AGI (مصنوعی جنرل انٹیلی جنس)
ایک فرضی AI نظام جو بہت سے ڈومینز میں انسانی سطح پر زیادہ تر فکری کام انجام دے سکتا ہے۔
ضروری تکنیکی اصطلاحات کی وضاحت کی اعلی ترین سطح پر۔ محققین، طالب علموں اور انسانوں پر مبنی تعلیم کے لیے ڈیزائن کیا گیا ہے۔
دکھا رہا ہے۔ 213 مماثل شرائط.
ایک فرضی AI نظام جو بہت سے ڈومینز میں انسانی سطح پر زیادہ تر فکری کام انجام دے سکتا ہے۔
ایک ایسا سافٹ ویئر سسٹم جو اکثر ٹولز اور میموری کا استعمال کرتے ہوئے کسی مقصد کو حاصل کرنے کے لیے مشاہدہ، استدلال اور اقدامات کر سکتا ہے۔
AI نظام کو انسانی ارادوں، اقدار اور حفاظتی پابندیوں کے مطابق برتاؤ کرنے کا کام۔
پالیسیاں، معیارات، اور نگرانی کے طریقہ کار جو رہنمائی کرتے ہیں کہ معاشرے میں AI کو کیسے تیار اور استعمال کیا جاتا ہے۔
AI سسٹمز میں نقصان دہ رویے، ناکامیوں اور غلط استعمال کے خطرات کو کم کرنے پر توجہ مرکوز کرنے والا فیلڈ۔
قواعد یا اقدامات کا ایک متعین سیٹ جس کی پیروی کمپیوٹر کسی مسئلے کو حل کرنے یا کسی کام کو مکمل کرنے کے لیے کرتا ہے۔
ماڈل آؤٹ پٹ میں منظم غیر منصفانہ ڈیٹا، مفروضوں، یا ماڈلنگ کے انتخاب کی وجہ سے ہوتا ہے۔
AI سسٹم کی منطق، ڈیٹا کے ذرائع اور حدود کتنی واضح طور پر دستاویزی اور قابل فہم ہیں۔
مشین لرننگ ماڈلز کو تربیت دینے یا جانچنے کے لیے استعمال کیے گئے انسانی شامل کردہ لیبلز یا میٹا ڈیٹا۔
ایک سافٹ ویئر سسٹم کے لیے دوسرے سسٹم کو درخواستیں بھیجنے اور اس سے جواب موصول کرنے کا ایک منظم طریقہ۔
عمارت کے نظاموں کا وسیع میدان جو کاموں کو انجام دیتا ہے جس میں پیٹرن کی شناخت، استدلال، زبان، یا فیصلہ سازی کی ضرورت ہوتی ہے۔
ایک ماڈل کا جزو جو آؤٹ پٹ تیار کرتے وقت متحرک طور پر ان پٹ کے متعلقہ حصوں پر فوکس کرتا ہے۔
ایک ایسا نظام جو حقیقی وقت میں محدود یا بغیر کسی براہ راست انسانی کنٹرول کے ساتھ فیصلے کر سکتا ہے اور عمل کر سکتا ہے۔
بنیادی تربیتی الگورتھم جو پیشین گوئی کی غلطیوں کو نیٹ ورک کے ذریعے پیچھے کی طرف پھیلا کر ماڈل کے وزن کو اپ ڈیٹ کرتا ہے۔
ایک سادہ حوالہ ماڈل اس بات کا موازنہ کرنے کے لیے استعمال کیا جاتا ہے کہ آیا زیادہ پیچیدہ طریقے حقیقت میں نتائج کو بہتر بناتے ہیں۔
ایک معیاری ٹیسٹ یا ڈیٹا سیٹ جو ماڈل کی کارکردگی کی پیمائش اور موازنہ کرنے کے لیے استعمال ہوتا ہے۔
ڈیٹا یا ماڈل کے رویے میں غلطی یا غیر منصفانہ کا ایک مستقل نمونہ۔
بہت بڑے اور پیچیدہ ڈیٹاسیٹس جن میں توسیع پذیر اسٹوریج اور پروسیسنگ تکنیک کی ضرورت ہوتی ہے۔
ایک ایسا ماڈل جس کی اندرونی استدلال انسانوں کے ذریعہ براہ راست تشریح کرنا مشکل ہے۔
ماڈل کے اعتماد کے اسکور حقیقی درستگی کے امکانات سے کتنی اچھی طرح میل کھاتے ہیں۔
ایک استدلال کا انداز جہاں ایک AI ماڈل کسی مسئلے کو درمیانی مراحل میں حل کرتا ہے۔
ایسا کام جہاں ایک ماڈل ایک یا زیادہ پہلے سے طے شدہ زمروں کو ان پٹ تفویض کرتا ہے۔
ایک ماڈل جو خاص طور پر درجہ بندی کے کاموں کے لیے ڈیزائن کیا گیا ہے۔
