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۔
انسائیکلوپیڈیا کھولیں۔
اے آئی کیلغت
ضروری تکنیکی اصطلاحات کی وضاحت کی اعلی ترین سطح پر۔ محققین، طالب علموں اور انسانوں پر مبنی تعلیم کے لیے ڈیزائن کیا گیا ہے۔
213شرائطA–Zتلاش + حروف تہجی کا فلٹر100%سادہ زبان کی تعریفیں
A4 شرائط
AI الائنمنٹ
AI نظام کو انسانی ارادوں، اقدار اور حفاظتی پابندیوں کے مطابق برتاؤ کرنے کا کام۔
ANN (تقریبا قریب ترین پڑوسی)
الگورتھم جو ویکٹرز کو کسی سوال کے قریب تلاش کرتے ہیں بغیر مکمل موازنہ کے، رفتار کے لیے درستگی تجارت کرتے ہیں۔
API (ایپلی کیشن پروگرامنگ انٹرفیس)
ایک سافٹ ویئر سسٹم کے لیے دوسرے سسٹم کو درخواستیں بھیجنے اور اس سے جواب موصول کرنے کا ایک منظم طریقہ۔
B1 شرائط
BPE (بائٹ پیئر انکوڈنگ)
ایک ذیلی لفظ ٹوکنائزیشن الگورتھم جو سب سے زیادہ بار بار آنے والے کریکٹر جوڑوں کو دوبارہ قابل استعمال ٹوکنز میں ضم کرتا ہے۔
C2 شرائط
Causal Inference
سادہ ارتباط کے بجائے وجہ اور اثر کے تعلقات کا اندازہ لگانے کے طریقے۔
Convolutional Neural Network (CNN)
ایک عصبی فن تعمیر کو گرڈ نما ڈیٹا جیسے کہ امیجز پر کارروائی کرنے کے لیے بہتر بنایا گیا ہے۔
G2 شرائط
GAN (جنریٹیو ایڈورسریل نیٹ ورک)
ایک تخلیقی سیٹ اپ جہاں ایک جنریٹر اور امتیازی سلوک کرنے والا ایک دوسرے کے خلاف ٹرین کرتا ہے۔
GSM8K
لینگویج ماڈلز میں مرحلہ وار استدلال کا جائزہ لینے کے لیے گریڈ اسکول کے ریاضی کے الفاظ کے مسائل کا ایک معیار۔
H1 شرائط
HNSW
ایک گراف پر مبنی اشاریہ ڈھانچہ اعلیٰ جہتی ویکٹرز پر قریب ترین قریبی پڑوسی کی تیز رفتار تلاش کے لیے۔
I1 شرائط
Inference-Time Compute
پروسیسنگ پاور کی مقدار جو ہر جواب کو تیار کرتے وقت استعمال ہوتی ہے۔
L1 شرائط
LoRA (کم درجہ کی موافقت)
پیرامیٹر سے موثر فائن ٹیوننگ کا طریقہ جو کم درجے کے اڈاپٹر میٹرکس کو شامل کرتا ہے۔
M1 شرائط
MCP (ماڈل سیاق و سباق پروٹوکول)
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۔
O1 شرائط
OCR (آپٹیکل کریکٹر ریکگنیشن)
ٹکنالوجی جو تصاویر میں متن کو تبدیل کرتی ہے یا اسکین کو مشین کے پڑھنے کے قابل متن میں تبدیل کرتی ہے۔
P2 شرائط
Perplexity
ایک لینگوئج ماڈل میٹرک اس بات کی پیمائش کرتا ہے کہ اگلے ٹوکنز کے ذریعہ ماڈل کتنا حیران ہے۔
Prompt Engineering
ڈیزائننگ آؤٹ پٹ کوالٹی، وشوسنییتا، اور کنٹرولیبلٹی کو بہتر بنانے کا اشارہ دیتی ہے۔
Q1 شرائط
QLoRA
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۔
R3 شرائط
RAG (ریٹریول-آگمینٹڈ جنریشن)
ایک ایسا طریقہ جو خارجی علم کو بازیافت کرتا ہے اور تخمینہ کے وقت اسے نسل میں فیڈ کرتا ہے۔
RAG-فیوژن
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۔
RoPE (روٹری پوزیشنل ایمبیڈنگز)
ایک پوزیشنل انکوڈنگ کا طریقہ جو متعلقہ ٹوکن پوزیشنز کو انکوڈ کرنے کے لیے استفسار اور کلیدی ویکٹر کو گھماتا ہے۔
X1 شرائط
XAI (قابل وضاحت AI)
AI پیشین گوئیوں کو زیادہ شفاف اور قابل فہم بنانے کے لیے تکنیک اور طریقے۔
آ3 شرائط
آؤٹ پٹ پارسر
منطق جو ماڈل آؤٹ پٹ کو مضبوطی سے ٹائپ شدہ، مشین کے قابل استعمال ڈھانچے میں توثیق اور تبدیل کرتی ہے۔
