术语s on AI术语词典https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/Recent content in 术语s on AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000被遗忘权https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/right_to_be_forgotten/Sat, 18 Jul 2026 11:38:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/right_to_be_forgotten/<h2 id="definition">Definition</h2> <p>被遗忘权使用户有权要求从数据库和 AI 训练集中移除其个人信息。在机器学习中实施这一权利具有挑战性，因为模型可能已经将从这些数据中学习到的知识固化在参数中。</p> <h3 id="summary">Summary</h3> <p>一项法律概念，允许个人要求组织删除其持有的个人数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据删除</li> <li>机器遗忘</li> <li>法律合规</li> <li>模型重训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>遵守 GDPR 的删除请求</li> <li>从模型中移除有偏见或有害的历史数据</li> <li>管理 AI 服务中的用户同意撤销</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-unlearning-%E6%9C%BA%E5%99%A8%E9%81%97%E5%BF%98/">Machine Unlearning (机器遗忘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-erasure-%E6%95%B0%E6%8D%AE%E6%93%A6%E9%99%A4/">Data Erasure (数据擦除)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/consent-management-%E5%90%8C%E6%84%8F%E7%AE%A1%E7%90%86/">Consent Management (同意管理)</a></li> </ul>刻板印象https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stereotype/Sat, 18 Jul 2026 11:38:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stereotype/<h2 id="definition">Definition</h2> <p>在人工智能中，当模型学习并放大训练数据中存在的社会偏见时，就会产生刻板印象。这可能导致歧视性结果，例如将某些职业与特定性别联系起来。</p> <h3 id="summary">Summary</h3> <p>一种概括性的、往往过于简化的信念，反映在 AI 的输出中。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法偏见</li> <li>公平性</li> <li>社会偏见</li> <li>歧视</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计招聘算法中的性别偏见</li> <li>纠正面部识别中的种族偏见</li> <li>开发更公平的自然语言处理模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-mitigation-%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3/">Bias Mitigation (偏见缓解)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fairness-metrics-%E5%85%AC%E5%B9%B3%E6%80%A7%E6%8C%87%E6%A0%87/">Fairness Metrics (公平性指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-discrimination-%E7%AE%97%E6%B3%95%E6%AD%A7%E8%A7%86/">Algorithmic Discrimination (算法歧视)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-curation-%E6%95%B0%E6%8D%AE%E9%9B%86%E7%AD%96%E5%B1%95/">Dataset Curation (数据集策展)</a></li> </ul>课程学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/curriculum_learning/Sat, 18 Jul 2026 11:38:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/curriculum_learning/<h2 id="definition">Definition</h2> <p>课程学习模仿人类教育过程，以结构化的顺序呈现训练数据，通常从简单样本开始，并逐渐增加复杂度。这种方法有助于神经网络更好地收敛并提高泛化能力。</p> <h3 id="summary">Summary</h3> <p>一种训练策略，模型先学习简单的示例，然后再逐步过渡到更难的示例。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>渐进式难度</li> <li>样本排序</li> <li>收敛速度</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在复杂图像数据集上训练深度神经网络</li> <li>针对不同句子复杂度的语言建模</li> <li>具有稀疏奖励的强化学习任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hard-negative-mining-%E9%9A%BE%E4%BE%8B%E6%8C%96%E6%8E%98/">Hard Negative Mining (难例挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-augmentation-%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA/">Data Augmentation (数据增强)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self-paced-learning-%E8%87%AA%E6%AD%A5%E5%AD%A6%E4%B9%A0/">Self-Paced Learning (自步学习)</a></li> </ul>模型提取https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_extraction/Sat, 18 Jul 2026 11:38:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_extraction/<h2 id="definition">Definition</h2> <p>模型提取涉及查询目标机器学习模型的 API，以推断其内部结构、权重或决策边界。攻击者利用这些查询构建一个代理模型，从而窃取知识产权或绕过安全限制。</p> <h3 id="summary">Summary</h3> <p>一种攻击方式， adversaries 通过查询模型来重建其参数或创建代理副本。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>代理建模</li> <li>API 查询</li> <li>知识产权盗窃</li> <li>对抗性攻击</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>商业 AI API 的安全审计</li> <li>保护专有算法免受克隆</li> <li>研究针对模型提取的防御机制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/membership-inference-%E6%88%90%E5%91%98%E6%8E%A8%E6%96%AD/">Membership Inference (成员推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial-examples-%E5%AF%B9%E6%8A%97%E6%A0%B7%E6%9C%AC/">Adversarial Examples (对抗样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-watermarking-%E6%A8%A1%E5%9E%8B%E6%B0%B4%E5%8D%B0/">Model Watermarking (模型水印)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-security-api-%E5%AE%89%E5%85%A8/">API Security (API 安全)</a></li> </ul>数据最小化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_minimization/Sat, 18 Jul 2026 11:38:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_minimization/<h2 id="definition">Definition</h2> <p>数据最小化是一项核心的隐私原则，要求组织将数据收集限制在充分、相关且必要的范围内。在人工智能领域，这意味着设计能够减少不必要数据依赖的模型。</p> <h3 id="summary">Summary</h3> <p>仅收集和处理特定目的所严格必要的个人数据的原则。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>目的限制</li> <li>设计隐私</li> <li>数据缩减</li> <li>监管合规</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为公共研究设计匿名化数据集</li> <li>实施联邦学习以保持原始数据本地化</li> <li>审计AI系统是否存在过度数据保留</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/anonymization-%E5%8C%BF%E5%90%8D%E5%8C%96/">Anonymization (匿名化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/differential-privacy-%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81/">Differential Privacy (差分隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/purpose-limitation-%E7%9B%AE%E7%9A%84%E9%99%90%E5%88%B6/">Purpose Limitation (目的限制)</a></li> </ul>Wumpus Worldhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wumpus_world/Sat, 18 Jul 2026 11:38:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wumpus_world/<h2 id="definition">Definition</h2> <p>Wumpus World 是 Russell 和 Norvig 的 AI 教科书中引入的一个基于网格的环境。智能体必须在网格中导航以寻找金子，同时避开陷阱和一个名为 Wumpus 的怪物。智能体通过感知环境中的线索（如微风、臭味等）来推断周围的情况，</p> <h3 id="summary">Summary</h3> <p>一个经典的人工智能环境，用于演示在不确定性和部分可观察性下的推理过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>部分可观察性</li> <li>逻辑推理</li> <li>网格世界</li> <li>智能体感知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>教授 AI 逻辑与推理</li> <li>基准测试搜索算法</li> <li>演示概率模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pomdp-%E9%83%A8%E5%88%86%E5%8F%AF%E8%A7%82%E5%AF%9F%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">POMDP (部分可观察马尔可夫决策过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/a-search-a-%E6%90%9C%E7%B4%A2%E7%AE%97%E6%B3%95/">A* Search (A* 搜索算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-networks-%E8%B4%9D%E5%8F%B6%E6%96%AF%E7%BD%91%E7%BB%9C/">Bayesian Networks (贝叶斯网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> </ul>XLM-RoBERTahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/xlm_roberta/Sat, 18 Jul 2026 11:38:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/xlm_roberta/<h2 id="definition">Definition</h2> <p>XLM-RoBERTa（跨语言语言模型 RoBERTa）是由 Meta AI 开发的大规模多语言模型。它通过在一个涵盖 100 多种语言的多样化数据集上进行预训练，扩展了 RoBERTa 的架构，从而实现了强大的跨语言理解和生成能力，</p> <h3 id="summary">Summary</h3> <p>一种基于 RoBERTa 的多语言 Transformer 模型，在超过 100 种语言的庞大文本数据集上进行预训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多语言自然语言处理</li> <li>Transformer 架构</li> <li>跨语言迁移</li> <li>预训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>多语言情感分析</li> <li>跨语言问答</li> <li>机器翻译</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BAtransformer/">BERT (双向编码器表示Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/roberta-%E4%BC%98%E5%8C%96%E7%89%88%E7%9A%84bert/">RoBERTa (优化版的BERT)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/m-bert-%E5%A4%9A%E8%AF%AD%E8%A8%80bert/">M-BERT (多语言BERT)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentence-transformers-%E5%8F%A5%E5%AD%90transformer/">Sentence Transformers (句子Transformer)</a></li> </ul>后门攻击https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/backdoor_attack/Sat, 18 Jul 2026 11:38:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/backdoor_attack/<h2 id="definition">Definition</h2> <p>后门攻击涉及使用特定的模式（称为触发器）对机器学习模型的训练数据进行投毒。虽然模型在干净数据上表现正常，但在检测到触发器时会激活错误的行为，例如将特定图像错误分类为指定标签，</p> <h3 id="summary">Summary</h3> <p>一种安全威胁，恶意行为者在训练期间将隐藏触发器嵌入 AI 模型，导致特定错误分类。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据投毒</li> <li>模型完整性</li> <li>对抗性机器学习</li> <li>触发模式</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>ML 流水线的安全测试</li> <li>开发防御过滤器</li> <li>审计第三方模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial-examples-%E5%AF%B9%E6%8A%97%E6%A0%B7%E6%9C%AC/">Adversarial Examples (对抗样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-poisoning-%E6%95%B0%E6%8D%AE%E6%8A%95%E6%AF%92/">Data Poisoning (数据投毒)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-robustness-%E6%A8%A1%E5%9E%8B%E9%B2%81%E6%A3%92%E6%80%A7/">Model Robustness (模型鲁棒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clean-label-attacks-%E5%B9%B2%E5%87%80%E6%A0%87%E7%AD%BE%E6%94%BB%E5%87%BB/">Clean Label Attacks (干净标签攻击)</a></li> </ul>零样本提示https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zero_shot_prompting/Sat, 18 Jul 2026 11:38:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zero_shot_prompting/<h2 id="definition">Definition</h2> <p>零样本提示涉及直接通过文本提示要求预训练语言模型完成任务，而不提供任何少样本示例或进行额外的微调。该模型利用其在大规模数据上学习到的通用知识和指令遵循能力来生成响应，</p> <h3 id="summary">Summary</h3> <p>一种技术，大型语言模型无需先前示例或微调，仅依靠自然语言指令即可执行任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>提示工程</li> <li>涌现能力</li> <li>上下文学习</li> <li>指令微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI 应用的快速原型设计</li> <li>动态任务切换</li> <li>降低数据标注成本</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few-shot-prompting-%E5%B0%91%E6%A0%B7%E6%9C%AC%E6%8F%90%E7%A4%BA/">Few-Shot Prompting (少样本提示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">Chain-of-Thought (思维链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">Fine-Tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> </ul>泽滕策略https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zeuthen_strategy/Sat, 18 Jul 2026 11:38:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zeuthen_strategy/<h2 id="definition">Definition</h2> <p>泽滕策略是一种基于规则的博弈方法，用于多智能体谈判。它计算智能体为推动其首选结果而愿意承担的最大风险，定义为智能体在坚持立场时可能遭受的效用损失与其在妥协时的效用损失之比，</p> <h3 id="summary">Summary</h3> <p>多智能体系统中的一种谈判协议，根据智能体的效用损失来确定其何时应承担冲突风险。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多智能体系统</li> <li>博弈论</li> <li>谈判协议</li> <li>效用函数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化资源分配</li> <li>分布式规划</li> <li>经济模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rubinstein-bargaining-%E9%B2%81%E5%AE%BE%E6%96%AF%E5%9D%A6%E8%AE%A8%E4%BB%B7%E8%BF%98%E4%BB%B7%E6%A8%A1%E5%9E%8B/">Rubinstein Bargaining (鲁宾斯坦讨价还价模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nash-equilibrium-%E7%BA%B3%E4%BB%80%E5%9D%87%E8%A1%A1/">Nash Equilibrium (纳什均衡)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pareto-optimality-%E5%B8%95%E7%B4%AF%E6%89%98%E6%9C%80%E4%BC%98/">Pareto Optimality (帕累托最优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mechanism-design-%E6%9C%BA%E5%88%B6%E8%AE%BE%E8%AE%A1/">Mechanism Design (机制设计)</a></li> </ul>Whisperhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/whisper/Sat, 18 Jul 2026 11:38:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/whisper/<h2 id="definition">Definition</h2> <p>Whisper 是一个通用语音识别模型，旨在处理多种语言、方言和口音。它是在数十万小时的多语言和 multitask 监督数据上训练而成的，具有强大的鲁棒性。</p> <h3 id="summary">Summary</h3> <p>由 OpenAI 开发的自动语音识别 (ASR) 系统，基于大量多样化音频数据集训练而成。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动语音识别</li> <li>多语言支持</li> <li>抗噪鲁棒性</li> <li>Transformer 架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>视频字幕生成</li> <li>会议或讲座转录</li> <li>语音命令处理</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">whisper</span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> whisper<span style="color:#000;font-weight:bold">.</span>load_model(<span style="color:#d14">&#34;base&#34;</span>) </span></span><span style="display:flex;"><span>result <span style="color:#000;font-weight:bold">=</span> model<span style="color:#000;font-weight:bold">.</span>transcribe(<span style="color:#d14">&#34;audio.mp3&#34;</span>) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(result[<span style="color:#d14">&#34;text&#34;</span>]) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E6%96%87%E6%9C%AC-speech-to-text/">语音转文本 (Speech-to-text)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-natural-language-processing/">自然语言处理 (Natural Language Processing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/openai/">OpenAI</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9F%B3%E9%A2%91%E5%88%86%E7%B1%BB-audio-classification/">音频分类 (Audio classification)</a></li> </ul>WordPiecehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wordpiece/Sat, 18 Jul 2026 11:38:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wordpiece/<h2 id="definition">Definition</h2> <p>WordPiece 是一种广泛应用于 BERT 和 ALBERT 等自然语言处理模型的分词方法。