ایک ملٹی موڈل ماڈل فن تعمیر جو متن اور تصاویر کے درمیان مشترکہ نمائندگی سیکھتا ہے۔
ماڈلز کو تربیت دینے اور چلانے کے لیے درکار پروسیسنگ وسائل، جو اکثر FLOPS یا GPU گھنٹوں میں ماپا جاتا ہے۔
AI کی وہ شاخ جو تصاویر اور ویڈیو سے معنی نکالتی ہے۔
ان پٹ ٹوکنز کی زیادہ سے زیادہ مقدار جس پر ایک زبان کا ماڈل ایک ساتھ کارروائی کر سکتا ہے۔
تربیتی نقطہ نظر جو ایک ماڈل کو پیشگی معلومات کو فراموش کیے بغیر نئے ڈیٹا سے سیکھتے رہنے دیتے ہیں۔
ایک عصبی فن تعمیر کو گرڈ نما ڈیٹا جیسے کہ امیجز پر کارروائی کرنے کے لیے بہتر بنایا گیا ہے۔
غلط احتمالات کو سزا دے کر درجہ بندی کے ماڈلز کو تربیت دینے کے لیے استعمال ہونے والا ایک عام مقصدی فنکشن۔
وہ تکنیکیں جو ماڈل کو عام کرنے کو بہتر بنانے کے لیے ترمیم شدہ تربیتی مثالیں تخلیق کرتی ہیں۔
وقت کے ساتھ حقیقی دنیا کے ان پٹ ڈیٹا میں تبدیلی جو ماڈل کی کارکردگی کو کم کر سکتی ہے۔
زیر نگرانی سیکھنے کے لیے خام ڈیٹا کو ٹیگز یا ٹارگٹ آؤٹ پٹ تفویض کرنے کا عمل۔
تربیت، توثیق، یا جانچ کے لیے استعمال ہونے والی منظم یا غیر ساختہ مثالوں کا مجموعہ۔
خصوصیت کی جگہ میں سطح جو درجہ بندی کرنے والے کے ذریعہ پیش گوئی کی گئی کلاسوں کو الگ کرتی ہے۔
ایک ایسا ماڈل جو اگر-تو فیچر سپلٹس کی ترتیب کے ذریعے پیشین گوئیاں کرتا ہے۔
مشین لرننگ کا ایک ذیلی سیٹ جو نمائندگی سیکھنے کے لیے کئی پرتوں والے نیورل نیٹ ورکس کا استعمال کرتا ہے۔
ایک تخلیقی فن تعمیر جو امیجز، آڈیو یا دیگر مواد کی ترکیب کے لیے شور کو ریورس کرنا سیکھتا ہے۔
ایک بڑے استاد کے ماڈل سے علم کو ایک چھوٹے طالب علم کے ماڈل میں کم کرنا۔
وہ طریقے جو ایک ڈومین میں تربیت یافتہ ماڈل کو دوسرے ڈومین میں بہتر کارکردگی دکھانے کے لیے منتقل کرتے ہیں۔
ایک عددی ویکٹر کی نمائندگی جو متن، تصاویر، یا دیگر ڈیٹا کے معنوی معنی حاصل کرتی ہے۔
ایک ماڈل کا جزو جو ان پٹ کو اویکت نمائندگی میں تبدیل کرتا ہے۔
مضبوطی یا درستگی کو بہتر بنانے کے لیے متعدد ماڈلز کی پیشین گوئیوں کو یکجا کرنا۔
تربیت کے بعد ماڈل کے معیار کی پیمائش کرنے کے لیے استعمال ہونے والا ایک ہولڈ آؤٹ ڈیٹاسیٹ۔
وہ ڈگری جس میں ایک ماڈل کے رویے کی تشریح اور انسانوں کے لیے وضاحت کی جا سکتی ہے۔
ایک غلط پیشین گوئی جہاں ایک ماڈل ایک حقیقی مثبت کیس سے محروم رہتا ہے۔
ایک غلط پیشین گوئی جہاں ایک ماڈل غلط طور پر منفی کیس کو مثبت کے طور پر جھنڈا دیتا ہے۔
ایک ان پٹ متغیر جو کسی ماڈل کے ذریعہ پیشین گوئیاں کرنے کے لیے استعمال ہوتا ہے۔
سیکھنے کو آسان اور زیادہ موثر بنانے کے لیے ان پٹ متغیرات کو ڈیزائن یا تبدیل کرنا۔
خام ڈیٹا کو معلوماتی خصوصیات میں تبدیل کرنا جسے ماڈل استعمال کر سکتا ہے۔
صرف چند مثالوں سے طرز عمل سیکھنا یا اپنانا۔
پہلے سے تربیت یافتہ ماڈل کو مخصوص کام کے لیے ڈھالنے کے لیے ڈومین کے مخصوص ڈیٹا پر تربیت جاری رکھنا۔
ایک بڑا پہلے سے تربیت یافتہ ماڈل جسے بہت سے نیچے کی دھارے کے کاموں کے لیے ڈھال لیا جا سکتا ہے۔