آئینی AI
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۔
آن ڈیوائس AI
AI تخمینہ ریموٹ کلاؤڈ سروس کے بجائے صارف کے ہارڈ ویئر پر مقامی طور پر انجام دیا گیا۔
ا30 شرائط
ارادے کی درجہ بندی
متن کے استفسار سے صارف کے مقصد کی پیش گوئی کرنا تاکہ اسے درست طریقے سے روٹ کیا جا سکے۔
اسپارس ماڈل
ایک ایسا ماڈل جہاں حساب کو کم کرنے کے لیے بہت سے پیرامیٹرز صفر یا غیر فعال ہوں۔
استعمال پر مبنی بلنگ
قیمتوں کا تعین جہاں API کالز، ٹوکن، انفرنس ٹائم، یا استعمال شدہ کمپیوٹ کے ساتھ لاگت کی پیمائش ہوتی ہے۔
اسکیلنگ کا قانون
ایک تجرباتی تعلق یہ ظاہر کرتا ہے کہ ماڈل کے سائز، ڈیٹا یا کمپیوٹ کے ساتھ کارکردگی کیسے بہتر ہوتی ہے۔
اعتماد کا وقفہ
ایک شماریاتی رینج جس میں ممکنہ طور پر ماپا ماڈل میٹرک کی حقیقی قدر شامل ہے۔
الائنمنٹ ٹیکس
سسٹم کو محفوظ اور زیادہ قابل کنٹرول بنانے کے لیے درکار وقت، حساب، یا پروڈکٹ کی رفتار میں اضافی لاگت۔
الگورتھم
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۔
الگورتھمک تعصب
ماڈل آؤٹ پٹ میں منظم غیر منصفانہ ڈیٹا، مفروضوں، یا ماڈلنگ کے انتخاب کی وجہ سے ہوتا ہے۔
الگورتھمک شفافیت
AI سسٹم کی منطق، ڈیٹا کے ذرائع اور حدود کتنی واضح طور پر دستاویزی اور قابل فہم ہیں۔
اندازہ
رن ٹائم مرحلہ جہاں ایک تربیت یافتہ ماڈل پیشین گوئیاں یا نتائج پیدا کرتا ہے۔
انسانی تاثرات سے کمک سیکھنا (RLHF)
ایک تربیتی طریقہ جو ماڈل کے رویے کو تشکیل دینے کے لیے انسانی ترجیحی اشارے استعمال کرتا ہے۔
انسانی ترجیحی ماڈل
ایک ماڈل جو انسانی درجہ بندی پر تربیت یافتہ ہے اس کا اندازہ لگانے کے لیے کہ صارفین کن ردعمل کو ترجیح دیں گے۔
انسٹرکشن ٹیوننگ
مندرجہ ذیل کام کو بہتر بنانے کے لیے انسٹرکشن رسپانس جوڑوں پر ماڈل کو ٹھیک کرنا۔
انشانکن
ماڈل کے اعتماد کے اسکور حقیقی درستگی کے امکانات سے کتنی اچھی طرح میل کھاتے ہیں۔
انعامی ماڈل
ایک ماڈل جو ترجیحی سگنلز کی بنیاد پر آؤٹ پٹ اسکور کرتا ہے، جو اکثر RLHF پائپ لائنوں میں استعمال ہوتا ہے۔
انفرنس اینڈ پوائنٹ
ایک تعینات API انٹرفیس جو ماڈل کی درخواستیں وصول کرتا ہے اور پیداوار میں پیشین گوئیاں واپس کرتا ہے۔
انکوڈر
ایک ماڈل کا جزو جو ان پٹ کو اویکت نمائندگی میں تبدیل کرتا ہے۔
اوپن سورس ماڈل
معائنہ، موافقت اور دوبارہ استعمال کے لیے عوامی وزن یا کوڈ کے ساتھ جاری کردہ ایک ماڈل۔
اوور فٹنگ
جب کوئی ماڈل تربیتی ڈیٹا کو حفظ کرتا ہے اور نادیدہ آدانوں پر خراب کارکردگی کا مظاہرہ کرتا ہے۔
اویکت جگہ
ایک کمپریسڈ نمائندگی کی جگہ جہاں ایک جیسے تصورات ایک دوسرے کے قریب ویکٹر کے طور پر رکھے جاتے ہیں۔
ایجنٹ ورک فلو
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۔
ایجنٹی لوپ
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۔
ایل ایل ایم بطور جج
تشخیص کے دوران دوسرے ماڈلز سے آؤٹ پٹ سکور کرنے یا موازنہ کرنے کے لیے لینگویج ماڈل کا استعمال۔
ایم ایم ایل یو
متعدد انتخابی سوالات کا استعمال کرتے ہوئے 57 تعلیمی اور پیشہ ورانہ مضامین میں ایک بینچ مارک ٹیسٹنگ لینگویج ماڈل۔
ایمبیڈنگ ماڈل