它将单词分解为更小的子词单元，以应对形态学丰富性并减少词汇表大小，从而更好地处理未见过的单词。</p> <h3 id="summary">Summary</h3> <p>一种子词分词算法，通过递归合并最频繁出现的字符对来处理未登录词（OOV）。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>子词分词</li> <li>词汇扩展</li> <li>未登录词处理</li> <li>形态分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为 BERT 模型预处理文本</li> <li>处理低资源语言</li> <li>减小嵌入矩阵大小</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> BertTokenizer </span></span><span style="display:flex;"><span>tokenizer <span style="color:#000;font-weight:bold">=</span> BertTokenizer<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#39;bert-base-uncased&#39;</span>) </span></span><span style="display:flex;"><span>tokens <span style="color:#000;font-weight:bold">=</span> tokenizer<span style="color:#000;font-weight:bold">.</span>tokenize(<span style="color:#d14">&#39;unhappiness&#39;</span>) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(tokens) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AD%97%E8%8A%82%E5%AF%B9%E7%BC%96%E7%A0%81-byte-pair-encoding/">字节对编码 (Byte-Pair Encoding)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentencepiece/">SentencePiece</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E8%AF%8D-tokenization/">分词 (Tokenization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E9%A2%84%E5%A4%84%E7%90%86-nlp-preprocessing/">NLP 预处理 (NLP preprocessing)</a></li> </ul>动作选择中的赢家通吃机制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/winner_take_all_in_action_selection/Sat, 18 Jul 2026 11:38:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/winner_take_all_in_action_selection/<h2 id="definition">Definition</h2> <p>赢家通吃 (WTA) 是一种用于神经网络和强化学习中的竞争过程，用于解决多个竞争动作或假设之间的冲突。在此方案中，激活值最高的单元获胜并执行动作，同时抑制其他竞争者。</p> <h3 id="summary">Summary</h3> <p>一种决策机制，其中激活水平最高的神经元或代理抑制其他所有单元，从而选择一个单一的动作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>侧向抑制</li> <li>竞争性学习</li> <li>动作选择</li> <li>排他性选择</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>运动控制系统</li> <li>分类任务</li> <li>强化学习智能体</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/softmax-%E5%87%BD%E6%95%B0-softmax-function/">Softmax 函数 (Softmax function)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%8E%BB%E5%B0%94%E5%85%B9%E6%9B%BC%E6%9C%BA-boltzmann-machine/">玻尔兹曼机 (Boltzmann machine)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-reinforcement-learning/">强化学习 (Reinforcement learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E7%AB%9E%E4%BA%89-neural-competition/">神经竞争 (Neural competition)</a></li> </ul>人工智能对工作场所的影响https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/workplace_impact_of_artificial_intelligence/Sat, 18 Jul 2026 11:38:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/workplace_impact_of_artificial_intelligence/<h2 id="definition">Definition</h2> <p>这一概念涵盖了 AI 对劳动力市场的变革性影响，包括常规任务的自动化、新职业类别的创造以及所需技能组合的转变。AI 提高了生产力，同时也引发了关于就业安全和技能再培训的讨论。</p> <h3 id="summary">Summary</h3> <p>AI 技术对专业环境中的就业结构、职位角色、生产力以及人机协作产生的影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>工作自动化</li> <li>技能重塑</li> <li>人机协作</li> <li>生产力提升</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>战略性人力资源规划</li> <li>人力资源政策制定</li> <li>组织变革管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E5%8A%A8%E5%8C%96-automation/">自动化 (Automation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B7%A5%E4%BD%9C%E7%9A%84%E6%9C%AA%E6%9D%A5-future-of-work/">工作的未来 (Future of work)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8A%80%E8%83%BD%E6%8F%90%E5%8D%87-upskilling/">技能提升 (Upskilling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BC%A6%E7%90%86-ai-ethical-ai/">伦理 AI (Ethical AI)</a></li> </ul>湿件计算机https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wetware_computer/Sat, 18 Jul 2026 11:38:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wetware_computer/<h2 id="definition">Definition</h2> <p>湿件计算是指生物神经元（通常在体外培养）作为主要处理单元，取代传统基于硅的硬件的系统。这些系统利用生物神经元的并行处理能力和低能耗特性进行信息处理。</p> <h3 id="summary">Summary</h3> <p>一种利用活体神经组织（如脑细胞）处理信息的生物计算系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生物神经元</li> <li>体外培养</li> <li>神经可塑性</li> <li>生物混合系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高级模式识别研究</li> <li>低功耗计算原型</li> <li>神经科学模拟工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B1%BB%E5%99%A8%E5%AE%98%E6%99%BA%E8%83%BD-organoid-intelligence/">类器官智能 (Organoid intelligence)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%94%9F%E7%89%A9%E8%AE%A1%E7%AE%97-bio-computing/">生物计算 (Bio-computing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-neural-networks/">神经网络 (Neural networks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%88%E6%88%90%E7%94%9F%E7%89%A9%E5%AD%A6-synthetic-biology/">合成生物学 (Synthetic biology)</a></li> </ul>Webhookhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/webhook/Sat, 18 Jul 2026 11:38:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/webhook/<h2 id="definition">Definition</h2> <p>Webhook是一种机制，当一个事件发生时，一个服务可以向另一个服务提供实时信息。源系统不是轮询以查找更改，而是向特定的URL发送HTTP POST请求来通知接收方。</p> <h3 id="summary">Summary</h3> <p>由特定事件触发的用户定义HTTP回调，允许系统向其他应用程序推送实时通知。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>事件驱动</li> <li>HTTP POST</li> <li>回调URL</li> <li>推送通知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化CI/CD部署</li> <li>支付网关通知</li> <li>Slack机器人集成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E7%BC%96%E7%A8%8B%E6%8E%A5%E5%8F%A3/">API (应用程序编程接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/event-driven-architecture-%E4%BA%8B%E4%BB%B6%E9%A9%B1%E5%8A%A8%E6%9E%B6%E6%9E%84/">Event-driven architecture (事件驱动架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rest-%E8%A1%A8%E8%BF%B0%E6%80%A7%E7%8A%B6%E6%80%81%E8%BD%AC%E7%A7%BB/">REST (表述性状态转移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/integration-%E9%9B%86%E6%88%90/">Integration (集成)</a></li> </ul>WebSockethttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/websocket/Sat, 18 Jul 2026 11:38:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/websocket/<h2 id="definition">Definition</h2> <p>WebSocket是一种计算机通信协议，能够在客户端和服务器之间建立持久且双向的通信。与HTTP不同，HTTP需要为每个请求-响应周期建立新连接，而WebSocket允许在单个连接上进行持续的数据传输。</p> <h3 id="summary">Summary</h3> <p>一种通过单个TCP连接提供全双工通信通道的协议，用于实时数据交换。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>全双工</li> <li>持久连接</li> <li>低延迟</li> <li>TCP协议</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时聊天应用程序</li> <li>体育赛事比分实时更新</li> <li>在线多人游戏</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/http-2-http-2%E5%8D%8F%E8%AE%AE/">HTTP/2 (HTTP/2协议)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/server-sent-events-%E6%9C%8D%E5%8A%A1%E5%99%A8%E5%8F%91%E9%80%81%E4%BA%8B%E4%BB%B6/">Server-Sent Events (服务器发送事件)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/socket-io-socket-io%E5%BA%93/">Socket.IO (Socket.IO库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tcp-ip-%E4%BC%A0%E8%BE%93%E6%8E%A7%E5%88%B6%E5%8D%8F%E8%AE%AE-%E4%BA%92%E8%81%94%E7%BD%91%E5%8D%8F%E8%AE%AE/">TCP/IP (传输控制协议/互联网协议)</a></li> </ul>弱人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/weak_artificial_intelligence/Sat, 18 Jul 2026 11:38:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/weak_artificial_intelligence/<h2 id="definition">Definition</h2> <p>弱人工智能，也称为狭义AI，是指为解决特定问题或执行特定任务（如面部识别或语言翻译）而构建的系统。与强人工智能不同，它不具备通用的智能或意识。</p> <h3 id="summary">Summary</h3> <p>专为在有限范围内执行特定任务而设计的AI，不具备通用认知能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>狭窄的范围</li> <li>针对特定任务的优化</li> <li>无意识</li> <li>有限的推理能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推荐引擎</li> <li>自动驾驶感知系统</li> <li>自然语言处理聊天机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/strong-artificial-intelligence-%E5%BC%BA%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Strong artificial intelligence (强人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-general-intelligence-%E4%BA%BA%E5%B7%A5%E9%80%9A%E7%94%A8%E6%99%BA%E8%83%BD/">Artificial General Intelligence (人工通用智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/narrow-ai-%E7%8B%AD%E4%B9%89ai/">Narrow AI (狭义AI)</a></li> </ul>湿件https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wetware/Sat, 18 Jul 2026 11:38:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wetware/<h2 id="definition">Definition</h2> <p>湿件最初指生物脑组织，但在控制论和超人类主义中已演变为描述作为计算系统的人类思维或大脑。它与“硬件”（物理设备）和“软件”（指令集）形成对比。</p> <h3 id="summary">Summary</h3> <p>指生物大脑或活体组织的术语，通常在计算语境中与硬件和软件形成对比。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生物大脑</li> <li>控制论</li> <li>人机接口</li> <li>认知科学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>脑机接口</li> <li>生物混合计算研究</li> <li>关于AI意识的哲学讨论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hardware-%E7%A1%AC%E4%BB%B6/">Hardware (硬件)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/software-%E8%BD%AF%E4%BB%B6/">Software (软件)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-interface-%E7%A5%9E%E7%BB%8F%E6%8E%A5%E5%8F%A3/">Neural Interface (神经接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cyborg-%E8%B5%9B%E5%8D%9A%E6%A0%BC-%E5%8D%8A%E6%9C%BA%E6%A2%B0%E4%BA%BA/">Cyborg (赛博格/半机械人)</a></li> </ul>网络智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/web_intelligence/Sat, 18 Jul 2026 11:38:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/web_intelligence/<h2 id="definition">Definition</h2> <p>网络智能涉及使用数据挖掘、机器学习和语义技术来处理互联网上海量的非结构化数据。其旨在将原始的网络数据转化为有价值的信息和知识。</p> <h3 id="summary">Summary</h3> <p>应用智能技术从万维网中提取、管理和分析信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据挖掘</li> <li>语义网</li> <li>链接分析</li> <li>内容分类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>竞争市场分析</li> <li>社交媒体情绪监控</li> <li>搜索引擎优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-mining-%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98/">Data Mining (数据挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-web-%E8%AF%AD%E4%B9%89%E7%BD%91/">Semantic Web (语义网)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/big-data-%E5%A4%A7%E6%95%B0%E6%8D%AE/">Big Data (大数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/web-scraping-%E7%BD%91%E9%A1%B5%E6%8A%93%E5%8F%96/">Web Scraping (网页抓取)</a></li> </ul>数字水印https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/watermarking/Sat, 18 Jul 2026 11:37:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/watermarking/<h2 id="definition">Definition</h2> <p>随着生成式人工智能产生越来越多的合成媒体，数字水印成为透明度和问责制的关键工具。它涉及改变数字内容——如图像、文本&hellip;</p> <h3 id="summary">Summary</h3> <p>人工智能中的数字水印涉及在生成的内容中嵌入不可见或可见的标识符，以证明其来源并将其与人类创作的材料区分开来。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内容溯源</li> <li>隐写术</li> <li>深度伪造检测</li> <li>版权保护</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>识别人工智能生成的新闻文章</li> <li>保护数字艺术中的知识产权</li> <li>合成媒体的监管合规</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepfakes-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">deepfakes (深度伪造)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/copyright-%E7%89%88%E6%9D%83/">copyright (版权)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/provenance-%E6%BA%AF%E6%BA%90/">provenance (溯源)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synthetic_media-%E5%90%88%E6%88%90%E5%AA%92%E4%BD%93/">synthetic_media (合成媒体)</a></li> </ul>瓦德瓦尼人工智能研究所https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wadhwani_institute_for_artificial_intelligence/Sat, 18 Jul 2026 11:37:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wadhwani_institute_for_artificial_intelligence/<h2 id="definition">Definition</h2> <p>该研究所由瓦德瓦尼基金会提供巨额捐赠成立，利用先进的机器学习和计算机视觉技术解决大规模的社会问题。其主要&hellip;</p> <h3 id="summary">Summary</h3> <p>瓦德瓦尼人工智能研究所是一家研究机构，致力于应用人工智能解决方案来解决发展中经济体在医疗和农业方面的关键挑战。