia sasa.
Mpangilio wa kusimbua ambao unapunguza uwezekano wa ishara ambazo zimeonekana kabisa, kuhimiza mada mpya.