ایک ماڈل ڈیٹا کو ویکٹر میں تبدیل کرنے کے لیے مخصوص ہے جو سیمنٹک تلاش، کلسٹرنگ، اور بازیافت کے لیے استعمال ہوتا ہے۔
ایول ہارنس
دوبارہ قابل تشخیص کا فریم ورک جو ماڈل ورژنز میں پرامپٹس، ڈیٹا سیٹس، اور اسکورنگ منطق چلاتا ہے۔
اے آئی ایجنٹ
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۔
اے آئی ایکٹ
AI سسٹمز اور فراہم کنندگان کے لیے یورپی یونین کا رسک پر مبنی ریگولیٹری فریم ورک۔
اے آئی سیفٹی
AI سسٹمز میں نقصان دہ رویے، ناکامیوں اور غلط استعمال کے خطرات کو کم کرنے پر توجہ مرکوز کرنے والا فیلڈ۔
اے آئی گورننس
پالیسیاں، معیارات، اور نگرانی کے طریقہ کار جو رہنمائی کرتے ہیں کہ معاشرے میں AI کو کیسے تیار اور استعمال کیا جاتا ہے۔
ب12 شرائط
بازی ماڈل
ایک تخلیقی فن تعمیر جو امیجز، آڈیو یا دیگر مواد کی ترکیب کے لیے شور کو ریورس کرنا سیکھتا ہے۔
بازیافت
کسی استفسار کے لیے علمی ماخذ سے متعلقہ دستاویزات یا ریکارڈ تلاش کرنا۔
بازیافت صحت سے متعلق
بازیافت شدہ آئٹمز کا تناسب جو صارف کے استفسار سے متعلق ہیں۔
بڑا ڈیٹا
بہت بڑے اور پیچیدہ ڈیٹاسیٹس جن میں توسیع پذیر اسٹوریج اور پروسیسنگ تکنیک کی ضرورت ہوتی ہے۔
بڑی زبان کا ماڈل (LLM)
متن کی تخلیق اور تجزیہ کرنے کے لیے بڑے پیمانے پر ٹیکسٹ کارپورا پر تربیت یافتہ زبان کا ماڈل۔
بعد از تربیت
پہلے سے تربیت کے بعد تربیتی اقدامات کا اطلاق ہوتا ہے، جیسے کہ انسٹرکشن ٹیوننگ، ترجیحی اصلاح، اور حفاظتی ٹیوننگ۔
بلیک باکس ماڈل
ایک ایسا ماڈل جس کی اندرونی استدلال انسانوں کے ذریعہ براہ راست تشریح کرنا مشکل ہے۔
بیس لائن ماڈل
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۔
بیک پروپیگیشن
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۔
بیم کی تلاش
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۔
بینچ مارک
ایک معیاری ٹیسٹ یا ڈیٹا سیٹ جو ماڈل کی کارکردگی کی پیمائش اور موازنہ کرنے کے لیے استعمال ہوتا ہے۔
بینچ مارک لیکیج
جب بینچ مارک ٹیسٹ کی مثالیں یا قریبی متغیرات تربیتی ڈیٹا میں موجود ہوں، رپورٹ کی کارکردگی کو بڑھاتے ہوئے
ت11 شرائط
تاخیر
درخواست بھیجنے اور ماڈل کا آؤٹ پٹ وصول کرنے کے درمیان کا وقت۔
تدریجی نزول
ایک اصلاح کا طریقہ جو پیرامیٹرز کو اس سمت میں اپ ڈیٹ کرتا ہے جو غلطی کو کم کرتا ہے۔
تربیت کا نقصان
ماڈل کی غلطی کی قدر تربیت کے دوران شمار کی گئی اور وقت کے ساتھ نیچے کی طرف بہتر کی گئی۔
تشخیصی سیٹ
تربیت کے بعد ماڈل کے معیار کی پیمائش کرنے کے لیے استعمال ہونے والا ایک ہولڈ آؤٹ ڈیٹاسیٹ۔
تشریح
مشین لرننگ ماڈلز کو تربیت دینے یا جانچنے کے لیے استعمال کیے گئے انسانی شامل کردہ لیبلز یا میٹا ڈیٹا۔
تعدد جرمانہ
ایک ضابطہ کشائی کی ترتیب جو اب تک کتنی بار ظاہر ہوئے ہیں اس کے تناسب سے ٹوکن کے امکان کو کم کرتی ہے۔
تعصب
ڈیٹا یا ماڈل کے رویے میں غلطی یا غیر منصفانہ کا ایک مستقل نمونہ۔
تفریق رازداری
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۔
تکرار کی سزا
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۔
توثیق سیٹ
ماڈلز کو ٹیون کرنے اور اوور فٹنگ کو روکنے کے لیے ڈیولپمنٹ کے دوران استعمال ہونے والا ڈیٹاسیٹ۔