سٹرکچرڈ کالز جنریٹ کرنے کی ماڈل کی صلاحیت جو بیرونی ٹولز یا APIs کو متحرک کرتی ہے۔
ایک تخلیقی سیٹ اپ جہاں ایک جنریٹر اور امتیازی سلوک کرنے والا ایک دوسرے کے خلاف ٹرین کرتا ہے۔
ٹریننگ سیٹ سے باہر نئے، غیر دیکھے گئے ڈیٹا پر ماڈل کتنی اچھی کارکردگی کا مظاہرہ کرتا ہے۔
AI سسٹم جو نیا مواد تیار کرتے ہیں جیسے کہ متن، تصاویر، آڈیو، ویڈیو یا کوڈ۔
ایک ویکٹر دکھا رہا ہے کہ نقصان کو کم کرنے کے لیے ہر پیرامیٹر کو کتنا بدلنا چاہیے۔
ایک اصلاح کا طریقہ جو پیرامیٹرز کو اس سمت میں اپ ڈیٹ کرتا ہے جو غلطی کو کم کرتا ہے۔
قابل اعتماد حوالہ لیبل جو ماڈل آؤٹ پٹس کو تربیت دینے یا جانچنے کے لیے استعمال ہوتے ہیں۔
قواعد، چیک، اور کنٹرول جو غیر محفوظ یا غیر مطلوبہ ماڈل کے رویے کو محدود کرتے ہیں۔
جب کوئی ماڈل روانی سے لیکن غلط یا غیر تعاون یافتہ معلومات تیار کرتا ہے۔
ایک ورک فلو جہاں انسان AI آؤٹ پٹس کا جائزہ، رہنمائی، یا اوور رائیڈ کرتا ہے۔
تربیت سے پہلے ترتیب کی قدر، جیسے سیکھنے کی شرح، بیچ کا سائز، یا گہرائی۔
پرامپٹ میں براہ راست فراہم کردہ مثالوں سے نمونوں کی پیروی کرنے کی ماڈل کی صلاحیت۔
رن ٹائم مرحلہ جہاں ایک تربیت یافتہ ماڈل پیشین گوئیاں یا نتائج پیدا کرتا ہے۔
پروسیسنگ پاور کی مقدار جو ہر جواب کو تیار کرتے وقت استعمال ہوتی ہے۔
مندرجہ ذیل کام کو بہتر بنانے کے لیے انسٹرکشن رسپانس جوڑوں پر ماڈل کو ٹھیک کرنا۔
متن کے استفسار سے صارف کے مقصد کی پیش گوئی کرنا تاکہ اسے صحیح طریقے سے روٹ کیا جا سکے۔
ایک فوری تکنیک جس کا مقصد ماڈل کی حفاظتی رکاوٹوں کو نظرانداز کرنا ہے۔
وقت کا تازہ ترین نقطہ ایک ماڈل کے تربیتی ڈیٹا میں ظاہر ہوتا ہے۔
بڑے ماڈل کے نتائج کی نقل کرنے کے لیے چھوٹے ماڈل کو تربیت دینا۔
استدلال یا بازیافت کے لیے استعمال ہونے والے اداروں اور رشتوں کا گراف ڈھانچہ۔
ریگولرائزیشن کا ایک طریقہ جو عامیت کو بہتر بنانے کے لیے سخت لیبلز کو نرم کرتا ہے۔
درخواست بھیجنے اور ماڈل کا آؤٹ پٹ وصول کرنے کے درمیان کا وقت۔
متن کی تخلیق اور تجزیہ کرنے کے لیے بڑے پیمانے پر ٹیکسٹ کارپورا پر تربیت یافتہ زبان کا ماڈل۔
ایک تربیتی ہائپر پیرامیٹر یہ کنٹرول کرتا ہے کہ ہر اپ ڈیٹ کے مرحلے میں کتنے پیرامیٹرز تبدیل ہوتے ہیں۔
پیرامیٹر سے موثر فائن ٹیوننگ کا طریقہ جو کم درجے کے اڈاپٹر میٹرکس کو شامل کرتا ہے۔
ایک ریاضیاتی مقصد جو تربیت کے دوران پیشین گوئی کی غلطی کو درست کرتا ہے۔
ایسے طریقے جو سسٹمز کو ڈیٹا سے پیٹرن سیکھنے اور وقت کے ساتھ ساتھ بہتر کرنے کی اجازت دیتے ہیں۔
ذخیرہ شدہ سیاق و سباق ایک AI ایجنٹ تسلسل کو بہتر بنانے کے لیے تمام مراحل یا سیشنز میں استعمال کرتا ہے۔
خصوصی ذیلی نیٹ ورک کے ساتھ ایک فن تعمیر جہاں صرف منتخب ماہرین فی ان پٹ چلاتے ہیں۔
ماڈل کے مطلوبہ استعمال، میٹرکس، حدود اور خطرات کو بیان کرنے والی دستاویز۔
وقت کے ساتھ ساتھ کارکردگی کا انحطاط کیونکہ حقیقی دنیا کے حالات تربیت کے مفروضوں سے ہٹ جاتے ہیں۔