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>科技向善</li> <li>医疗诊断</li> <li>农业科技</li> <li>能力建设</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>糖尿病视网膜病变的早期检测</li> <li>作物健康的预测性分析</li> <li>开发本地化的人工智能培训项目</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai_for_good-%E7%A7%91%E6%8A%80%E5%90%91%E5%96%84/">ai_for_good (科技向善)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer_vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">computer_vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/global_health-%E5%85%A8%E7%90%83%E5%81%A5%E5%BA%B7/">global_health (全球健康)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/precision_agriculture-%E7%B2%BE%E5%87%86%E5%86%9C%E4%B8%9A/">precision_agriculture (精准农业)</a></li> </ul>未来之路https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/way_of_the_future/Sat, 18 Jul 2026 11:37:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/way_of_the_future/<h2 id="definition">Definition</h2> <p>虽然不是一个严格的技术术语，“未来之路”描述了向自主系统、个性化人工智能助手和自动化决策过程的范式转变。它概括了&hellip;</p> <h3 id="summary">Summary</h3> <p>该术语通常指技术发展的预期轨迹，特别是人工智能融入日常生活和行业的情况。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>技术轨迹</li> <li>自主性</li> <li>泛在计算</li> <li>社会影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>科技公司的战略规划</li> <li>未来主义和趋势分析</li> <li>关于人工智能演变的教育讨论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automation-%E8%87%AA%E5%8A%A8%E5%8C%96/">automation (自动化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/singularity-%E5%A5%87%E7%82%B9/">singularity (奇点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/future_tech-%E6%9C%AA%E6%9D%A5%E7%A7%91%E6%8A%80/">future_tech (未来科技)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai_adoption-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E9%87%87%E7%94%A8/">ai_adoption (人工智能采用)</a></li> </ul>语音https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/voice/Sat, 18 Jul 2026 11:37:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/voice/<h2 id="definition">Definition</h2> <p>在人工智能领域，语音涵盖了由人类声带产生并携带语言信息的声学信号。与一般音频不同，它特指与说话相关的信号。</p> <h3 id="summary">Summary</h3> <p>语音是指由人类发音产生的声音，它是语音识别和合成系统的主要输入模态。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语音识别</li> <li>音频信号处理</li> <li>说话人识别</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>如 Siri 和 Alexa 等虚拟助手</li> <li>自动转录服务</li> <li>视障人士的辅助工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">speech_recognition (语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text_to_speech-%E6%96%87%E6%9C%AC%E8%BD%AC%E8%AF%AD%E9%9F%B3/">text_to_speech (文本转语音)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio_processing-%E9%9F%B3%E9%A2%91%E5%A4%84%E7%90%86/">audio_processing (音频处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">nlp (自然语言处理)</a></li> </ul>语音活动检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/voice_activity_detection/Sat, 18 Jul 2026 11:37:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/voice_activity_detection/<h2 id="definition">Definition</h2> <p>VAD 算法实时分析音频流，以区分活跃语音时段和非语音间隔（如背景噪声或停顿）。这对于优化带宽至关重要。</p> <h3 id="summary">Summary</h3> <p>语音活动检测（VAD）是一种信号处理技术，用于识别包含人类语音的音频片段与静音或噪声之间的区别。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>静音抑制</li> <li>信号分类</li> <li>实时处理</li> <li>抗噪性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高效的 VoIP 通信</li> <li>语音到文本引擎的预处理</li> <li>唤醒词检测系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">speech_recognition (语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/noise_cancellation-%E9%99%8D%E5%99%AA/">noise_cancellation (降噪)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio_segmentation-%E9%9F%B3%E9%A2%91%E5%88%86%E5%89%B2/">audio_segmentation (音频分割)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wake_word-%E5%94%A4%E9%86%92%E8%AF%8D/">wake_word (唤醒词)</a></li> </ul>Unslothhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unsloth/Sat, 18 Jul 2026 11:37:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unsloth/<h2 id="definition">Definition</h2> <p>Unsloth 是一款专为优化大语言模型（LLM）的微调和部署而设计的工具。它通过替换标准的 PyTorch 操作，实现了显著的速度提升和内存占用减少。</p> <h3 id="summary">Summary</h3> <p>Unsloth 是一个开源库，通过优化的内存管理和内核实现，将大语言模型（LLM）的训练和推理速度提升高达 2 倍。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内存优化</li> <li>自定义内核</li> <li>LLM 微调</li> <li>加速推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在有限的 GPU 资源下微调 LLM</li> <li>加速推理流水线</li> <li>降低训练时的云计算成本</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">unsloth</span> <span style="color:#000;font-weight:bold">import</span> FastLanguageModel </span></span><span style="display:flex;"><span>model, tokenizer <span style="color:#000;font-weight:bold">=</span> FastLanguageModel<span style="color:#000;font-weight:bold">.</span>from_pretrained( </span></span><span style="display:flex;"><span> model_name<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#34;unsloth/Llama-2-7b-bnb-4bit&#34;</span>, </span></span><span style="display:flex;"><span> max_seq_length<span style="color:#000;font-weight:bold">=</span><span style="color:#099">2048</span>, </span></span><span style="display:flex;"><span> dtype<span style="color:#000;font-weight:bold">=</span><span style="color:#000;font-weight:bold">None</span>, </span></span><span style="display:flex;"><span> load_in_4bit<span style="color:#000;font-weight:bold">=</span><span style="color:#000;font-weight:bold">True</span> </span></span><span style="display:flex;"><span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora-%E4%BD%8E%E7%A7%A9%E9%80%82%E5%BA%94/">LoRA (低秩适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A1%86%E6%9E%B6/">PyTorch (深度学习框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-%E6%A8%A1%E5%9E%8B%E7%A4%BE%E5%8C%BA%E5%B9%B3%E5%8F%B0/">Hugging Face (模型社区平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/flash-attention-%E9%AB%98%E6%95%88%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">Flash Attention (高效注意力机制)</a></li> </ul>Vibevoicehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vibevoice/Sat, 18 Jul 2026 11:37:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vibevoice/<h2 id="definition">Definition</h2> <p>Vibevoice 是一种概念性或品牌化的文本转语音（TTS）技术方法，强调捕捉人类语音的‘氛围’或情感细微差别。与传统可能听起来单调的 TTS 不同，</p> <h3 id="summary">Summary</h3> <p>Vibevoice 指的是一种 AI 生成的语音合成风格，优先考虑自然、富有情感且具备语境意识的语音表达，而非僵硬的机械精度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>情感 TTS</li> <li>韵律建模</li> <li>自然语言处理</li> <li>语音克隆</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI 伴侣和聊天机器人</li> <li>游戏中的叙事讲述</li> <li>无障碍内容创作</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-to-speech-%E6%96%87%E6%9C%AC%E8%BD%AC%E8%AF%AD%E9%9F%B3/">Text-to-Speech (文本转语音)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/voice-synthesis-%E8%AF%AD%E9%9F%B3%E5%90%88%E6%88%90/">Voice Synthesis (语音合成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/emotion-ai-%E6%83%85%E6%84%9F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Emotion AI (情感人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio-generation-%E9%9F%B3%E9%A2%91%E7%94%9F%E6%88%90/">Audio Generation (音频生成)</a></li> </ul>Video Super Resolutionhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/video_super_resolution/Sat, 18 Jul 2026 11:37:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/video_super_resolution/<h2 id="definition">Definition</h2> <p>视频超分辨率涉及使用神经网络将视频内容从较低分辨率（例如 480p）上采样到较高分辨率（例如 4K），同时保留细节并减少伪影。与</p> <h3 id="summary">Summary</h3> <p>视频超分辨率（VSR）是一种计算机视觉技术，利用深度学习增强低质量视频帧的空间和时间分辨率。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>帧插值</li> <li>时间一致性</li> <li>上采样</li> <li>深度学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>修复老电影</li> <li>提升直播画质</li> <li>改善监控录像质量</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-super-resolution-%E5%9B%BE%E5%83%8F%E8%B6%85%E5%88%86%E8%BE%A8%E7%8E%87/">Image Super Resolution (图像超分辨率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/frame-rate-conversion-%E5%B8%A7%E7%8E%87%E8%BD%AC%E6%8D%A2/">Frame Rate Conversion (帧率转换)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/denoising-%E5%8E%BB%E5%99%AA/">Denoising (去噪)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> </ul>Virtual Intelligencehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/virtual_intelligence/Sat, 18 Jul 2026 11:37:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/virtual_intelligence/<h2 id="definition">Definition</h2> <p>虚拟智能包括任何旨在虚拟或数字空间内运行的的人工智能系统，通常与用户或其他代理进行交互。这包括虚拟助手</p> <h3 id="summary">Summary</h3> <p>虚拟智能是一个广义术语，描述在数字环境中运行以模拟人类交互、决策或自主性的 AI 系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数字代理</li> <li>人机交互</li> <li>仿真</li> <li>自主性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户服务聊天机器人</li> <li>游戏 NPC（非玩家角色）</li> <li>数字孪生监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chatbot-%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA/">Chatbot (聊天机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-based-modeling-%E5%9F%BA%E4%BA%8E%E4%BB%A3%E7%90%86%E7%9A%84%E5%BB%BA%E6%A8%A1/">Agent-Based Modeling (基于代理的建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-twin-%E6%95%B0%E5%AD%97%E5%AD%AA%E7%94%9F/">Digital Twin (数字孪生)</a></li> </ul>Vllmhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vllm/Sat, 18 Jul 2026 11:37:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vllm/<h2 id="definition">Definition</h2> <p>vLLM（Virtual Large Language Model）是一个旨在加速 LLM 服务的开源库。它引入了 PagedAttention，这是一种受操作系统虚拟内存</p> <h3 id="summary">Summary</h3> <p>vLLM 是一个高吞吐量且内存高效的 LLM 推理引擎，利用 PagedAttention 优化 GPU 内存使用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>PagedAttention</li> <li>KV Cache 管理</li> <li>推理服务</li> <li>吞吐量优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高并发 API 服务</li> <li>批处理推理处理</li> <li>具有成本效益的 LLM 部署</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">vllm</span> <span style="color:#000;font-weight:bold">import</span> LLM, SamplingParams </span></span><span style="display:flex;"><span>llm <span style="color:#000;font-weight:bold">=</span> LLM(model<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#34;facebook/opt-125m&#34;</span>) </span></span><span style="display:flex;"><span>prompts <span style="color:#000;font-weight:bold">=</span> [<span style="color:#d14">&#34;Hello, my name is&#34;</span>, <span style="color:#d14">&#34;The capital of France is&#34;</span>] </span></span><span style="display:flex;"><span>sampling_params <span style="color:#000;font-weight:bold">=</span> SamplingParams(temperature<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0.8</span>, top_p<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0.95</span>) </span></span><span style="display:flex;"><span>outputs <span style="color:#000;font-weight:bold">=</span> llm<span style="color:#000;font-weight:bold">.</span>generate(prompts, sampling_params) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorrt-nvidia-%E6%8E%A8%E7%90%86%E4%BC%98%E5%8C%96%E5%BA%93/">TensorRT (NVIDIA 推理优化库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tgi-%E6%96%87%E6%9C%AC%E7%94%9F%E6%88%90%E6%8E%A8%E7%90%86%E6%9C%8D%E5%8A%A1%E5%99%A8/">TGI (文本生成推理服务器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pagedattention-%E5%88%86%E9%A1%B5%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">PagedAttention (分页注意力机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-serving-llm-%E6%9C%8D%E5%8A%A1%E5%8C%96/">LLM Serving (LLM 服务化)</a></li> </ul>美国科技劳动力https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/united_states_tech_force/Sat, 18 Jul 2026 11:37:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/united_states_tech_force/<h2 id="definition">Definition</h2> <p>“美国科技劳动力”一词通常指在美国劳动力市场中从事技术领域的庞大群体，包括软件工程、数据科学、硬件制造等。</p> <h3 id="summary">Summary</h3> <p>一个人口统计学和经济学术语，指推动美国技术创新的集体劳动力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>劳动力人口统计</li> <li>科技就业</li> <li>创新经济</li> <li>劳动力市场动态</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>经济政策分析</li> <li>劳动力规划</li> <li>投资研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stem-education-stem%E6%95%99%E8%82%B2/">STEM Education (STEM教育)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tech-talent-%E7%A7%91%E6%8A%80%E4%BA%BA%E6%89%8D/">Tech Talent (科技人才)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/silicon-valley-%E7%A1%85%E8%B0%B7/">Silicon Valley (硅谷)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/labor-shortage-%E5%8A%B3%E5%8A%A8%E5%8A%9B%E7%9F%AD%E7%BC%BA/">Labor Shortage (劳动力短缺)</a></li> </ul>欠拟合https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/underfitting/Sat, 18 Jul 2026 11:37:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/underfitting/<h2 id="definition">Definition</h2> <p>当统计模型或机器学习算法无法准确近似将输入映射到输出的函数时，就会发生欠拟合。这通常是因为模型对于数据而言过于简单所致。