توجہ کا طریقہ کار
ایک ماڈل کا جزو جو آؤٹ پٹ تیار کرتے وقت متحرک طور پر ان پٹ کے متعلقہ حصوں پر فوکس کرتا ہے۔
ج6 شرائط
جذبات کا تجزیہ
ایک NLP کام جو متن میں جذباتی لہجے یا رائے کی درجہ بندی کرتا ہے۔
جنرلائزیشن
ٹریننگ سیٹ سے باہر نئے، غیر دیکھے گئے ڈیٹا پر ماڈل کتنی اچھی کارکردگی کا مظاہرہ کرتا ہے۔
جنریٹو اے آئی
AI سسٹم جو نیا مواد تیار کرتے ہیں جیسے کہ متن، تصاویر، آڈیو، ویڈیو یا کوڈ۔
جھوٹا منفی
ایک غلط پیشین گوئی جہاں ایک ماڈل ایک حقیقی مثبت کیس سے محروم رہتا ہے۔
جوڑا
مضبوطی یا درستگی کو بہتر بنانے کے لیے متعدد ماڈلز کی پیشین گوئیوں کو یکجا کرنا۔
جیل بریک
ایک فوری تکنیک جس کا مقصد ماڈل کی حفاظتی رکاوٹوں کو نظرانداز کرنا ہے۔
ح4 شرائط
حاضری کی سزا
ایک ضابطہ کشائی کی ترتیب جو نئے عنوانات کی حوصلہ افزائی کرتے ہوئے بالکل ظاہر ہونے والے ٹوکن کے امکان کو کم کرتی ہے۔
حساب
ماڈلز کو تربیت دینے اور چلانے کے لیے درکار پروسیسنگ وسائل، جو اکثر FLOPS یا GPU گھنٹوں میں ماپا جاتا ہے۔
حقیقت
ماڈل کے دعوے قابل تصدیق حقیقی دنیا کی معلومات سے کتنے درست طریقے سے مماثل ہیں۔
حوالہ جات
ماخذ کے حوالہ جات یا دستاویزات جو ماڈل کے جواب میں اس کے دعووں کی حمایت میں شامل ہیں۔
خ4 شرائط
خصوصیت نکالنا
خام ڈیٹا کو معلوماتی خصوصیات میں تبدیل کرنا جسے ماڈل استعمال کر سکتا ہے۔
خود زیر نگرانی سیکھنا
نقاب پوش یا تبدیل شدہ حصوں کی پیش گوئی کرکے بغیر لیبل والے ڈیٹا سے نمائندگی سیکھنا۔
خود مختار نظام
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۔
خیالات کا درخت
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۔
د5 شرائط
درجہ بندی
ایسا کام جہاں ایک ماڈل ایک یا زیادہ پہلے سے طے شدہ زمروں کو ان پٹ تفویض کرتا ہے۔
درجہ بندی کرنے والا
ایک ماڈل جو خاص طور پر درجہ بندی کے کاموں کے لیے ڈیزائن کیا گیا ہے۔
درجہ حرارت
نمونے لینے کی ترتیب جو پیدا شدہ آؤٹ پٹس میں بے ترتیب پن کو کنٹرول کرتی ہے۔
درمیانی تربیت
پری ٹریننگ اور پوسٹ ٹریننگ کے درمیان ایک انٹرمیڈیٹ ٹریننگ مرحلہ، جو اکثر صلاحیت یا ڈومین ایڈجسٹمنٹ کے لیے استعمال ہوتا ہے۔
دو انکوڈر
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۔
ر3 شرائط
رد عمل
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۔
ری رینکر
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۔
ریڈ ٹیمنگ
ناکامیوں اور خطرات کو ظاہر کرنے کے لیے مخالفانہ اشارے کے ساتھ ایک AI نظام کی تناؤ کی جانچ۔
ز4 شرائط
زمینی پن
وہ ڈگری جس تک AI ردعمل کو ماخذ ڈیٹا یا بازیافت شدہ ثبوت کے ذریعہ سپورٹ کیا جاتا ہے۔
زمینی سچائی
قابل اعتماد حوالہ لیبل جو ماڈل آؤٹ پٹس کو تربیت دینے یا جانچنے کے لیے استعمال ہوتے ہیں۔
زیر نگرانی سیکھنا
لیبل شدہ مثالوں کے ساتھ ایک ماڈل کو تربیت دینا جو معلوم آؤٹ پٹس پر ان پٹ کو نقشہ بناتا ہے۔
زیرو شاٹ لرننگ
پیشگی عمومی معلومات پر بھروسہ کرتے ہوئے کام سے متعلق مخصوص مثالوں کے بغیر کاموں کو حل کرنا۔
س13 شرائط
سٹرکچرڈ آؤٹ پٹ
ماڈل آؤٹ پٹ ایک متعین اسکیما جیسے JSON، ٹول آرگیومینٹس، یا ٹائپ شدہ فیلڈز تک محدود ہے۔
سرایت کرنا