میموری اور تخمینہ لاگت کو کم کرنے کے لیے ماڈل وزن کی عددی درستگی کو کم کرنا۔
ایک ایسا ماڈل جو متن، تصویر، اور آڈیو جیسے متعدد ڈیٹا کی اقسام پر کارروائی یا تخلیق کر سکتا ہے۔
ایک NLP کام جو لوگوں، مقامات، تاریخوں، یا تنظیموں جیسے اداروں کی شناخت کرتا ہے۔
AI کی شاخ انسانی زبان کو سمجھنے اور تخلیق کرنے پر مرکوز ہے۔
حیاتیاتی نیوران اور synapses سے متاثر ایک تہہ دار کمپیوٹیشنل ماڈل۔
اصلاح کے استحکام کو بہتر بنانے کے لیے اقدار کو ایک مستقل پیمانے پر تبدیل کرنا۔
ٹکنالوجی جو تصاویر میں متن کو تبدیل کرتی ہے یا اسکین کو مشین کے پڑھنے کے قابل متن میں تبدیل کرتی ہے۔
معائنہ، موافقت اور دوبارہ استعمال کے لیے عوامی وزن یا کوڈ کے ساتھ جاری کردہ ایک ماڈل۔
جب کوئی ماڈل تربیتی ڈیٹا کو حفظ کرتا ہے اور نادیدہ آدانوں پر خراب کارکردگی کا مظاہرہ کرتا ہے۔
ایک ماڈل کے اندر سیکھا ہوا وزن جو اس کے آؤٹ پٹس کو متاثر کرتا ہے۔
وہ طریقے جو شامل کردہ پیرامیٹرز کے چھوٹے ذیلی سیٹ کو تربیت دے کر ماڈلز کو اپناتے ہیں۔
ایک لینگوئج ماڈل میٹرک اس بات کی پیمائش کرتا ہے کہ اگلے ٹوکنز کے ذریعہ ماڈل کتنا حیران ہے۔
پری پروسیسنگ، ماڈل اسٹیپس، اور پوسٹ پروسیسنگ مراحل کا ایک ترتیب شدہ ورک فلو۔
پیش گوئی کی گئی مثبتات کا تناسب جو حقیقت میں درست ہیں۔
ڈاؤن اسٹریم موافقت سے پہلے وسیع ڈیٹا پر ابتدائی بڑے پیمانے پر ماڈل ٹریننگ۔
جنریٹیو ماڈل کو فراہم کردہ ان پٹ ہدایات اور سیاق و سباق۔
ڈیزائننگ آؤٹ پٹ کوالٹی، وشوسنییتا، اور کنٹرولیبلٹی کو بہتر بنانے کا اشارہ دیتی ہے۔
حملہ کا ایک نمونہ جہاں ماڈل ان پٹس یا بازیافت شدہ مواد میں بدنیتی پر مبنی ہدایات داخل کی جاتی ہیں۔
سائز اور حساب کو کم کرنے کے لیے کم اہم ماڈل وزن یا نیوران کو ہٹانا۔
ماڈل کے وزن کو کم درستگی والے فارمیٹس میں تبدیل کرنا جیسے 8 بٹ یا 4 بٹ۔
ایک ایسا طریقہ جو خارجی علم کو بازیافت کرتا ہے اور تخمینہ کے وقت اسے نسل میں فیڈ کرتا ہے۔
حقیقی مثبتات کا تناسب جس کی ایک ماڈل صحیح شناخت کرتا ہے۔
ایک ماڈل پائپ لائن جو مواد یا مصنوعات کی درجہ بندی کے لیے صارف کی ترجیحات کی پیش گوئی کرتی ہے۔
ناکامیوں اور خطرات کو ظاہر کرنے کے لیے مخالفانہ اشارے کے ساتھ ایک AI نظام کی تناؤ کی جانچ۔
انعامی سگنلز کے ذریعے تربیت جہاں ایک ایجنٹ ایسے اعمال سیکھتا ہے جو طویل مدتی واپسی کو زیادہ سے زیادہ بناتے ہیں۔
ایک تربیتی طریقہ جو ماڈل کے رویے کو تشکیل دینے کے لیے انسانی ترجیحی اشارے استعمال کرتا ہے۔
کسی استفسار کے لیے علمی ماخذ سے متعلقہ دستاویزات یا ریکارڈ تلاش کرنا۔
ایک ماڈل جو ترجیحی سگنلز کی بنیاد پر آؤٹ پٹ اسکور کرتا ہے، جو اکثر RLHF پائپ لائنوں میں استعمال ہوتا ہے۔
شور، شفٹوں، یا مخالفانہ ان پٹ کے تحت کارکردگی کو برقرار رکھنے کی ماڈل کی صلاحیت۔
ایک اعتدال کی پرت جو غیر محفوظ ماڈل ان پٹس یا آؤٹ پٹس کو روکتی ہے یا دوبارہ لکھتی ہے۔