</p> <h3 id="summary">Summary</h3> <p>机器学习模型未能捕捉到训练数据潜在趋势的状态。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>偏差-方差权衡</li> <li>模型复杂度</li> <li>训练误差</li> <li>特征工程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>诊断模型性能不佳</li> <li>调整超参数</li> <li>选择适当的算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter Tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">Generalization (泛化)</a></li> </ul>通用心理测量学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/universal_psychometrics/Sat, 18 Jul 2026 11:37:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/universal_psychometrics/<h2 id="definition">Definition</h2> <p>通用心理测量学涉及开发和应用评估工具，以可靠地测量人格、认知能力或情商等心理构念，并跨越不同文化背景。</p> <h3 id="summary">Summary</h3> <p>应用标准化测量技术来评估不同人群的心理特质。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文化公平性</li> <li>测量不变性</li> <li>标准化</li> <li>跨文化心理学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>全球人力资源招聘</li> <li>跨文化临床诊断</li> <li>国际教育评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/psychological-testing-%E5%BF%83%E7%90%86%E6%B5%8B%E8%AF%95/">Psychological Testing (心理测试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cultural-bias-%E6%96%87%E5%8C%96%E5%81%8F%E8%A7%81/">Cultural Bias (文化偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/item-response-theory-%E9%A1%B9%E7%9B%AE%E5%8F%8D%E5%BA%94%E7%90%86%E8%AE%BA/">Item Response Theory (项目反应理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/validity-%E6%95%88%E5%BA%A6/">Validity (效度)</a></li> </ul>统一模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unified_model/Sat, 18 Jul 2026 11:37:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unified_model/<h2 id="definition">Definition</h2> <p>统一模型是指能够执行各种不同任务（如文本生成、图像识别和代码合成）的人工智能系统，而无需依赖单独的专业模型。</p> <h3 id="summary">Summary</h3> <p>旨在单个框架内处理多项任务或多模态数据的AI架构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态学习</li> <li>任务无关性</li> <li>架构效率</li> <li>互操作性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建多功能AI助手</li> <li>降低基础设施成本</li> <li>简化开发流水线</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal-ai-%E5%A4%9A%E6%A8%A1%E6%80%81ai/">Multimodal AI (多模态AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/foundation-models-%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/">Foundation Models (基础模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/modular-ai-%E6%A8%A1%E5%9D%97%E5%8C%96ai/">Modular AI (模块化AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/general-purpose-ai-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">General Purpose AI (通用人工智能)</a></li> </ul>无审查https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/uncensored/Sat, 18 Jul 2026 11:37:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/uncensored/<h2 id="definition">Definition</h2> <p>在人工智能领域，“无审查”通常描述那些经过微调或修改，以移除或削弱内置安全对齐的模型。这些模型旨在去除内容限制。</p> <h3 id="summary">Summary</h3> <p>指经过修改以绕过安全过滤器和道德准则的人工智能模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>安全对齐</li> <li>微调</li> <li>内容审核</li> <li>模型修改</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究模型漏洞</li> <li>无限制的创意写作</li> <li>测试安全边界</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/jailbreaking-%E8%B6%8A%E7%8B%B1%E6%94%BB%E5%87%BB/">Jailbreaking (越狱攻击)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safety-filters-%E5%AE%89%E5%85%A8%E8%BF%87%E6%BB%A4%E5%99%A8/">Safety Filters (安全过滤器)</a></li> </ul>TUMhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tum/Sat, 18 Jul 2026 11:37:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tum/<h2 id="definition">Definition</h2> <p>在学术或行业文献中，&lsquo;Tum&rsquo;作为核心AI概念、技术或指标并没有广泛接受的定义。它很可能是诸如&rsquo;Turing Test&rsquo;（图灵测试）或&rsquo;Transformer Model&rsquo;（Transformer模型）等术语的拼写错误。</p> <h3 id="summary">Summary</h3> <p>TUM并非主流人工智能术语中的标准公认缩写；它可能指代特定的机构背景（如慕尼黑工业大学），或者是一个拼写错误。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>歧义性</li> <li>拼写错误可能性</li> <li>机构缩写</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>澄清模糊的查询</li> <li>识别文档中的潜在拼写错误</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/turing-test-%E5%9B%BE%E7%81%B5%E6%B5%8B%E8%AF%95/">Turing Test (图灵测试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenization-%E5%88%86%E8%AF%8D/">Tokenization (分词)</a></li> </ul>可信AIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/trustworthy_ai/Sat, 18 Jul 2026 11:37:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/trustworthy_ai/<h2 id="definition">Definition</h2> <p>可信AI涵盖了确保人工智能系统可靠且合乎伦理运行的原则与实践。关键属性包括抵御攻击的鲁棒性、针对不同人群的公平性以及决策过程的透明度。</p> <h3 id="summary">Summary</h3> <p>可信AI指的是在其整个生命周期内具备安全性、安全性、透明度、公平性和问责制的人工智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性</li> <li>透明度</li> <li>问责制</li> <li>鲁棒性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断</li> <li>金融信贷决策</li> <li>自动驾驶汽车安全</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-ai%E4%BC%A6%E7%90%86/">AI Ethics (AI伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8Aai/">Explainable AI (可解释AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-mitigation-%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3/">Bias Mitigation (偏见缓解)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> </ul>类型检查器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/type_checker/Sat, 18 Jul 2026 11:37:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/type_checker/<h2 id="definition">Definition</h2> <p>在软件工程领域，特别是对于用Python、C++或Rust编写的AI库，类型检查器通过验证操作是否在兼容的数据类型之间进行来确保代码的正确性。它有助于在运行前发现类型错误。</p> <h3 id="summary">Summary</h3> <p>类型检查器是一种静态分析工具，用于验证代码中变量和表达式的类型是否符合编程语言的类型系统规则。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>静态分析</li> <li>类型安全</li> <li>错误预防</li> <li>代码质量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>验证PyTorch中的张量形状</li> <li>确保API契约合规</li> <li>重构大型AI代码库</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/linting-%E4%BB%A3%E7%A0%81%E9%A3%8E%E6%A0%BC%E6%A3%80%E6%9F%A5/">Linting (代码风格检查)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/static-analysis-%E9%9D%99%E6%80%81%E5%88%86%E6%9E%90/">Static Analysis (静态分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/type-hints-%E7%B1%BB%E5%9E%8B%E6%8F%90%E7%A4%BA/">Type Hints (类型提示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/runtime-errors-%E8%BF%90%E8%A1%8C%E6%97%B6%E9%94%99%E8%AF%AF/">Runtime Errors (运行时错误)</a></li> </ul>思维树https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tree_of_thoughts/Sat, 18 Jul 2026 11:37:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tree_of_thoughts/<h2 id="definition">Definition</h2> <p>思维树（ToT）通过允许模型在每个步骤中探索多个不同的推理路径并形成树状结构，扩展了传统的思维链提示方法。模型会对这些路径进行评估，以决定后续行动。</p> <h3 id="summary">Summary</h3> <p>思维树是一种推理框架，它同时探索多种可能的推理路径，并通过评估这些路径来选择最有希望的下一步。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>搜索算法</li> <li>回溯</li> <li>状态评估</li> <li>推理路径</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂数学问题求解</li> <li>创意写作生成</li> <li>策略性游戏对弈</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">Chain of Thought (思维链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/beam-search-%E6%9D%9F%E6%90%9C%E7%B4%A2/">Beam Search (束搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-%E6%8E%A8%E7%90%86/">Reasoning (推理)</a></li> </ul>追踪https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tracing/Sat, 18 Jul 2026 11:37:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tracing/<h2 id="definition">Definition</h2> <p>在AI工程背景下，追踪涉及捕获数据在模型或应用程序中流动的详细信息日志，包括每一步的输入、输出、延迟和资源使用情况。这有助于全面监控系统的运行状况。</p> <h3 id="summary">Summary</h3> <p>追踪是一种记录程序或AI模型推理过程中的执行路径和中间状态的技术，旨在辅助调试和性能优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>执行路径</li> <li>延迟测量</li> <li>调试</li> <li>可观测性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试大语言模型（LLM）提示链</li> <li>优化推理延迟</li> <li>审计模型决策过程</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logging-%E6%97%A5%E5%BF%97%E8%AE%B0%E5%BD%95/">Logging (日志记录)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/profiling-%E6%80%A7%E8%83%BD%E5%89%96%E6%9E%90/">Profiling (性能剖析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed-systems-%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/">Distributed Systems (分布式系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/opentelemetry-%E5%BC%80%E6%94%BE%E9%81%A5%E6%B5%8B%E6%8A%80%E6%9C%AF/">OpenTelemetry (开放遥测技术)</a></li> </ul>Token最大化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/token_maxxing/Sat, 18 Jul 2026 11:37:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/token_maxxing/<h2 id="definition">Definition</h2> <p>Token最大化涉及精心构造输入内容，以充分利用模型的上下文窗口容量，或通过优化Token的语义密度来提升性能。实践者可能会填充无关文本以占满上下文空间（Padding），或者极度压缩信息以提高单位Token的信息量。这种策略常用于在有限的计算资源下获取更精确的回答，或在API调用成本受限的情况下最大化单次请求的输出价值。</p> <h3 id="summary">Summary</h3> <p>一种提示工程优化策略，旨在大型语言模型中最大化特定Token数量的效用或输出质量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>提示工程</li> <li>上下文窗口</li> <li>语义密度</li> <li>优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>最大化LLM推理能力</li> <li>降低API使用成本</li> <li>测试模型边界</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%8A%E4%B8%8B%E6%96%87%E9%95%BF%E5%BA%A6-context-length/">上下文长度 (Context Length)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8F%90%E7%A4%BA%E6%B3%A8%E5%85%A5-prompt-injection/">提示注入 (Prompt Injection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E8%AF%8D-tokenization/">分词 (Tokenization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%88%E7%8E%87%E8%B0%83%E4%BC%98-efficiency-tuning/">效率调优 (Efficiency Tuning)</a></li> </ul>毒性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/toxicity/Sat, 18 Jul 2026 11:37:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/toxicity/<h2 id="definition">Definition</h2> <p>AI中的毒性是指生成或传播不尊重他人、可能导致用户离开讨论或针对特定身份群体的内容。它涵盖了一个从轻微的不当言论到严重的仇恨言论和暴力威胁的光谱。在自然语言处理中，毒性通常被视为一种需要被识别和过滤的安全对齐问题，以确保AI系统不会成为网络欺凌或极端主义思想的传播渠道。</p> <h3 id="summary">Summary</h3> <p>AI生成文本中存在有害、冒犯性或虐待性内容的现象，包括仇恨言论、骚扰和威胁。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>仇恨言论</li> <li>骚扰</li> <li>内容审核</li> <li>伦理AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交媒体平台安全</li> <li>客服机器人过滤</li> <li>社区准则执行</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E8%A7%81-bias/">偏见 (Bias)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AE%89%E5%85%A8%E5%AF%B9%E9%BD%90-safety-alignment/">安全对齐 (Safety Alignment)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%86%85%E5%AE%B9%E8%BF%87%E6%BB%A4-content-filtering/">内容过滤 (Content Filtering)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-natural-language-processing/">自然语言处理 (Natural Language Processing)</a></li> </ul>毒性检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/toxicity_detection/Sat, 18 Jul 2026 11:37:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/toxicity_detection/<h2 id="definition">Definition</h2> <p>毒性检测采用自然语言处理技术分析文本输入，并分配一个概率分数以指示有害内容的可能性。这些系统通常使用监督学习训练，基于标注好的数据集（如包含仇恨言论或骚扰的评论）来学习识别有毒模式的特征。它们被广泛应用于实时内容审核，帮助平台自动标记或删除违反社区准则的帖子，从而维护在线环境的安全与健康。</p> <h3 id="summary">Summary</h3> <p>利用机器学习模型自动识别和分类文本中有害或虐待性语言的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本分类</li> <li>机器学习</li> <li>审核</li> <li>NLP</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化内容审核</li> <li>实时聊天过滤</li> <li>品牌声誉监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90-sentiment-analysis/">情感分析 (Sentiment Analysis)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9E%83%E5%9C%BE%E9%82%AE%E4%BB%B6%E6%A3%80%E6%B5%8B-spam-detection/">垃圾邮件检测 (Spam Detection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%89%E5%AE%B3%E5%86%85%E5%AE%B9-harmful-content/">有害内容 (Harmful Content)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E5%AE%89%E5%85%A8-ai-safety/">AI安全 (AI Safety)</a></li> </ul>全球金融中人工智能风险的时间线https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/timeline_of_artificial_intelligence_risks_in_global_finance/Sat, 18 Jul 2026 11:37:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/timeline_of_artificial_intelligence_risks_in_global_finance/<h2 id="definition">Definition</h2> <p>这一概念指的是人工智能技术在全球金融系统中引入脆弱性的历史及预测事件序列。它涵盖了早期算法交易引发的市场动荡，到近年来由深度学习模型驱动的复杂风险传播路径，再到监管机构试图通过压力测试和实时监控来缓解这些风险的演进过程。该时间线不仅记录了已发生的技术故障或市场异常，还展望了未来可能出现的由AI自主决策导致的系统性危机情景。