ایک عددی ویکٹر کی نمائندگی جو متن، تصاویر، یا دیگر ڈیٹا کے معنوی معنی حاصل کرتی ہے۔
سزا کا ٹکڑا
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۔
سسٹم پرامپٹ
ایک اعلی ترجیحی ہدایت جو ماڈل کے لیے طرز عمل، پالیسی اور ردعمل کا انداز متعین کرتی ہے۔
سفارشی نظام
ایک ماڈل پائپ لائن جو مواد یا مصنوعات کی درجہ بندی کے لیے صارف کی ترجیحات کی پیش گوئی کرتی ہے۔
سلائیڈنگ ونڈو توجہ
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۔
سوچ کا سلسلہ
ایک استدلال کا انداز جہاں ایک AI ماڈل کسی مسئلے کو درمیانی مراحل میں حل کرتا ہے۔
سیاق و سباق کی کھڑکی
ان پٹ ٹوکنز کی زیادہ سے زیادہ مقدار جس پر ایک زبان کا ماڈل ایک ساتھ کارروائی کر سکتا ہے۔
سیاق و سباق میں سیکھنا
پرامپٹ میں براہ راست فراہم کردہ مثالوں سے نمونوں کی پیروی کرنے کی ماڈل کی صلاحیت۔
سیفٹی فلٹر
ایک اعتدال کی پرت جو غیر محفوظ ماڈل ان پٹس یا آؤٹ پٹس کو روکتی ہے یا دوبارہ لکھتی ہے۔
سیفٹی کیس
ایک منظم دلیل، جس کی تائید شواہد سے ہوتی ہے، کہ AI نظام استعمال کے متعین سیاق و سباق کے لیے محفوظ ہے۔
سیکھنے کی شرح
ایک تربیتی ہائپر پیرامیٹر یہ کنٹرول کرتا ہے کہ ہر اپ ڈیٹ کے مرحلے میں کتنے پیرامیٹرز تبدیل ہوتے ہیں۔
سیلف پلے
ایک تربیتی سیٹ اپ جہاں ایک ماڈل خود کی کاپیوں کے ساتھ تعاملات یا مقابلوں کے ذریعے ڈیٹا تیار کرکے بہتر کرتا ہے۔
ش1 شرائط
شیڈو تعیناتی۔
صارف کا سامنا کرنے والے فیصلوں کو متاثر کیے بغیر پروڈکشن ٹریفک کے ساتھ متوازی ماڈل چلانا۔
ص2 شرائط
صحت سے متعلق
پیش گوئی کی گئی مثبتات کا تناسب جو حقیقت میں درست ہیں۔
صفر ڈیٹا برقرار رکھنا
ایک پالیسی جہاں مختصر مدت کے آپریشنل ونڈوز سے آگے پروسیسنگ کے بعد درخواست/جواب کے پے لوڈز کو محفوظ نہیں کیا جاتا ہے۔
ع3 شرائط
علم کشید
بڑے ماڈل کے نتائج کی نقل کرنے کے لیے چھوٹے ماڈل کو تربیت دینا۔
علم کی بنیاد
بازیافت، سپورٹ آٹومیشن، یا گراؤنڈنگ جوابات کے لیے استعمال ہونے والے دستاویزات یا ریکارڈز کا تیار کردہ مجموعہ۔
علی بی
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۔
غ2 شرائط
غلط مثبت
ایک غلط پیشین گوئی جہاں ایک ماڈل غلط طور پر منفی کیس کو مثبت کے طور پر جھنڈا دیتا ہے۔
غیر زیر نگرانی سیکھنا
واضح ٹارگٹ آؤٹ پٹس کے بغیر لیبل والے ڈیٹا سے پیٹرن سیکھنا۔
ف10 شرائط
فاؤنڈیشن ماڈل
ایک بڑا پہلے سے تربیت یافتہ ماڈل جسے بہت سے نیچے کی دھارے کے کاموں کے لیے ڈھال لیا جا سکتا ہے۔
فائن ٹیوننگ
پہلے سے تربیت یافتہ ماڈل کو مخصوص کام کے لیے ڈھالنے کے لیے ڈومین کے مخصوص ڈیٹا پر تربیت جاری رکھنا۔
فلیش توجہ
ایک بہتر توجہ کا الگورتھم جو میموری کے استعمال کو کم کرتا ہے اور ٹرانسفارمر کی تربیت اور اندازہ کو تیز کرتا ہے۔
فنکشن کالنگ
سٹرکچرڈ کالز جنریٹ کرنے کی ماڈل کی صلاحیت جو بیرونی ٹولز یا APIs کو متحرک کرتی ہے۔
فوری انجیکشن
حملہ کا ایک نمونہ جہاں ماڈل ان پٹس یا بازیافت شدہ مواد میں بدنیتی پر مبنی ہدایات داخل کی جاتی ہیں۔
فیچر
ایک ان پٹ متغیر جو کسی ماڈل کے ذریعہ پیشین گوئیاں کرنے کے لیے استعمال ہوتا ہے۔
فیچر اسٹور