ایک تجرباتی تعلق یہ ظاہر کرتا ہے کہ ماڈل کے سائز، ڈیٹا یا کمپیوٹ کے ساتھ کارکردگی کیسے بہتر ہوتی ہے۔
تلاش جو کہ معنی سے مماثل ہو نہ کہ کلیدی الفاظ کے اوورلیپ کے، اکثر ایمبیڈنگ کا استعمال کرتے ہوئے۔
نقاب پوش یا تبدیل شدہ حصوں کی پیش گوئی کرکے بغیر لیبل والے ڈیٹا سے نمائندگی سیکھنا۔
ایک NLP کام جو متن میں جذباتی لہجے یا رائے کی درجہ بندی کرتا ہے۔
ایک کمپیکٹ لینگویج ماڈل جو کم تاخیر، لاگت، یا ڈیوائس پر استعمال کے لیے موزوں ہے۔
ایک ایسا ماڈل جہاں حساب کو کم کرنے کے لیے بہت سے پیرامیٹرز صفر یا غیر فعال ہوں۔
لیبل شدہ مثالوں کے ساتھ ایک ماڈل کو تربیت دینا جو معلوم آؤٹ پٹس پر ان پٹ کو نقشہ بناتا ہے۔
مصنوعی طور پر تیار کردہ ڈیٹا جو کہ حساس تربیتی ڈیٹا کو بڑھانے، انکی شکل دینے یا اس کی حفاظت کے لیے استعمال کیا جاتا ہے۔
ایک اعلی ترجیحی ہدایت جو ماڈل کے لیے طرز عمل، پالیسی اور ردعمل کا انداز متعین کرتی ہے۔
نمونے لینے کی ترتیب جو پیدا شدہ آؤٹ پٹس میں بے ترتیب پن کو کنٹرول کرتی ہے۔
زبان کے ماڈلز کے ذریعے پروسیس شدہ متن کا ایک حصہ، جیسے لفظ کا ٹکڑا یا علامت۔
ماڈل ان پٹ کے لیے متن کو ٹوکن میں تقسیم کرنے کا عمل۔
ایک ماڈل کی بیرونی ٹولز جیسے تلاش، کیلکولیٹر، یا APIs کو کال کرنے کی صلاحیت۔
ایک ضابطہ کشائی کی حکمت عملی جو صرف k سے نمونے لیتی ہے ممکنہ طور پر اگلے ٹوکنز۔
ایک ضابطہ کشائی کی حکمت عملی جو سب سے چھوٹے ٹوکن سیٹ سے نمونے لیتی ہے جس کے امکانات کا مجموعہ p ہے۔
ایک کام یا ڈومین میں سیکھے گئے علم کو دوسرے کام کو بہتر بنانے کے لیے استعمال کرنا۔
ایک عصبی فن تعمیر جو متوازی طور پر ترتیب میں ماڈل تعلقات پر توجہ کا استعمال کرتا ہے۔
ماڈل کی غلطی کی قدر تربیت کے دوران شمار کی گئی اور وقت کے ساتھ نیچے کی طرف بہتر کی گئی۔
واضح ٹارگٹ آؤٹ پٹس کے بغیر لیبل والے ڈیٹا سے پیٹرن سیکھنا۔
ماڈلز کو ٹیون کرنے اور اوور فٹنگ کو روکنے کے لیے ڈیولپمنٹ کے دوران استعمال ہونے والا ڈیٹاسیٹ۔
اعلی جہتی سرایت کرنے والے ویکٹرز کو ذخیرہ کرنے اور استفسار کرنے کے لیے موزوں ڈیٹا بیس۔
ایک ملٹی موڈل ماڈل جو مشترکہ طور پر بصری اور متنی معلومات پر کارروائی کرتا ہے۔
جب کلین لیبلز کی کمی ہو تو ماڈلز کو تربیت دینے کے لیے شور، ہورسٹک یا جزوی لیبلز کا استعمال۔
ایک سیکھی ہوئی عددی قدر جو عصبی نیٹ ورک سے گزرنے والے سگنلز کی پیمائش کرتی ہے۔
معنوی رشتوں کو حاصل کرنے والے الفاظ کی گھنی ویکٹر نمائندگی۔
AI پیشین گوئیوں کو زیادہ شفاف اور قابل فہم بنانے کے لیے تکنیک اور طریقے۔
پیشگی عمومی معلومات پر بھروسہ کرکے ٹاسک مخصوص مثالوں کے بغیر کاموں کو حل کرنا۔
ایک کثیر مرحلہ عمل جہاں ایک AI نظام منصوبہ بناتا ہے، اس پر عمل درآمد کرتا ہے، نتائج کی جانچ پڑتال کرتا ہے، اور ایک مقصد کی طرف اعادہ کرتا ہے۔
AI سسٹمز اور فراہم کنندگان کے لیے یورپی یونین کا رسک پر مبنی ریگولیٹری فریم ورک۔
سسٹم کو محفوظ اور زیادہ قابل کنٹرول بنانے کے لیے درکار وقت، حساب، یا پروڈکٹ کی رفتار میں اضافی لاگت۔