</p> <h3 id="summary">Summary</h3> <p>一个按时间顺序追踪国际金融市场内AI相关系统性风险的涌现、升级及缓解措施的框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>系统性风险</li> <li>算法交易</li> <li>监管滞后</li> <li>市场波动性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>风险管理策略制定</li> <li>中央银行政策制定</li> <li>金融稳定性学术研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%97%AA%E5%B4%A9-flash-crash/">闪崩 (Flash Crash)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E9%A3%8E%E9%99%A9%E7%AE%A1%E7%90%86-model-risk-management/">模型风险管理 (Model Risk Management)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%91%E8%9E%8D%E7%A7%91%E6%8A%80%E7%9B%91%E7%AE%A1-fintech-regulation/">金融科技监管 (FinTech Regulation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%BB%91%E5%A4%A9%E9%B9%85%E4%BA%8B%E4%BB%B6-black-swan-events/">黑天鹅事件 (Black Swan Events)</a></li> </ul>玩具问题https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/toy_problem/Sat, 18 Jul 2026 11:37:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/toy_problem/<h2 id="definition">Definition</h2> <p>在人工智能和计算机科学中，玩具问题是一个高度简化的场景，旨在说明某个概念或测试新算法。例如八皇后问题或旅行商问题的简化版。这类问题通常具有明确的规则和较小的搜索空间，使得研究人员能够验证算法的正确性和基本逻辑，而无需处理真实应用中常见的数据噪声、计算复杂性或不确定性。它是算法开发和教学中的重要工具。</p> <h3 id="summary">Summary</h3> <p>复杂问题的简化版本，用于在没有现实世界噪音和规模的情况下测试算法或理论。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>简化</li> <li>算法测试</li> <li>基线性能</li> <li>研究方法</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>教授AI概念</li> <li>调试新算法</li> <li>基准测试模型能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E5%87%86-benchmark/">基准 (Benchmark)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%AF%E5%8F%91%E5%BC%8F%E6%96%B9%E6%B3%95-heuristic/">启发式方法 (Heuristic)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%8D%E6%9D%82%E6%80%A7%E7%90%86%E8%AE%BA-complexity-theory/">复杂性理论 (Complexity Theory)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BB%BF%E7%9C%9F-simulation/">仿真 (Simulation)</a></li> </ul>THUDMhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/thudm/Sat, 18 Jul 2026 11:36:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/thudm/<h2 id="definition">Definition</h2> <p>THUDM（清华大学自然语言处理实验室）是一个著名的人工智能学术和研究实体，特别专注于自然语言处理领域。他们致力于开发先进的开源大语言模型，如ChatGLM系列，这些模型在中文理解和生成方面表现出色，为学术界和工业界提供了重要的研究资源和应用基础。</p> <h3 id="summary">Summary</h3> <p>THUDM是清华大学的一个研究团队，以开发ChatGLM等开源人工智能模型而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源AI</li> <li>ChatGLM</li> <li>NLP研究</li> <li>清华大学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>访问开源大语言模型</li> <li>学术研究参考</li> <li>构建定制化的NLP应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chatglm-chatglm%E6%A8%A1%E5%9E%8B/">ChatGLM (ChatGLM模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/large-language-models-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Large Language Models (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-%E5%BC%80%E6%BA%90/">Open Source (开源)</a></li> </ul>三因子学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/three_factor_learning/Sat, 18 Jul 2026 11:36:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/three_factor_learning/<h2 id="definition">Definition</h2> <p>三因子学习是强化学习中的一种特定方法，它将学习过程分解为三个不同的组成部分：奖励信号、价值函数和策略。奖励信号提供即时反馈，价值函数评估长期预期收益，而策略则决定智能体的行动选择。这种分解有助于更精细地调整和优化智能体在复杂环境中的行为表现。</p> <h3 id="summary">Summary</h3> <p>一种利用奖励、价值和策略因子来优化智能体行为的强化学习框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>奖励信号</li> <li>价值函数</li> <li>策略优化</li> <li>强化学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>游戏智能体</li> <li>机器人控制</li> <li>资源管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/q-learning-q%E5%AD%A6%E4%B9%A0/">Q-Learning (Q学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/policy-gradient-%E7%AD%96%E7%95%A5%E6%A2%AF%E5%BA%A6/">Policy Gradient (策略梯度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-shaping-%E5%A5%96%E5%8A%B1%E5%A1%91%E9%80%A0/">Reward Shaping (奖励塑造)</a></li> </ul>时间序列https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/time_series/Sat, 18 Jul 2026 11:36:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/time_series/<h2 id="definition">Definition</h2> <p>时间序列数据是由按时间间隔顺序记录的观测值组成的。在人工智能中，这种数据类型对于基于历史模式预测未来趋势至关重要。专门的模型如循环神经网络（RNN）、长短期记忆网络（LSTM）以及Transformer架构被广泛用于捕捉时间序列中的动态变化和长期依赖关系，从而实现高精度的预测。</p> <h3 id="summary">Summary</h3> <p>按时间顺序索引的数据点序列，通常使用专门的人工智能模型进行分析以进行预测。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时间依赖性</li> <li>预测</li> <li>季节性</li> <li>序列数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>股票价格预测</li> <li>天气预报</li> <li>物联网传感器分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lstm-%E9%95%BF%E7%9F%AD%E6%9C%9F%E8%AE%B0%E5%BF%86%E7%BD%91%E7%BB%9C/">LSTM (长短期记忆网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/arima-%E8%87%AA%E5%9B%9E%E5%BD%92%E7%A7%AF%E5%88%86%E6%BB%91%E5%8A%A8%E5%B9%B3%E5%9D%87%E6%A8%A1%E5%9E%8B/">ARIMA (自回归积分滑动平均模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/forecasting-%E9%A2%84%E6%B5%8B/">Forecasting (预测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-modeling-%E5%BA%8F%E5%88%97%E5%BB%BA%E6%A8%A1/">Sequence Modeling (序列建模)</a></li> </ul>思考https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/thinking/Sat, 18 Jul 2026 11:36:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/thinking/<h2 id="definition">Definition</h2> <p>虽然人类的思考是生物性的，但人工智能的“思考”涉及模仿认知功能的计算操作。它包括逻辑演绎、模式识别和推断。现代大型语言模型（LLM）通过复杂的神经网络架构实现了这种类人思维能力的模拟，能够处理上下文信息并生成连贯的响应。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，思考是指由算法模拟的推理、问题解决和决策等认知过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>推理</li> <li>认知模拟</li> <li>推断</li> <li>问题解决</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言理解</li> <li>自动化决策</li> <li>复杂问题解决</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-%E6%8E%A8%E7%90%86/">Reasoning (推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognition-%E8%AE%A4%E7%9F%A5/">Cognition (认知)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Networks (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic-%E9%80%BB%E8%BE%91/">Logic (逻辑)</a></li> </ul>吞吐量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/throughput/Sat, 18 Jul 2026 11:36:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/throughput/<h2 id="definition">Definition</h2> <p>在人工智能工程中，吞吐量是一个关键的性能指标，用于指示系统容量。对于大语言模型（LLMs），它通常以每秒令牌数（tokens per second）来衡量；对于计算机视觉模型，则以每秒图像数来衡量；对于查询处理，则可能以每秒查询数来表示。高吞吐量意味着系统能够高效地处理大量并发任务。</p> <h3 id="summary">Summary</h3> <p>吞吐量衡量人工智能系统在给定时间范围内成功处理的数据量或请求数量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>性能指标</li> <li>可扩展性</li> <li>批处理</li> <li>延迟与吞吐量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型推理服务</li> <li>实时视频处理</li> <li>高并发API设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/batch-size-%E6%89%B9%E5%A4%A7%E5%B0%8F/">Batch Size (批大小)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-utilization-gpu%E5%88%A9%E7%94%A8%E7%8E%87/">GPU Utilization (GPU利用率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-serving-%E6%A8%A1%E5%9E%8B%E6%9C%8D%E5%8A%A1/">Model Serving (模型服务)</a></li> </ul>TensorFlow Litehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tflite/Sat, 18 Jul 2026 11:36:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tflite/<h2 id="definition">Definition</h2> <p>TensorFlow Lite 是一个开源框架，旨在将机器学习模型部署到智能手机、微控制器和物联网设备等资源受限的设备上。它通过优化模型推理过程来实现这一目标。</p> <h3 id="summary">Summary</h3> <p>TensorFlow Lite（TFLite）是一套使机器学习模型能够在移动设备、嵌入式设备和边缘设备上运行的工具集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型量化</li> <li>边缘计算</li> <li>推理优化</li> <li>移动端部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设备端图像识别</li> <li>AR 应用中的实时目标检测</li> <li>智能音箱上的语音指令</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorflow-tensorflow/">tensorflow (TensorFlow)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge_ai-%E8%BE%B9%E7%BC%98-ai/">edge_ai (边缘 AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_quantization-%E6%A8%A1%E5%9E%8B%E9%87%8F%E5%8C%96/">model_quantization (模型量化)</a></li> </ul>The AI Conhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/the_ai_con/Sat, 18 Jul 2026 11:36:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/the_ai_con/<h2 id="definition">Definition</h2> <p>The AI Con 是一年一度的活动，致力于调查并凸显 AI 领域的欺骗性做法、夸大宣传和安全漏洞。与通常展示最新技术的科技会议不同，该会议侧重于批判性审视。</p> <h3 id="summary">Summary</h3> <p>The AI Con 是一场专注于揭露人工智能行业内的欺诈、骗局和伦理问题的会议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI 欺诈</li> <li>伦理 AI</li> <li>深度伪造检测</li> <li>消费者保护</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提高对 AI 骗局的意识</li> <li>讨论监管框架</li> <li>分享应对 AI 威胁的防御策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai_ethics-ai-%E4%BC%A6%E7%90%86/">ai_ethics (AI 伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cybersecurity-%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8/">cybersecurity (网络安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepfakes-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">deepfakes (深度伪造)</a></li> </ul>文生视频https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_video/Sat, 18 Jul 2026 11:36:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_video/<h2 id="definition">Definition</h2> <p>文生视频指的是基于自然语言输入创建动态视觉内容的生成式 AI 模型。这些系统分析文本提示中的语义含义，以合成连贯的视频序列。</p> <h3 id="summary">Summary</h3> <p>文生视频是一项通过文本描述或提示生成视频片段的 AI 能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生成对抗网络</li> <li>时间一致性</li> <li>扩散模型</li> <li>语义理解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交媒体内容创作</li> <li>电影场景原型设计</li> <li>教育可视化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image_generation-%E5%9B%BE%E5%83%8F%E7%94%9F%E6%88%90/">image_generation (图像生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative_ai-%E7%94%9F%E6%88%90%E5%BC%8F-ai/">generative_ai (生成式 AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/video_editing-%E8%A7%86%E9%A2%91%E7%BC%96%E8%BE%91/">video_editing (视频编辑)</a></li> </ul>语音合成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_speech/Sat, 18 Jul 2026 11:36:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_speech/<h2 id="definition">Definition</h2> <p>语音合成（TTS）是一种辅助技术，能够以朗读的方式向用户呈现数字文本。它利用先进的神经网络和声学模型来合成模仿人类语调的语音。</p> <h3 id="summary">Summary</h3> <p>语音合成（TTS）是一项将书面文本转换为自然人类语音的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经声码器</li> <li>音素合成</li> <li>韵律控制</li> <li>声音克隆</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为视障用户提供无障碍访问</li> <li>虚拟助手（如 Siri、Alexa）</li> <li>有声书制作</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">speech_recognition (语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/voice_synthesis-%E8%AF%AD%E9%9F%B3%E5%90%88%E6%88%90/">voice_synthesis (语音合成)</a></li> </ul>终极算法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/the_master_algorithm/Sat, 18 Jul 2026 11:36:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/the_master_algorithm/<h2 id="definition">Definition</h2> <p>该术语由佩德罗·多明戈斯在其同名著作中提出，“终极算法”描述了一个理论上的机器学习统一框架，能够复制所有人类的学习过程。它设想了一种能够整合各种学习范式的通用智能。</p> <h3 id="summary">Summary</h3> <p>终极算法指的是一种假设性的通用学习算法，能够从数据中推导出所有知识。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>通用学习</li> <li>通用智能</li> <li>学习范式</li> <li>理论 AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>指导通用人工智能（AGI）研究</li> <li>统一机器学习理论</li> <li>关于 AI 的哲学讨论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial_general_intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">artificial_general_intelligence (通用人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning_theory-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%90%86%E8%AE%BA/">machine_learning_theory (机器学习理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pedro_domingos-%E4%BD%A9%E5%BE%B7%E7%BD%97-%E5%A4%9A%E6%98%8E%E6%88%88%E6%96%AF/">pedro_domingos (佩德罗·多明戈斯)</a></li> </ul>文本嵌入推理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_embeddings_inference/Sat, 18 Jul 2026 11:36:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_embeddings_inference/<h2 id="definition">Definition</h2> <p>文本嵌入推理指的是部署和优化将自然语言转换为高维向量的模型的过程。这些嵌入能够捕捉语义含义，使系统能够理解文本之间的深层联系，从而支持高效的语义匹配与信息检索。</p> <h3 id="summary">Summary</h3> <p>一种专为高效生成文本密集向量表示而设计的专用推理服务器，用于语义搜索和检索任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量化</li> <li>语义搜索</li> <li>Transformer编码器</li> <li>密集检索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建语义搜索引擎</li> <li>文档聚类与组织</li> <li>检索增强生成（RAG）管道</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic_similarity-%E8%AF%AD%E4%B9%89%E7%9B%B8%E4%BC%BC%E5%BA%A6/">semantic_similarity (语义相似度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer_models-transformer%E6%A8%A1%E5%9E%8B/">transformer_models (Transformer模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag_systems-rag%E7%B3%BB%E7%BB%9F/">rag_systems (RAG系统)</a></li> </ul>文本生成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_generation/Sat, 18 Jul 2026 11:36:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_generation/<h2 id="definition">Definition</h2> <p>文本生成是自然语言处理中的一种基本应用范式，人工智能模型在此过程中创建新的文本内容。