تربیت اور تخمینہ کے لیے توثیق شدہ ML خصوصیات کو مستقل طور پر ذخیرہ کرنے اور پیش کرنے کے لیے ایک منظم نظام۔
فیچر انجینئرنگ
سیکھنے کو آسان اور زیادہ موثر بنانے کے لیے ان پٹ متغیرات کو ڈیزائن یا تبدیل کرنا۔
فیصلہ کن درخت
ایک ایسا ماڈل جو اگر-تو فیچر سپلٹس کی ترتیب کے ذریعے پیشین گوئیاں کرتا ہے۔
فیصلہ کی حد
خصوصیت کی جگہ میں سطح جو درجہ بندی کرنے والے کے ذریعہ پیش گوئی کی گئی کلاسوں کو الگ کرتی ہے۔
ق1 شرائط
قیاس آرائی پر مبنی ضابطہ کشائی
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۔
ل2 شرائط
لفظ ایمبیڈنگ
معنوی رشتوں کو حاصل کرنے والے الفاظ کی گھنی ویکٹر نمائندگی۔
لیبل ہموار کرنا
ریگولرائزیشن کا ایک طریقہ جو عامیت کو بہتر بنانے کے لیے سخت لیبلز کو نرم کرتا ہے۔
م15 شرائط
ماڈل ڈرفٹ
وقت کے ساتھ ساتھ کارکردگی کا انحطاط کیونکہ حقیقی دنیا کے حالات تربیت کے مفروضوں سے ہٹ جاتے ہیں۔
ماڈل رجسٹری
پورے ماحول میں ماڈلز کو ورژن بنانے، منظور کرنے اور ٹریک کرنے کے لیے ایک مرکزی کیٹلاگ۔
ماڈل کارڈ
ماڈل کے مطلوبہ استعمال، میٹرکس، حدود اور خطرات کو بیان کرنے والی دستاویز۔
ماڈل کوانٹائزیشن
میموری اور تخمینہ لاگت کو کم کرنے کے لیے ماڈل وزن کی عددی درستگی کو کم کرنا۔
ماہرین کا مرکب (MoE)
خصوصی ذیلی نیٹ ورک کے ساتھ ایک فن تعمیر جہاں صرف منتخب ماہرین فی ان پٹ چلاتے ہیں۔
مسلسل سیکھنا
تربیتی نقطہ نظر جو ایک ماڈل کو پیشگی معلومات کو فراموش کیے بغیر نئے ڈیٹا سے سیکھتے رہنے دیتے ہیں۔
مشین لرننگ (ML)
ایسے طریقے جو سسٹمز کو ڈیٹا سے پیٹرن سیکھنے اور وقت کے ساتھ ساتھ بہتر کرنے کی اجازت دیتے ہیں۔
مصنوعی ذہانت (AI)
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۔
مصنوعی ڈیٹا
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۔
مضبوطی
شور، شفٹوں، یا مخالفانہ ان پٹ کے تحت کارکردگی کو برقرار رکھنے کی ماڈل کی صلاحیت۔
معنوی تلاش
تلاش جو کہ معنی سے مماثل ہو نہ کہ کلیدی الفاظ کے اوورلیپ کے، اکثر ایمبیڈنگ کا استعمال کرتے ہوئے۔
ملٹی موڈل ماڈل
ایک ایسا ماڈل جو متن، تصویر، اور آڈیو جیسے متعدد ڈیٹا کی اقسام پر کارروائی یا تخلیق کر سکتا ہے۔
ملٹی ہیڈ توجہ
ایک ٹرانسفارمر میکانزم جو مختلف قسم کے رشتوں کو حاصل کرنے کے لیے متوازی طور پر توجہ کے متعدد آپریشن چلاتا ہے۔
میلان
ایک ویکٹر دکھا رہا ہے کہ نقصان کو کم کرنے کے لیے ہر پیرامیٹر کو کتنا بدلنا چاہیے۔
میموری (ایجنٹ میموری)
ذخیرہ شدہ سیاق و سباق ایک AI ایجنٹ تسلسل کو بہتر بنانے کے لیے تمام مراحل یا سیشنز میں استعمال کرتا ہے۔
ن7 شرائط
نارملائزیشن
اصلاح کے استحکام کو بہتر بنانے کے لیے اقدار کو ایک مستقل پیمانے پر تبدیل کرنا۔
نالج کٹ آف
وقت کا تازہ ترین نقطہ ایک ماڈل کے تربیتی ڈیٹا میں ظاہر ہوتا ہے۔
نالج گراف
استدلال یا بازیافت کے لیے استعمال ہونے والے اداروں اور رشتوں کا گراف ڈھانچہ۔
نامزد ہستی کی شناخت (NER)
ایک NLP کام جو لوگوں، مقامات، تاریخوں، یا تنظیموں جیسے اداروں کی شناخت کرتا ہے۔
نقصان کی تقریب
ایک ریاضیاتی مقصد جو تربیت کے دوران پیشین گوئی کی غلطی کو درست کرتا ہے۔
نیچرل لینگویج پروسیسنگ (NLP)
AI کی شاخ انسانی زبان کو سمجھنے اور تخلیق کرنے پر مرکوز ہے۔