جب بینچ مارک ٹیسٹ کی مثالیں یا قریبی متغیرات تربیتی ڈیٹا میں موجود ہوں، رپورٹ کی کارکردگی کو بڑھاتے ہوئے
سادہ ارتباط کے بجائے وجہ اور اثر کے تعلقات کا اندازہ لگانے کے طریقے۔
ایک شماریاتی رینج جس میں ممکنہ طور پر ماپا ماڈل میٹرک کی حقیقی قدر شامل ہے۔
ایک تربیت اور طرز عمل کی تشکیل کا نقطہ نظر جہاں ماڈل آؤٹ پٹس کو تحریری اصولوں کے ایک مقررہ سیٹ سے رہنمائی حاصل ہوتی ہے۔
ڈیٹا کہاں سے آیا، اسے کیسے تبدیل کیا گیا، اور اسے کہاں استعمال کیا گیا اس کا ریکارڈ۔
ڈیٹاسیٹ یا ماڈل آرٹفیکٹ کی دستاویزی اصلیت، ملکیت اور تاریخ۔
ایک رازداری کی تکنیک جو شماریاتی شور کو جوڑتی ہے تاکہ انفرادی ریکارڈوں کو آؤٹ پٹس سے قابل اعتماد طریقے سے اندازہ نہیں لگایا جا سکتا۔
ایک چھوٹا ماڈل جس کو کسی بڑے ماڈل کے رویے کی نقل کرنے کی تربیت دی گئی ہے جبکہ اندازہ میں کم کمپیوٹ کا استعمال کیا گیا ہے۔
ایک ماڈل ڈیٹا کو ویکٹر میں تبدیل کرنے کے لیے مخصوص ہے جو سیمنٹک تلاش، کلسٹرنگ، اور بازیافت کے لیے استعمال ہوتا ہے۔
دوبارہ قابل تشخیص کا فریم ورک جو ماڈل ورژنز میں پرامپٹس، ڈیٹا سیٹس، اور اسکورنگ منطق چلاتا ہے۔
تربیت اور تخمینہ کے لیے توثیق شدہ ML خصوصیات کو مستقل طور پر ذخیرہ کرنے اور پیش کرنے کے لیے ایک منظم نظام۔
وہ ڈگری جس تک AI ردعمل کو ماخذ ڈیٹا یا بازیافت شدہ ثبوت کے ذریعہ سپورٹ کیا جاتا ہے۔
ایک نسل کی حکمت عملی جو آؤٹ پٹ ٹوکنز کو درست ڈھانچے یا پالیسی کے مطابق انتخاب تک محدود رکھتی ہے۔
ایک ماڈل جو انسانی درجہ بندی پر تربیت یافتہ ہے اس کا اندازہ لگانے کے لیے کہ صارفین کن ردعمل کو ترجیح دیں گے۔
ایک تعینات API انٹرفیس جو ماڈل کی درخواستیں وصول کرتا ہے اور پیداوار میں پیشین گوئیاں واپس کرتا ہے۔
بازیافت، سپورٹ آٹومیشن، یا گراؤنڈنگ جوابات کے لیے استعمال ہونے والے دستاویزات یا ریکارڈز کا تیار کردہ مجموعہ۔
ایک کمپریسڈ نمائندگی کی جگہ جہاں ایک جیسے تصورات ایک دوسرے کے قریب ویکٹر کے طور پر رکھے جاتے ہیں۔
پورے ماحول میں ماڈلز کو ورژن بنانے، منظور کرنے اور ٹریک کرنے کے لیے ایک مرکزی کیٹلاگ۔
AI تخمینہ ریموٹ کلاؤڈ سروس کے بجائے صارف کے ہارڈ ویئر پر مقامی طور پر انجام دیا گیا۔
منطق جو ماڈل آؤٹ پٹ کو مضبوطی سے ٹائپ شدہ، مشین کے قابل استعمال ڈھانچے میں توثیق اور تبدیل کرتی ہے۔
متغیرات، فارمیٹنگ کے قواعد، اور کام کے لیے مخصوص ہدایات کے ساتھ دوبارہ قابل استعمال پرامپٹ پیٹرن۔
بازیافت شدہ آئٹمز کا تناسب جو صارف کے استفسار سے متعلق ہیں۔
ایک منظم دلیل، جس کی تائید شواہد سے ہوتی ہے، کہ AI نظام استعمال کے متعین سیاق و سباق کے لیے محفوظ ہے۔
صارف کا سامنا کرنے والے فیصلوں کو متاثر کیے بغیر پروڈکشن ٹریفک کے ساتھ متوازی ماڈل چلانا۔
ماڈل آؤٹ پٹ ایک متعین اسکیما جیسے JSON، ٹول آرگیومینٹس، یا ٹائپ شدہ فیلڈز تک محدود ہے۔
معیار یا استدلال کو بہتر بنانے کے لیے رسپانس جنریشن کے دوران استعمال ہونے والی اضافی انفرنس کمپیوٹیشن۔