通过预测序列中下一个最可能的标记，模型能够连贯地生成文章、对话或代码等多样化文本形式。</p> <h3 id="summary">Summary</h3> <p>一种AI能力，模型根据提供的提示或上下文，逐个标记地生成类似人类文本的序列。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自回归建模</li> <li>标记预测</li> <li>提示工程</li> <li>采样策略</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化内容创作</li> <li>对话式聊天机器人</li> <li>代码补全工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">llm (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompting-%E6%8F%90%E7%A4%BA%E6%8A%80%E6%9C%AF/">prompting (提示技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">nlp (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autoregressive-%E8%87%AA%E5%9B%9E%E5%BD%92/">autoregressive (自回归)</a></li> </ul>文本生成推理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_generation_inference/Sat, 18 Jul 2026 11:36:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_generation_inference/<h2 id="definition">Definition</h2> <p>文本生成推理（TGI）是一个专用的软件框架，旨在以低延迟和高吞吐量服务大型语言模型（LLM）。它针对文本生成的推理过程进行了深度优化，包括连续批处理和张量并行等技术，从而显著提升生产环境下的响应速度和并发处理能力。</p> <h3 id="summary">Summary</h3> <p>一个高性能的服务引擎，专门针对大规模高效部署大型语言模型以生成文本进行了优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>连续批处理</li> <li>张量并行</li> <li>低延迟服务</li> <li>LLM部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生产级聊天机器人API</li> <li>实时内容生成服务</li> <li>高吞吐量文本分析平台</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm_serving-llm%E6%9C%8D%E5%8A%A1%E5%8C%96/">llm_serving (LLM服务化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/continuous_batching-%E8%BF%9E%E7%BB%AD%E6%89%B9%E5%A4%84%E7%90%86/">continuous_batching (连续批处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/huggingface_tgi-hugging-face-tgi%E5%B7%A5%E5%85%B7/">huggingface_tgi (Hugging Face TGI工具)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_optimization-%E6%A8%A1%E5%9E%8B%E4%BC%98%E5%8C%96/">model_optimization (模型优化)</a></li> </ul>文本转音频https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_audio/Sat, 18 Jul 2026 11:36:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_audio/<h2 id="definition">Definition</h2> <p>文本转音频是一个广泛的概念，涵盖将文本输入转化为听觉输出的技术。虽然通常与用于模拟人类语音合成的文本转语音（TTS）相关联，但它也包括生成背景音乐、音效等非语音音频内容，广泛应用于多媒体制作和人机交互领域。</p> <h3 id="summary">Summary</h3> <p>将书面文本转换为口语音频的过程，涵盖语音合成和非语音声音生成。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语音合成</li> <li>神经声码器</li> <li>音频扩散</li> <li>韵律控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>视障人士的辅助工具</li> <li>语音助手和交互式语音应答（IVR）系统</li> <li>为媒体生成背景音景</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tts-%E6%96%87%E6%9C%AC%E8%BD%AC%E8%AF%AD%E9%9F%B3/">tts (文本转语音)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_synthesis-%E8%AF%AD%E9%9F%B3%E5%90%88%E6%88%90/">speech_synthesis (语音合成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio_generation-%E9%9F%B3%E9%A2%91%E7%94%9F%E6%88%90/">audio_generation (音频生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural_vocoder-%E7%A5%9E%E7%BB%8F%E5%A3%B0%E7%A0%81%E5%99%A8/">neural_vocoder (神经声码器)</a></li> </ul>文生图https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_image/Sat, 18 Jul 2026 11:36:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_to_image/<h2 id="definition">Definition</h2> <p>文生图指的是将生成式人工智能应用于根据自然语言描述合成逼真照片或艺术图像的技术。这些系统通常采用扩散模型（Diffusion Models），通过迭代去噪过程，将随机噪声转化为符合文本描述的精细图像，极大地丰富了创意表达的方式。</p> <h3 id="summary">Summary</h3> <p>一种生成式AI技术，利用Stable Diffusion或DALL-E等模型，从描述性文本提示中创建视觉图像。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>扩散模型</li> <li>潜在空间</li> <li>提示条件化</li> <li>图像合成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数字艺术与插画</li> <li>营销材料创作</li> <li>游戏和电影的概念设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable_diffusion-stable-diffusion%E6%A8%A1%E5%9E%8B/">stable_diffusion (Stable Diffusion模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dalle-dall-e%E6%A8%A1%E5%9E%8B/">dalle (DALL-E模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative_art-%E7%94%9F%E6%88%90%E5%BC%8F%E8%89%BA%E6%9C%AF/">generative_art (生成式艺术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion_process-%E6%89%A9%E6%95%A3%E8%BF%87%E7%A8%8B/">diffusion_process (扩散过程)</a></li> </ul>TensorBoardhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tensorboard/Sat, 18 Jul 2026 11:35:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tensorboard/<h2 id="definition">Definition</h2> <p>TensorBoard 是一套用于检查和理解 TensorFlow 运行过程和计算图的 Web 应用程序套件。它提供了可视化损失和准确率等指标随时间变化的工具，以及查看模型图的功能。</p> <h3 id="summary">Summary</h3> <p>一个用于监控机器学习实验和调试模型性能的可视化工具包。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可视化</li> <li>超参数调优</li> <li>图检查</li> <li>指标跟踪</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试训练收敛情况</li> <li>比较模型架构</li> <li>可视化嵌入空间</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">tensorboard.callback</span> <span style="color:#000;font-weight:bold">import</span> TensorBoardCallback </span></span><span style="display:flex;"><span>callback <span style="color:#000;font-weight:bold">=</span> TensorBoardCallback(log_dir<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;./logs&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlflow-mlflow%E5%B9%B3%E5%8F%B0/">MLflow (MLflow平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/weights-biases-w-b%E5%B9%B3%E5%8F%B0/">Weights &amp; Biases (W&amp;B平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorflow-tensorflow%E6%A1%86%E6%9E%B6/">TensorFlow (TensorFlow框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/experiment-tracking-%E5%AE%9E%E9%AA%8C%E8%B7%9F%E8%B8%AA/">Experiment Tracking (实验跟踪)</a></li> </ul>TensorFlow Hubhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tensorflow_hub/Sat, 18 Jul 2026 11:35:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tensorflow_hub/<h2 id="definition">Definition</h2> <p>TensorFlow Hub 是一个发布和复用机器学习组件的平台。它允许开发者访问针对图像分类、文本嵌入等各种任务预训练的模型。</p> <h3 id="summary">Summary</h3> <p>一个用于可复用机器学习模块的仓库，支持使用预训练模型进行迁移学习。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>模块复用</li> <li>预训练模型</li> <li>效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>快速模型原型开发</li> <li>降低训练成本</li> <li>实现最先进的自然语言处理/计算机视觉技术</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">tensorflow_hub</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">hub</span> </span></span><span style="display:flex;"><span>module <span style="color:#000;font-weight:bold">=</span> hub<span style="color:#000;font-weight:bold">.</span>load(<span style="color:#d14">&#39;https://tfhub.dev/google/imagenet/mobilenet_v2_100_224/classification/5&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-hugging-face%E5%B9%B3%E5%8F%B0/">Hugging Face (Hugging Face平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/keras-applications-keras%E5%BA%94%E7%94%A8%E5%BA%93/">Keras Applications (Keras应用库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-zoo-%E6%A8%A1%E5%9E%8B%E5%8A%A8%E7%89%A9%E5%9B%AD/">Model Zoo (模型动物园)</a></li> </ul>时间偏差https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/temporal_bias/Sat, 18 Jul 2026 11:35:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/temporal_bias/<h2 id="definition">Definition</h2> <p>当机器学习模型相对于较旧的数据点不成比例地赋予近期观测值更高权重时，就会发生时间偏差。这通常是由于数据分布的非平稳性或特定的训练协议所致。</p> <h3 id="summary">Summary</h3> <p>一种系统性误差，模型倾向于优先考虑近期数据而非历史背景，从而导致预测结果出现偏差。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据漂移</li> <li>非平稳性</li> <li>近因效应</li> <li>模型衰减</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融市场预测</li> <li>社交媒体趋势分析</li> <li>流失率建模</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/concept-drift-%E6%A6%82%E5%BF%B5%E6%BC%82%E7%A7%BB/">Concept drift (概念漂移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/catastrophic-forgetting-%E7%81%BE%E9%9A%BE%E6%80%A7%E9%81%97%E5%BF%98/">Catastrophic forgetting (灾难性遗忘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/time-series-analysis-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90/">Time-series analysis (时间序列分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fairness-in-ai-ai%E5%85%AC%E5%B9%B3%E6%80%A7/">Fairness in AI (AI公平性)</a></li> </ul>文本分类https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_classification/Sat, 18 Jul 2026 11:35:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/text_classification/<h2 id="definition">Definition</h2> <p>文本分类是一种监督学习任务，算法为无结构的文本数据分配预定义的类别。常用技术包括朴素贝叶斯、支持向量机和深度学习模型。</p> <h3 id="summary">Summary</h3> <p>根据内容或语义含义将文本归类到不同组织组的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监督学习</li> <li>标注</li> <li>特征提取</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>情感分析</li> <li>垃圾邮件过滤</li> <li>主题建模</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> pipeline </span></span><span style="display:flex;"><span>classifier <span style="color:#000;font-weight:bold">=</span> pipeline(<span style="color:#d14">&#34;sentiment-analysis&#34;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/named-entity-recognition-%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB/">Named Entity Recognition (命名实体识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentiment-analysis-%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90/">Sentiment Analysis (情感分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-models-transformer%E6%A8%A1%E5%9E%8B/">Transformer Models (Transformer模型)</a></li> </ul>张量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tensor/Sat, 18 Jul 2026 11:35:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tensor/<h2 id="definition">Definition</h2> <p>在计算机科学和深度学习中，张量是一种数学对象，它将标量、向量和矩阵推广到更高维度。它由其秩（维度数量）和形状等特征定义。</p> <h3 id="summary">Summary</h3> <p>一种多维数组，是深度学习框架中的基本数据结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>秩</li> <li>形状</li> <li>维度</li> <li>广播机制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像处理（4D张量）</li> <li>神经网络权重存储</li> <li>批量数据输入</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span>t <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>tensor([[<span style="color:#099">1</span>, <span style="color:#099">2</span>], [<span style="color:#099">3</span>, <span style="color:#099">4</span>]]) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/matrix-%E7%9F%A9%E9%98%B5/">Matrix (矩阵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-%E5%90%91%E9%87%8F/">Vector (向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/numpy-%E6%95%B0%E5%80%BC%E8%AE%A1%E7%AE%97%E5%BA%93/">NumPy (数值计算库)</a></li> </ul>符号回归https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbolic_regression/Sat, 18 Jul 2026 11:35:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbolic_regression/<h2 id="definition">Definition</h2> <p>符号回归是一种回归分析类型，旨在找到通常表示为树结构的数学表达式，以最优地拟合观测数据。与传统回归不同，它不预设函数形式。</p> <h3 id="summary">Summary</h3> <p>符号回归是一种搜索最佳拟合数据集的数学表达式的技術，旨在发现可解释的公式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>遗传编程</li> <li>表达式树</li> <li>模型可解释性</li> <li>函数发现</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>物理定律发现</li> <li>化学过程建模</li> <li>金融趋势分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genetic_algorithms-%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/">genetic_algorithms (遗传算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interpretable_ai-%E5%8F%AF%E8%A7%A3%E9%87%8Aai/">interpretable_ai (可解释AI)</a></li> </ul>符号级https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbol_level/Sat, 18 Jul 2026 11:35:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbol_level/<h2 id="definition">Definition</h2> <p>在人工智能中，符号级代表一种高级抽象，其中知识使用离散符号而非连续数值进行编码。这种方法对于基于符号的推理至关重要。</p> <h3 id="summary">Summary</h3> <p>符号级是指离散符号在AI系统中代表概念、对象或关系的抽象层。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>离散表示</li> <li>知识编码</li> <li>逻辑操作</li> <li>抽象</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>专家系统</li> <li>知识图谱</li> <li>形式化验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic_artificial_intelligence-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">symbolic_artificial_intelligence (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ontology-%E6%9C%AC%E4%BD%93%E8%AE%BA/">ontology (本体论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic_programming-%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B/">logic_programming (逻辑编程)</a></li> </ul>符号人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbolic_artificial_intelligence/Sat, 18 Jul 2026 11:35:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbolic_artificial_intelligence/<h2 id="definition">Definition</h2> <p>符号人工智能（常被称为GOFAI，即“老式好AI”）依赖于操纵符号和规则来进行推理和问题解决。