نیورل نیٹ ورک
حیاتیاتی نیوران اور synapses سے متاثر ایک تہہ دار کمپیوٹیشنل ماڈل۔
و6 شرائط
واٹر مارکنگ
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۔
والدین کی دستاویز کی بازیافت
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۔
وزن
ایک سیکھی ہوئی عددی قدر جو عصبی نیٹ ورک سے گزرنے والے سگنلز کی پیمائش کرتی ہے۔
وضاحت کی اہلیت
وہ ڈگری جس میں ایک ماڈل کے رویے کی تشریح اور انسانوں کے لیے وضاحت کی جا سکتی ہے۔
ویژن لینگوئج ماڈل (VLM)
ایک ملٹی موڈل ماڈل جو مشترکہ طور پر بصری اور متنی معلومات پر کارروائی کرتا ہے۔
ویکٹر ڈیٹا بیس
اعلی جہتی سرایت کرنے والے ویکٹرز کو ذخیرہ کرنے اور استفسار کرنے کے لیے موزوں ڈیٹا بیس۔
ٹ9 شرائط
ٹاپ پی (نیوکلئس) سیمپلنگ
ایک ضابطہ کشائی کی حکمت عملی جو سب سے چھوٹے ٹوکن سیٹ سے نمونے لیتی ہے جس کے امکانات کا مجموعہ p ہے۔
ٹاپ-کے سیمپلنگ
ایک ضابطہ کشائی کی حکمت عملی جو صرف k سے نمونے لیتی ہے ممکنہ طور پر اگلے ٹوکنز۔
ٹرانسفارمر
ایک عصبی فن تعمیر جو متوازی طور پر ترتیب میں ماڈل تعلقات پر توجہ کا استعمال کرتا ہے۔
ٹرانسفر لرننگ
ایک کام یا ڈومین میں سیکھے گئے علم کو دوسرے کام کو بہتر بنانے کے لیے استعمال کرنا۔
ٹرسٹ کیلیبریشن
ہر کام میں سسٹم کی حقیقی وشوسنییتا کے ساتھ AI آؤٹ پٹس میں صارف کے اعتماد کو سیدھ میں لانا۔
ٹوکن
زبان کے ماڈلز کے ذریعے پروسیس شدہ متن کا ایک حصہ، جیسے لفظ کا ٹکڑا یا علامت۔
ٹوکنائزیشن
ماڈل ان پٹ کے لیے متن کو ٹوکن میں تقسیم کرنے کا عمل۔
ٹول کا استعمال
ایک ماڈل کی بیرونی ٹولز جیسے تلاش، کیلکولیٹر، یا APIs کو کال کرنے کی صلاحیت۔
ٹیسٹ ٹائم کمپیوٹ
معیار یا استدلال کو بہتر بنانے کے لیے رسپانس جنریشن کے دوران استعمال ہونے والی اضافی انفرنس کمپیوٹیشن۔
پ8 شرائط
پائپ لائن
پری پروسیسنگ، ماڈل اسٹیپس، اور پوسٹ پروسیسنگ مراحل کا ایک ترتیب شدہ ورک فلو۔
پاس@k
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۔
پرامپٹ
جنریٹیو ماڈل کو فراہم کردہ ان پٹ ہدایات اور سیاق و سباق۔
پرامپٹ ٹیمپلیٹ
متغیرات، فارمیٹنگ کے قواعد، اور کام کے لیے مخصوص ہدایات کے ساتھ دوبارہ قابل استعمال پرامپٹ پیٹرن۔
پری ٹریننگ
ڈاؤن اسٹریم موافقت سے پہلے وسیع ڈیٹا پر ابتدائی بڑے پیمانے پر ماڈل ٹریننگ۔
پوزیشنی انکوڈنگ
ٹوکن ایمبیڈنگ میں معلومات شامل کی جاتی ہیں تاکہ ٹرانسفارمرز ترتیب ترتیب میں فرق کر سکیں۔
پیرامیٹر
ایک ماڈل کے اندر سیکھا ہوا وزن جو اس کے آؤٹ پٹس کو متاثر کرتا ہے۔
پیرامیٹر سے موثر فائن ٹیوننگ (PEFT)
وہ طریقے جو شامل کردہ پیرامیٹرز کے چھوٹے ذیلی سیٹ کو تربیت دے کر ماڈلز کو اپناتے ہیں۔
چ2 شرائط
چند شاٹ لرننگ
صرف چند مثالوں سے طرز عمل سیکھنا یا اپنانا۔
چھوٹی زبان کا ماڈل (SLM)
ایک کمپیکٹ لینگویج ماڈل جو کم تاخیر، لاگت، یا ڈیوائس پر استعمال کے لیے موزوں ہے۔
ڈ9 شرائط
ڈسٹلڈ ماڈل
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۔
ڈومین موافقت
وہ طریقے جو ایک ڈومین میں تربیت یافتہ ماڈل کو دوسرے ڈومین میں بہتر کارکردگی دکھانے کے لیے منتقل کرتے ہیں۔
ڈی پی او (براہ راست ترجیحی اصلاح)
