Jifunze Habari Zana Kazi Dhamira

Kamusi ya bure ya AI

Kamusi ya AI

Ufafanuzi wa lugha rahisi wa maneno ya AI unayoendelea kusikia - kwa wanafunzi, wataalamu, na mtu yeyote anayetaka kujua jinsi AI inavyofanya kazi.

213masharti
21barua zilizofunikwa
A–ZTafuta + kichujio cha alfabeti
100%Ufafanuzi wa lugha rahisi

A12 masharti

Adhabu ya Kurudia

Mpangilio wa kusimbua ambao unapunguza uwezekano wa ishara ambazo mtindo tayari umetoa ili kupunguza vitanzi.

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.

Algoritimu

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.

B4 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.

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.

C1 muda

CLIP

Usanifu wa miundo mingi ambayo hujifunza uwakilishi wa pamoja kati ya maandishi na picha.

D5 masharti

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.

F1 muda

Faragha ya Tofauti

Mbinu ya faragha ambayo huongeza kelele za takwimu ili rekodi za kibinafsi zisiweze kuaminika kutoka kwa matokeo.

G3 masharti

GAN (Mtandao wa Kizalishaji Kinzani)

Mipangilio ya uzalishaji ambapo jenereta na kibaguzi hufundishana.

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 muda

Ishara

Sehemu ya maandishi yaliyochakatwa na miundo ya lugha, kama vile kipande cha neno au ishara.

K48 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.

Kifaa cha Utathmini

Mfumo wa tathmini unaoweza kurudiwa ambao unaendesha vidokezo, seti za data na mantiki ya kupata alama katika matoleo yote ya miundo.

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

Jaribio sanifu au seti ya data inayotumika kupima na kulinganisha utendakazi wa muundo.

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.

Kufungua jiko

Mbinu ya haraka inayokusudiwa kukwepa vikwazo vya usalama vya mtindo.

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.

M45 masharti

Maarifa kunereka

Kufundisha muundo mdogo kuiga matokeo ya muundo mkubwa.

Mabadiliko ya Data

Mabadiliko katika data ya ulimwengu halisi baada ya muda ambayo yanaweza kuharibu utendakazi wa muundo.

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.

Mshale

Vekta inayoonyesha ni kiasi gani kila kigezo kinapaswa kubadilika ili kupunguza hasara.

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.

Mtandao wa Neurons wa Convolutional (CNN)

Usanifu wa neva ulioboreshwa kwa ajili ya kuchakata data inayofanana na gridi kama vile picha.

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 muda

Nafasi Iliyofichika

Nafasi ya uwakilishi iliyobanwa ambapo dhana zinazofanana zimewekwa karibu kila moja kama vekta.

O1 muda

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.

Q2 masharti

QLoRA

Mbinu ya kurekebisha vizuri ambayo inachanganya ujanibishaji wa uzani wa biti 4 na adapta za LoRA ili kupunguza mahitaji ya kumbukumbu.

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.

U55 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.

Upimaji

Kubadilisha uzani wa modeli kuwa fomati za usahihi wa chini kama vile 8-bit au 4-bit.

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 muda

XAI (AI Inayoelezeka)

Mbinu na mazoea ya kufanya utabiri wa AI kuwa wazi zaidi na kueleweka.

Kamusi ya bure ya AI

213 masharti · Ufafanuzi wa lugha rahisi

Chunguza maktaba ya mwongozo kamili