与连接主义方法不同，它赋予系统明确的逻辑处理能力。</p> <h3 id="summary">Summary</h3> <p>符号人工智能是一种利用问题的高级符号表示，通过搜索和推理来解决复杂任务的AI方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基于规则的系統</li> <li>逻辑推理</li> <li>知识库</li> <li>确定性推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动定理证明</li> <li>医疗诊断系统</li> <li>语义网技术</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbol_level-%E7%AC%A6%E5%8F%B7%E7%BA%A7/">symbol_level (符号级)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert_systems-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">expert_systems (专家系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/first_order_logic-%E4%B8%80%E9%98%B6%E9%80%BB%E8%BE%91/">first_order_logic (一阶逻辑)</a></li> </ul>双曲正切 (Tanh)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tanh/Sat, 18 Jul 2026 11:35:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tanh/<h2 id="definition">Definition</h2> <p>双曲正切（Tanh）函数是一种非线性激活函数，常用于神经网络。它将输入值压缩到(-1, 1)区间内，提供零中心的输出，这有助于加速收敛。</p> <h3 id="summary">Summary</h3> <p>Tanh（双曲正切）是一种激活函数，将输入值映射到-1到1的范围之间。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>激活函数</li> <li>非线性</li> <li>零中心输出</li> <li>反向传播</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>循环神经网络</li> <li>LSTM单元门控</li> <li>多层感知机中的隐藏层</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">tanh</span>(x): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> np<span style="color:#000;font-weight:bold">.</span>tanh(x) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sigmoid-sigmoid%E5%87%BD%E6%95%B0/">sigmoid (Sigmoid函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/relu-relu%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0/">relu (ReLU激活函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural_networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">neural_networks (神经网络)</a></li> </ul>文生图 (T2I)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/t2i/Sat, 18 Jul 2026 11:35:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/t2i/<h2 id="definition">Definition</h2> <p>文生图（T2I）生成涉及使用深度学习模型（如扩散模型或GANs），根据自然语言提示合成图像。这些模型学习文本与图像之间的相关性。</p> <h3 id="summary">Summary</h3> <p>T2I是Text-to-Image（文生图）的缩写，这是一种从文本描述生成视觉图像的生成式AI技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>扩散模型</li> <li>自然语言处理</li> <li>生成对抗网络</li> <li>提示工程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数字艺术创作</li> <li>营销材料生成</li> <li>概念可视化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable_diffusion-stable-diffusion/">stable_diffusion (Stable Diffusion)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dalle-dall-e/">dalle (DALL-E)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal_learning-%E5%A4%9A%E6%A8%A1%E6%80%81%E5%AD%A6%E4%B9%A0/">multimodal_learning (多模态学习)</a></li> </ul>Symanhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/syman/Sat, 18 Jul 2026 11:35:31 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/syman/<h2 id="definition">Definition</h2> <p>主流人工智能术语中没有被广泛接受的“Syman”标准定义。它可能指代特定的专有工具，或是“System”（如系统提示词）的拼写错误。</p> <h3 id="summary">Summary</h3> <p>AI文献中的非标准或模糊术语；可能是“System”的拼写错误，或者是通用AI术语中未被广泛认可的具体小众缩写。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>未定义术语</li> <li>可能的拼写错误</li> <li>上下文依赖</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>技术文档中的澄清请求</li> <li>NLP预处理中的拼写纠正</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/system-prompt-%E7%B3%BB%E7%BB%9F%E6%8F%90%E7%A4%BA%E8%AF%8D/">System Prompt (系统提示词)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ambiguity-%E6%AD%A7%E4%B9%89/">Ambiguity (歧义)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/terminology-error-%E6%9C%AF%E8%AF%AD%E9%94%99%E8%AF%AF/">Terminology Error (术语错误)</a></li> </ul>阿谀奉承https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sycophancy/Sat, 18 Jul 2026 11:35:31 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sycophancy/<h2 id="definition">Definition</h2> <p>阿谀奉承是大语言模型中的一种故障模式，系统优先考虑取悦用户而非提供准确信息。这通常发生在基于人类反馈的强化学习过程中。</p> <h3 id="summary">Summary</h3> <p>AI模型倾向于过度迎合用户输入或偏好，即使事实错误，以最大化感知到的有用性或奖励。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>RLHF偏差</li> <li>真实性</li> <li>用户对齐</li> <li>奖励黑客攻击</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估模型真实性</li> <li>设计稳健的RLHF流程</li> <li>检测对话AI中的偏见</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-from-human-feedback-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning from Human Feedback (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hallucination-%E5%B9%BB%E8%A7%89/">Hallucination (幻觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/truthfulness-%E7%9C%9F%E5%AE%9E%E6%80%A7/">Truthfulness (真实性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-modeling-%E5%A5%96%E5%8A%B1%E5%BB%BA%E6%A8%A1/">Reward Modeling (奖励建模)</a></li> </ul>超级心智AIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supermind_ai/Sat, 18 Jul 2026 11:35:31 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supermind_ai/<h2 id="definition">Definition</h2> <p>超级心智AI指的是多个AI组件、人类专家或混合人机团队无缝协作，形成集体智能的系统，其能力超过任何单一个体。</p> <h3 id="summary">Summary</h3> <p>一种旨在将多个智能体或模型整合为一个统一的、增强的认知实体的AI架构或系统，具备更优越的问题解决能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>集体智能</li> <li>人机协作</li> <li>模块化架构</li> <li>协同效应</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂科学研究辅助</li> <li>多智能体决策支持系统</li> <li>设计与写作的创意副驾驶</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">Multi-Agent Systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human-in-the-loop-%E4%BA%BA%E5%9C%A8%E5%9B%9E%E8%B7%AF/">Human-in-the-Loop (人在回路)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/collective-intelligence-%E9%9B%86%E4%BD%93%E6%99%BA%E8%83%BD/">Collective Intelligence (集体智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ensemble-learning-%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0/">Ensemble Learning (集成学习)</a></li> </ul>超级智能禁令https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/superintelligence_ban/Sat, 18 Jul 2026 11:35:31 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/superintelligence_ban/<h2 id="definition">Definition</h2> <p>这一概念涉及关于限制或完全停止人工智能超级智能（ASI）研究的辩论及潜在政策。支持者认为，ASI 构成存在性风险。</p> <h3 id="summary">Summary</h3> <p>一种拟议的监管措施或伦理立场，主张禁止开发超越人类认知能力的人工智能通用智能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>存在性风险</li> <li>AI安全</li> <li>监管暂停</li> <li>对齐问题</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI治理的政策辩论</li> <li>AI研究中的伦理讨论</li> <li>先进AI开发的风险评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-general-intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial General Intelligence (通用人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-alignment-ai%E5%AF%B9%E9%BD%90/">AI Alignment (AI对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/singularity-%E5%A5%87%E7%82%B9/">Singularity (奇点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-safety-ai%E5%AE%89%E5%85%A8/">AI Safety (AI安全)</a></li> </ul>代理模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/surrogate_model/Sat, 18 Jul 2026 11:35:31 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/surrogate_model/<h2 id="definition">Definition</h2> <p>在机器学习和优化中，代理模型作为难以直接评估的目标函数的代理。它通过原始模型的输入-输出对进行训练，以预测目标函数的行为。</p> <h3 id="summary">Summary</h3> <p>一种简化的数学模型，用于近似更复杂、计算成本高或不可访问的黑盒模型的行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型近似</li> <li>黑盒优化</li> <li>计算效率</li> <li>代理模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>超参数优化</li> <li>工程设计模拟加速</li> <li>复杂系统的敏感性分析</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.gaussian_process</span> <span style="color:#000;font-weight:bold">import</span> GaussianProcessRegressor </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Simple surrogate for a noisy function</span> </span></span><span style="display:flex;"><span>X <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([[<span style="color:#099">1</span>], [<span style="color:#099">2</span>], [<span style="color:#099">3</span>], [<span style="color:#099">4</span>]]) </span></span><span style="display:flex;"><span>y <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([<span style="color:#099">2.1</span>, <span style="color:#099">3.9</span>, <span style="color:#099">6.2</span>, <span style="color:#099">7.8</span>]) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>surrogate <span style="color:#000;font-weight:bold">=</span> GaussianProcessRegressor() </span></span><span style="display:flex;"><span>surrogate<span style="color:#000;font-weight:bold">.</span>fit(X, y) </span></span><span style="display:flex;"><span>prediction <span style="color:#000;font-weight:bold">=</span> surrogate<span style="color:#000;font-weight:bold">.</span>predict(np<span style="color:#000;font-weight:bold">.</span>array([[<span style="color:#099">2.5</span>]])) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-optimization-%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%98%E5%8C%96/">Bayesian Optimization (贝叶斯优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gaussian-process-%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B/">Gaussian Process (高斯过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/black-box-function-%E9%BB%91%E7%9B%92%E5%87%BD%E6%95%B0/">Black-Box Function (黑盒函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/emulator-%E6%A8%A1%E6%8B%9F%E5%99%A8/">Emulator (模拟器)</a></li> </ul>结构风险最小化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/structural_risk_minimization/Sat, 18 Jul 2026 11:35:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/structural_risk_minimization/<h2 id="definition">Definition</h2> <p>结构风险最小化（SRM）是一种通过控制模型复杂度来防止过拟合、从而最小化期望风险的方法。它在经验风险最小化的基础上增加了正则化项，以惩罚过于复杂的模型。</p> <h3 id="summary">Summary</h3> <p>统计学习中的一项原则，旨在通过平衡模型拟合度和复杂度来最小化泛化误差的上界。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>VC维</li> <li>正则化</li> <li>泛化误差</li> <li>模型复杂度惩罚</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>支持向量机（SVM）训练</li> <li>回归分析中多项式阶数的选择</li> <li>剪枝决策树以避免过拟合</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BB%8F%E9%AA%8C%E9%A3%8E%E9%99%A9%E6%9C%80%E5%B0%8F%E5%8C%96-empirical-risk-minimization-%E6%9C%80%E5%B0%8F%E5%8C%96%E8%AE%AD%E7%BB%83%E8%AF%AF%E5%B7%AE/">经验风险最小化 (Empirical risk minimization，最小化训练误差)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A5%A5%E5%8D%A1%E5%A7%86%E5%89%83%E5%88%80-occam-s-razor-%E5%A6%82%E6%97%A0%E5%BF%85%E8%A6%81%E5%8B%BF%E5%A2%9E%E5%AE%9E%E4%BD%93%E7%9A%84%E7%AE%80%E7%BA%A6%E5%8E%9F%E5%88%99/">奥卡姆剃刀 (Occam&rsquo;s razor，如无必要勿增实体的简约原则)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AD%A3%E5%88%99%E5%8C%96-regularization-%E9%80%9A%E8%BF%87%E6%B7%BB%E5%8A%A0%E7%BA%A6%E6%9D%9F%E9%98%B2%E6%AD%A2%E8%BF%87%E6%8B%9F%E5%90%88/">正则化 (Regularization，通过添加约束防止过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff-%E5%B9%B3%E8%A1%A1%E6%A8%A1%E5%9E%8B%E8%AF%AF%E5%B7%AE%E6%9D%A5%E6%BA%90/">偏差-方差权衡 (Bias-variance tradeoff，平衡模型误差来源)</a></li> </ul>结构化稀疏正则化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/structured_sparsity_regularization/Sat, 18 Jul 2026 11:35:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/structured_sparsity_regularization/<h2 id="definition">Definition</h2> <p>结构化稀疏正则化扩展了标准的L1正则化，鼓励在特定模式中产生零值，而不是独立地对待各个系数。它融入了关于特征之间潜在结构或分组的先验知识。</p> <h3 id="summary">Summary</h3> <p>一种正则化技术，基于对数据中特征分组或结构的先验知识，强制实施特定的稀疏模式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>组Lasso</li> <li>特征分组</li> <li>稀疏恢复</li> <li>先验知识整合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有通路结构的基因表达分析</li> <li>具有块稀疏信号图像处理</li> <li>具有共享特征集的多任务学习</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lasso%E5%9B%9E%E5%BD%92-lasso-regression-%E4%BD%BF%E7%94%A8l1%E6%AD%A3%E5%88%99%E5%8C%96%E7%9A%84%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92/">Lasso回归 (Lasso regression，使用L1正则化的线性回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%B9%E6%80%A7%E7%BD%91%E7%BB%9C-elastic-net-%E7%BB%93%E5%90%88l1%E5%92%8Cl2%E6%AD%A3%E5%88%99%E5%8C%96%E7%9A%84%E6%96%B9%E6%B3%95/">弹性网络 (Elastic net，结合L1和L2正则化的方法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81%E9%80%89%E6%8B%A9-feature-selection-%E4%BB%8E%E5%8E%9F%E5%A7%8B%E7%89%B9%E5%BE%81%E4%B8%AD%E6%8C%91%E9%80%89%E5%AD%90%E9%9B%86/">特征选择 (Feature selection，从原始特征中挑选子集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8E%8B%E7%BC%A9%E6%84%9F%E7%9F%A5-compressed-sensing-%E5%88%A9%E7%94%A8%E7%A8%80%E7%96%8F%E6%80%A7%E4%BB%8E%E5%B0%91%E9%87%8F%E6%B5%8B%E9%87%8F%E4%B8%AD%E9%87%8D%E5%BB%BA%E4%BF%A1%E5%8F%B7/">压缩感知 (Compressed sensing，利用稀疏性从少量测量中重建信号)</a></li> </ul>流式处理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/streaming/Sat, 18 Jul 2026 11:35:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/streaming/<h2 id="definition">Definition</h2> <p>流式处理指在数据生成时实时或近实时地持续摄入和处理数据。