ایک تربیتی طریقہ جو ماڈلز کو براہ راست ترجیحی جوڑوں پر بناتا ہے بغیر کسی علیحدہ انعامی ماڈل کی ضرورت کے۔
ڈیٹا پرووننس
ڈیٹاسیٹ یا ماڈل آرٹفیکٹ کی دستاویزی اصلیت، ملکیت اور تاریخ۔
ڈیٹا ڈرفٹ
وقت کے ساتھ حقیقی دنیا کے ان پٹ ڈیٹا میں تبدیلی جو ماڈل کی کارکردگی کو کم کر سکتی ہے۔
ڈیٹا سیٹ
تربیت، توثیق، یا جانچ کے لیے استعمال ہونے والی منظم یا غیر ساختہ مثالوں کا مجموعہ۔
ڈیٹا کو بڑھانا
وہ تکنیکیں جو ماڈل کو عام کرنے کو بہتر بنانے کے لیے ترمیم شدہ تربیتی مثالیں تخلیق کرتی ہیں۔
ڈیٹا لیبلنگ
زیر نگرانی سیکھنے کے لیے خام ڈیٹا کو ٹیگز یا ٹارگٹ آؤٹ پٹ تفویض کرنے کا عمل۔
ڈیٹا نسب
ڈیٹا کہاں سے آیا، اسے کیسے تبدیل کیا گیا، اور اسے کہاں استعمال کیا گیا اس کا ریکارڈ۔
ک11 شرائط
کثیر سوالات کی بازیافت
بازیافت کی ایک تکنیک جو صارف کے استفسار کو یاد کرنے کو بہتر بنانے کے لیے کئی مختلف حالتوں میں دوبارہ لکھتی ہے۔
کٹائی
سائز اور حساب کو کم کرنے کے لیے کم اہم ماڈل وزن یا نیوران کو ہٹانا۔
کراس انکوڈر
ایک ایسا ماڈل جو اعلی درستگی سے متعلق فیصلوں کے لیے ایک ہی پاس میں استفسار اور دستاویز کو ایک ساتھ اسکور کرتا ہے۔
کراس اینٹروپی نقصان
غلط احتمالات کو سزا دے کر درجہ بندی کے ماڈلز کو تربیت دینے کے لیے استعمال ہونے والا ایک عام مقصدی فنکشن۔
کشید ۔
ایک بڑے استاد کے ماڈل سے علم کو ایک چھوٹے طالب علم کے ماڈل میں کم کرنا۔
کلپ
ایک ملٹی موڈل ماڈل فن تعمیر جو متن اور تصاویر کے درمیان مشترکہ نمائندگی سیکھتا ہے۔
کمپیوٹر ویژن
AI کی وہ شاخ جو تصاویر اور ویڈیو سے معنی نکالتی ہے۔
کمزور نگرانی
جب کلین لیبلز کی کمی ہو تو ماڈلز کو تربیت دینے کے لیے شور، ہورسٹک یا جزوی لیبلز کا استعمال۔
کمک سیکھنا
انعامی سگنلز کے ذریعے تربیت جہاں ایک ایجنٹ ایسے اعمال سیکھتا ہے جو طویل مدتی واپسی کو زیادہ سے زیادہ بناتے ہیں۔
کوانٹائزیشن
ماڈل کے وزن کو کم درستگی والے فارمیٹس میں تبدیل کرنا جیسے 8 بٹ یا 4 بٹ۔
کے وی کیشے
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۔
گ3 شرائط
گارڈڈ ڈی کوڈنگ
ایک نسل کی حکمت عملی جو آؤٹ پٹ ٹوکنز کو درست ڈھانچے یا پالیسی کے مطابق انتخاب تک محدود رکھتی ہے۔
گارڈریلز
قواعد، چیک، اور کنٹرول جو غیر محفوظ یا غیر مطلوبہ ماڈل کے رویے کو محدود کرتے ہیں۔
گہری تعلیم
مشین لرننگ کا ایک ذیلی سیٹ جو نمائندگی سیکھنے کے لیے کئی پرتوں والے نیورل نیٹ ورکس کا استعمال کرتا ہے۔
ہ5 شرائط
ہائبرڈ تلاش
بازیافت کا نقطہ نظر جو مطلوبہ الفاظ (لغوی) تلاش کو ویکٹر (سمینٹک) تلاش کے ساتھ جوڑتا ہے بہتر یاد کرنے اور درستگی کے لیے۔
ہائپر پیرامیٹر
تربیت سے پہلے ترتیب کی قدر، جیسے سیکھنے کی شرح، بیچ کا سائز، یا گہرائی۔
ہیلوسینیشن
جب کوئی ماڈل روانی سے لیکن غلط یا غیر تعاون یافتہ معلومات تیار کرتا ہے۔
ہیومن ان دی لوپ
ایک ورک فلو جہاں انسان AI آؤٹ پٹس کا جائزہ، رہنمائی، یا اوور رائیڈ کرتا ہے۔
ہیومن ایول
Python پروگرامنگ کے مسائل کا ایک بینچ مارک یونٹ ٹیسٹ کے ذریعے کوڈ جنریشن کی درستگی کی پیمائش کرنے کے لیے استعمال ہوتا ہے۔
ی1 شرائط
یاد کرنا
حقیقی مثبتات کا تناسب جس کی ایک ماڈل صحیح شناخت کرتا ہے۔