ہر کام میں سسٹم کی حقیقی وشوسنییتا کے ساتھ AI آؤٹ پٹس میں صارف کے اعتماد کو سیدھ میں لانا۔
قیمتوں کا تعین جہاں API کالز، ٹوکن، انفرنس ٹائم، یا استعمال شدہ کمپیوٹ کے ساتھ لاگت کی پیمائش ہوتی ہے۔
ایک پالیسی جہاں مختصر مدت کے آپریشنل ونڈوز سے آگے پروسیسنگ کے بعد درخواست/جواب کے پے لوڈز کو محفوظ نہیں کیا جاتا ہے۔
ایک انفرنس ایکسلریشن کا طریقہ جہاں ایک چھوٹا ڈرافٹ ماڈل ٹوکن تجویز کرتا ہے جس کی متوازی طور پر ایک بڑا ماڈل تصدیق کرتا ہے۔
پچھلے ٹوکنز سے ذخیرہ شدہ کلید اور ویلیو ٹینسرز جو ٹرانسفارمرز کو ماضی کی توجہ کی دوبارہ گنتی کیے بغیر نئے ٹوکن بنانے دیتے ہیں۔
ایک کھلا پروٹوکول جو AI ایپلی کیشنز کو معیاری طریقے سے بیرونی ٹولز، ڈیٹا کے ذرائع اور سیاق و سباق فراہم کرنے والوں سے منسلک ہونے دیتا ہے۔
ایک تکراری سائیکل جہاں ایک AI ایجنٹ مشاہدہ کرتا ہے، منصوبہ بندی کرتا ہے، عمل کرتا ہے اور اس وقت تک عکاسی کرتا ہے جب تک کہ یہ ایک ہدف مکمل نہیں کر لیتا یا سٹاپ کنڈیشن کو نہیں مارتا۔
ایک اشارہ کرنے والا نمونہ جو کاموں کو زیادہ قابل اعتماد طریقے سے حل کرنے کے لیے ٹول کے استعمال کے اقدامات کے ساتھ استدلال کے مراحل کو جوڑتا ہے۔
ایک استدلال کا نقطہ نظر جہاں ایک ماڈل ایک سے زیادہ برانچنگ حل کے راستے تلاش کرتا ہے اور سب سے زیادہ امید افزا راستے کا انتخاب کرتا ہے۔
ایک تربیتی طریقہ جو ماڈلز کو براہ راست ترجیحی جوڑوں پر بناتا ہے بغیر کسی علیحدہ انعامی ماڈل کی ضرورت کے۔
ایک عمدہ ٹیوننگ تکنیک جو میموری کی ضروریات کو کم کرنے کے لیے LoRA اڈاپٹر کے ساتھ 4 بٹ وزن کی مقدار کو یکجا کرتی ہے۔
ایک بہتر توجہ کا الگورتھم جو میموری کے استعمال کو کم کرتا ہے اور ٹرانسفارمر کی تربیت اور اندازہ کو تیز کرتا ہے۔
ایک ٹرانسفارمر میکانزم جو مختلف قسم کے رشتوں کو حاصل کرنے کے لیے متوازی طور پر توجہ کے متعدد آپریشن چلاتا ہے۔
ٹوکن ایمبیڈنگ میں معلومات شامل کی جاتی ہیں تاکہ ٹرانسفارمرز ترتیب ترتیب میں فرق کر سکیں۔
ایک پوزیشنل انکوڈنگ کا طریقہ جو متعلقہ ٹوکن پوزیشنز کو انکوڈ کرنے کے لیے استفسار اور کلیدی ویکٹر کو گھماتا ہے۔
ایک پوزیشنی تعصب کا طریقہ جو ٹوکن فاصلہ کی بنیاد پر توجہ کے اسکور کو جرمانہ کرتا ہے، ماڈلز کو طویل سیاق و سباق میں منتقل کرنے میں مدد کرتا ہے۔
ایک توجہ کا نمونہ جہاں ہر ٹوکن حساب کو کم کرنے کے لیے صرف قریبی ٹوکنز کی ایک مقررہ سائز والی ونڈو پر حاضر ہوتا ہے۔
ایک ذیلی لفظ ٹوکنائزیشن الگورتھم جو سب سے زیادہ بار بار آنے والے کریکٹر جوڑوں کو دوبارہ قابل استعمال ٹوکنز میں ضم کرتا ہے۔
ایک لینگوئج-ایگنوسٹک ٹوکنائزر جو خالی جگہ پر پہلے سے تقسیم کیے بغیر خام متن سے براہ راست ذیلی الفاظ کی اکائیوں کو سیکھتا ہے۔
الگورتھم جو ویکٹرز کو کسی سوال کے قریب تلاش کرتے ہیں بغیر مکمل موازنہ کے، رفتار کے لیے درستگی تجارت کرتے ہیں۔
ایک گراف پر مبنی اشاریہ ڈھانچہ اعلیٰ جہتی ویکٹرز پر قریب ترین قریبی پڑوسی کی تیز رفتار تلاش کے لیے۔
ایک ایسا ماڈل جو بازیافت شدہ نتائج کے ابتدائی سیٹ کو دوبارہ ترتیب دیتا ہے تاکہ سب سے زیادہ متعلقہ آئٹمز کو اوپر رکھا جا سکے۔
بازیافت کا نقطہ نظر جو مطلوبہ الفاظ (لغوی) تلاش کو ویکٹر (سمینٹک) تلاش کے ساتھ جوڑتا ہے بہتر یاد کرنے اور درستگی کے لیے۔
ایک ایسا ماڈل جو اعلی درستگی سے متعلق فیصلوں کے لیے ایک ہی پاس میں استفسار اور دستاویز کو ایک ساتھ اسکور کرتا ہے۔
ایک ماڈل جو سوالات اور دستاویزات کو الگ الگ ویکٹر میں انکوڈ کرتا ہے تاکہ ان کا پیمانے پر تیزی سے موازنہ کیا جا سکے۔
تشخیص کے دوران دوسرے ماڈلز سے آؤٹ پٹ سکور کرنے یا موازنہ کرنے کے لیے لینگویج ماڈل کا استعمال۔
ایک کوڈ ایویلیویشن میٹرک اس موقع کی پیمائش کرتا ہے کہ کم از کم k تیار کردہ نمونوں میں سے ایک ٹیسٹ پاس کرتا ہے۔
متعدد انتخابی سوالات کا استعمال کرتے ہوئے 57 تعلیمی اور پیشہ ورانہ مضامین میں ایک بینچ مارک ٹیسٹنگ لینگویج ماڈل۔
Python پروگرامنگ کے مسائل کا ایک بینچ مارک یونٹ ٹیسٹ کے ذریعے کوڈ جنریشن کی درستگی کی پیمائش کرنے کے لیے استعمال ہوتا ہے۔
لینگویج ماڈلز میں مرحلہ وار استدلال کا جائزہ لینے کے لیے گریڈ اسکول کے ریاضی کے الفاظ کے مسائل کا ایک معیار۔
ماڈل کے دعوے قابل تصدیق حقیقی دنیا کی معلومات سے کتنے درست طریقے سے مماثل ہیں۔
ماخذ کے حوالہ جات یا دستاویزات جو ماڈل کے جواب میں اس کے دعووں کی حمایت میں شامل ہیں۔
AI سے تیار کردہ متن یا میڈیا میں قابل شناخت سگنل کو سرایت کرنا تاکہ بعد میں اس کی شناخت مشین سے تیار کردہ کے طور پر کی جا سکے۔
پری ٹریننگ اور پوسٹ ٹریننگ کے درمیان ایک انٹرمیڈیٹ ٹریننگ مرحلہ، جو اکثر صلاحیت یا ڈومین ایڈجسٹمنٹ کے لیے استعمال ہوتا ہے۔
پہلے سے تربیت کے بعد تربیتی اقدامات کا اطلاق ہوتا ہے، جیسے کہ انسٹرکشن ٹیوننگ، ترجیحی اصلاح، اور حفاظتی ٹیوننگ۔
ایک تربیتی سیٹ اپ جہاں ایک ماڈل خود کی کاپیوں کے ساتھ تعاملات یا مقابلوں کے ذریعے ڈیٹا تیار کرکے بہتر کرتا ہے۔
بازیافت کا ایک طریقہ جو متعدد سوالات کی مختلف حالتیں پیدا کرتا ہے، ہر ایک کے نتائج بازیافت کرتا ہے، اور درجہ بندی کو فیوز کرتا ہے۔
بازیافت کی ایک تکنیک جو صارف کے استفسار کو یاد کرنے کو بہتر بنانے کے لیے کئی مختلف حالتوں میں دوبارہ لکھتی ہے۔
بازیافت کا ایک نمونہ جو چھوٹے ٹکڑوں کو تلاش کرتا ہے لیکن امیر سیاق و سباق کے لئے ان کے بڑے والدین دستاویزات کو واپس کرتا ہے۔
ایک ضابطہ کشائی کرنے والا الگورتھم جو زیادہ امکانی نتائج کو تلاش کرنے کے لیے ہر قدم پر امیدواروں کی کئی ترتیبوں کو اوپر رکھتا ہے۔
ایک ضابطہ کشائی کی ترتیب جو ٹوکن کے امکان کو کم کرتی ہے جو ماڈل نے پہلے ہی لوپس کو کم کرنے کے لیے تیار کیا ہے۔
ایک ضابطہ کشائی کی ترتیب جو اب تک کتنی بار ظاہر ہوئے ہیں اس کے تناسب سے ٹوکن کے امکان کو کم کرتی ہے۔
ایک ضابطہ کشائی کی ترتیب جو نئے عنوانات کی حوصلہ افزائی کرتے ہوئے بالکل ظاہر ہونے والے ٹوکن کے امکان کو کم کرتی ہے۔