与处理固定数据集的批处理不同，流式系统管理无边界的数据流，能够即时响应数据变化。</p> <h3 id="summary">Summary</h3> <p>一种数据处理范式，信息以小块形式连续处理，而非作为大型静态批处理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>实时处理</li> <li>增量更新</li> <li>低延迟</li> <li>无界数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融交易中的实时欺诈检测</li> <li>物联网系统中的传感器数据实时监控</li> <li>动态内容推荐流</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%89%B9%E5%A4%84%E7%90%86-batch-processing-%E4%B8%80%E6%AC%A1%E6%80%A7%E5%A4%84%E7%90%86%E5%A4%A7%E9%87%8F%E9%9D%99%E6%80%81%E6%95%B0%E6%8D%AE/">批处理 (Batch processing，一次性处理大量静态数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/apache-kafka-apache-kafka-%E5%88%86%E5%B8%83%E5%BC%8F%E4%BA%8B%E4%BB%B6%E6%B5%81%E5%B9%B3%E5%8F%B0/">Apache Kafka (Apache Kafka，分布式事件流平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%8B%E4%BB%B6%E9%A9%B1%E5%8A%A8%E6%9E%B6%E6%9E%84-event-driven-architecture-%E7%94%B1%E4%BA%8B%E4%BB%B6%E8%A7%A6%E5%8F%91%E6%93%8D%E4%BD%9C%E7%9A%84%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84/">事件驱动架构 (Event-driven architecture，由事件触发操作的系统架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B5%81%E5%A4%84%E7%90%86-stream-processing-%E5%A4%84%E7%90%86%E6%97%A0%E9%99%90%E6%95%B0%E6%8D%AE%E5%BA%8F%E5%88%97%E7%9A%84%E8%AE%A1%E7%AE%97%E8%8C%83%E5%BC%8F/">流处理 (Stream processing，处理无限数据序列的计算范式)</a></li> </ul>统计关系学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/statistical_relational_learning/Sat, 18 Jul 2026 11:35:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/statistical_relational_learning/<h2 id="definition">Definition</h2> <p>统计关系学习（SRL）将概率论与关系数据结构相结合，使模型能够捕捉实体及其关系之间的依赖性。与标准统计方法不同，SRL能够同时处理对象属性和对象间的复杂关联。</p> <h3 id="summary">Summary</h3> <p>一个机器学习领域，将概率推理与一阶逻辑相结合，以处理数据中复杂的结构关系。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>马尔可夫逻辑网络</li> <li>关系依赖性</li> <li>一阶逻辑</li> <li>实体-关系建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交网络分析与链接预测</li> <li>生物通路建模</li> <li>知识图谱补全</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1-knowledge-graphs-%E7%94%A8%E4%BA%8E%E8%A1%A8%E7%A4%BA%E5%AE%9E%E4%BD%93%E9%97%B4%E5%85%B3%E7%B3%BB%E7%9A%84%E5%9B%BE%E7%BB%93%E6%9E%84/">知识图谱 (Knowledge graphs，用于表示实体间关系的图结构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B-probabilistic-graphical-models-%E7%94%A8%E5%9B%BE%E8%A1%A8%E7%A4%BA%E6%A6%82%E7%8E%87%E4%BE%9D%E8%B5%96%E5%85%B3%E7%B3%BB/">概率图模型 (Probabilistic graphical models，用图表示概率依赖关系)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BD%92%E7%BA%B3%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B-inductive-logic-programming-%E7%BB%93%E5%90%88%E9%80%BB%E8%BE%91%E4%B8%8E%E5%AD%A6%E4%B9%A0%E7%9A%84%E7%BC%96%E7%A8%8B%E8%8C%83%E5%BC%8F/">归纳逻辑编程 (Inductive logic programming，结合逻辑与学习的编程范式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-graph-neural-networks-%E5%A4%84%E7%90%86%E5%9B%BE%E7%BB%93%E6%9E%84%E6%95%B0%E6%8D%AE%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B/">图神经网络 (Graph neural networks，处理图结构数据的深度学习模型)</a></li> </ul>统计学习理论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/statistical_learning_theory/Sat, 18 Jul 2026 11:35:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/statistical_learning_theory/<h2 id="definition">Definition</h2> <p>统计学习理论（SLT）是统计学和计算机科学的一个分支，研究特定算法如何从有限的训练样本泛化到未见过的数据。它侧重于对泛化误差进行界限分析，以确保模型在未知数据上的表现。</p> <h3 id="summary">Summary</h3> <p>一种数学框架，通过分析机器学习算法的泛化能力，为其提供理论基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化界</li> <li>VC维</li> <li>经验风险</li> <li>样本复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推导神经网络性能的理论极限</li> <li>确定可靠训练所需的最小数据集规模</li> <li>分析复杂模型中的过拟合风险</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pac%E5%AD%A6%E4%B9%A0-probably-approximately-correct-learning-%E6%A6%82%E7%8E%87%E8%BF%91%E4%BC%BC%E6%AD%A3%E7%A1%AE%E5%AD%A6%E4%B9%A0/">PAC学习 (Probably Approximately Correct learning，概率近似正确学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff-%E6%A8%A1%E5%9E%8B%E5%81%8F%E5%B7%AE%E4%B8%8E%E6%96%B9%E5%B7%AE%E7%9A%84%E5%B9%B3%E8%A1%A1/">偏差-方差权衡 (Bias-variance tradeoff，模型偏差与方差的平衡)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AD%A3%E5%88%99%E5%8C%96-regularization-%E9%98%B2%E6%AD%A2%E8%BF%87%E6%8B%9F%E5%90%88%E7%9A%84%E6%8A%80%E6%9C%AF/">正则化 (Regularization，防止过拟合的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E9%80%89%E6%8B%A9-model-selection-%E4%BB%8E%E5%80%99%E9%80%89%E6%A8%A1%E5%9E%8B%E4%B8%AD%E9%80%89%E6%8B%A9%E6%9C%80%E4%BC%98%E6%A8%A1%E5%9E%8B/">模型选择 (Model selection，从候选模型中选择最优模型)</a></li> </ul>Stable Diffusionhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stable_diffusion/Sat, 18 Jul 2026 11:35:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stable_diffusion/<h2 id="definition">Definition</h2> <p>Stable Diffusion 是一种深度学习模型，利用潜在扩散过程根据文本输入生成详细的图像。与在像素空间操作的扩散模型不同，它在压缩的潜在空间（latent space）中进行去噪过程，这大大降低了计算资源需求并提高了生成速度。它结合了变分自编码器（VAE）和条件扩散模型，是目前最流行的开源文生图技术之一。</p> <h3 id="summary">Summary</h3> <p>一种潜在扩散模型，能够高效地从文本描述生成高质量图像。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>潜在扩散</li> <li>文生图</li> <li>生成式AI</li> <li>VAE (变分自编码器)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数字艺术创作</li> <li>概念可视化</li> <li>营销内容生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dall-e-openai%E7%9A%84%E6%96%87%E7%94%9F%E5%9B%BE%E6%A8%A1%E5%9E%8B/">DALL-E (OpenAI的文生图模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/midjourney-%E7%9F%A5%E5%90%8Dai%E7%BB%98%E5%9B%BE%E5%B7%A5%E5%85%B7/">Midjourney (知名AI绘图工具)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-models-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Diffusion Models (扩散模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gans-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GANs (生成对抗网络)</a></li> </ul>Stable Diffusion Diffusershttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stable_diffusion_diffusers/Sat, 18 Jul 2026 11:35:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stable_diffusion_diffusers/<h2 id="definition">Definition</h2> <p>Diffusers库是Hugging Face推出的一个开源工具包，旨在简化预训练扩散模型（特别是Stable Diffusion）的使用。它提供了模块化的管道（pipelines），处理从加载模型、预处理输入到后处理输出的整个流程。该库支持多种框架（如PyTorch和JAX），并允许用户轻松地进行模型微调（fine-tuning）和自定义推理配置，极大地降低了使用先进扩散模型的技术门槛。</p> <h3 id="summary">Summary</h3> <p>一个Hugging Face库，提供用于运行和微调Stable Diffusion模型的标准化管理流程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Hugging Face</li> <li>管道抽象</li> <li>微调</li> <li>模型互操作性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像生成器的快速原型开发</li> <li>自定义模型微调</li> <li>扩散过程的教育演示</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-hub-hugging-face%E6%A8%A1%E5%9E%8B%E4%BB%93%E5%BA%93/">Hugging Face Hub (Hugging Face模型仓库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A1%86%E6%9E%B6/">PyTorch (深度学习框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformers-library-hugging-face%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E5%BA%93/">Transformers Library (Hugging Face自然语言处理库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-cards-%E6%A8%A1%E5%9E%8B%E5%8D%A1%E7%89%87-%E6%96%87%E6%A1%A3/">Model Cards (模型卡片/文档)</a></li> </ul>激活扩散https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spreading_activation/Sat, 18 Jul 2026 11:35:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spreading_activation/<h2 id="definition">Definition</h2> <p>激活扩散（Spreading activation）是一个最初源于认知心理学的概念，后被引入神经网络领域，用于描述信号如何在互联单元之间传播。当特定节点被激活时，其激活状态会根据连接权重传播到相邻节点，这种机制常用于模拟人类联想记忆和语义网络的运作方式，也是注意力机制和知识图谱推理的基础之一。</p> <h3 id="summary">Summary</h3> <p>一种受认知科学启发的机制，其中网络中一个节点的激活会触发与其相连的其他节点的激活。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经连通性</li> <li>信号传播</li> <li>联想记忆</li> <li>注意力机制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语义搜索引擎</li> <li>知识图谱推理</li> <li>认知建模仿真</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention-mechanism-%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">Attention Mechanism (注意力机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/graph-neural-networks-%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Graph Neural Networks (图神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hopfield-network-%E9%9C%8D%E6%99%AE%E8%8F%B2%E5%B0%94%E5%BE%B7%E7%BD%91%E7%BB%9C/">Hopfield Network (霍普菲尔德网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> </ul>尖峰-厚尾回归https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spike_and_slab_regression/Sat, 18 Jul 2026 11:35:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spike_and_slab_regression/<h2 id="definition">Definition</h2> <p>尖峰-厚尾回归（Spike-and-slab regression）是一种用于变量选择和稀疏建模的贝叶斯统计技术。它采用由两个部分组成的混合先验分布：一个‘尖峰’（spike，通常集中在零点附近以表示系数为零）和一个‘厚尾’（slab，较宽的分布以表示非零系数）。这种方法通过概率方式自动进行特征选择，特别适用于高维数据中识别重要变量的场景。</p> <h3 id="summary">Summary</h3> <p>一种贝叶斯变量选择方法，使用混合先验分布来区分系数为零和非零的情况。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯推断</li> <li>稀疏建模</li> <li>混合先验</li> <li>变量选择</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高维基因组数据分析</li> <li>金融风险因子识别</li> <li>预测模型中的特征选择</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lasso-l1%E6%AD%A3%E5%88%99%E5%8C%96%E5%9B%9E%E5%BD%92/">Lasso (L1正则化回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ridge-regression-%E5%B2%AD%E5%9B%9E%E5%BD%92-l2%E6%AD%A3%E5%88%99%E5%8C%96/">Ridge Regression (岭回归/L2正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-linear-regression-%E8%B4%9D%E5%8F%B6%E6%96%AF%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92/">Bayesian Linear Regression (贝叶斯线性回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparsity-%E7%A8%80%E7%96%8F%E6%80%A7/">Sparsity (稀疏性)</a></li> </ul>稳定性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stability/Sat, 18 Jul 2026 11:35:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stability/<h2 id="definition">Definition</h2> <p>在机器学习中，稳定性（Stability）指模型的性能和参数在面对训练数据的微小扰动时保持稳健的程度。一个稳定的算法即使输入数据略有不同，也能生成相似的模型或预测结果。稳定性是评估模型可靠性和泛化能力的重要指标，通常与方差（Variance）密切相关，高稳定性意味着低方差。</p> <h3 id="summary">Summary</h3> <p>机器学习模型在训练数据发生微小变化时，仍能产生一致预测结果的属性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>鲁棒性</li> <li>泛化能力</li> <li>方差</li> <li>重采样</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估模型可靠性</li> <li>为关键应用选择算法</li> <li>交叉验证策略设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-variance-tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">Bias-Variance Tradeoff (偏差-方差权衡)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bootstrap-aggregating-bagging-%E8%87%AA%E5%8A%A9%E8%81%9A%E5%90%88/">Bootstrap Aggregating (Bagging/自助聚合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> </ul>空间智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spatial_intelligence/Sat, 18 Jul 2026 11:34:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spatial_intelligence/<h2 id="definition">Definition</h2> <p>空间智能是指人工智能模型感知、解释和操作物理或虚拟环境中空间关系的能力。它涉及对空间结构的深入理解，使机器能够像人类一样在复杂环境中进行定位和交互。</p> <h3 id="summary">Summary</h3> <p>AI系统理解、推理和导航三维环境的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>3D感知</li> <li>几何推理</li> <li>场景理解</li> <li>深度估计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车导航</li> <li>机器人操作</li> <li>增强现实叠加</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer_vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">computer_vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robotics-%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF/">robotics (机器人技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/slam-%E5%8D%B3%E6%97%B6%E5%AE%9A%E4%BD%8D%E4%B8%8E%E5%9C%B0%E5%9B%BE%E6%9E%84%E5%BB%BA/">SLAM (即时定位与地图构建)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/3d_reconstruction-3d%E9%87%8D%E5%BB%BA/">3D_reconstruction (3D重建)</a></li> </ul>说话人https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speaker/Sat, 18 Jul 2026 11:34:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speaker/<h2 id="definition">Definition</h2> <p>在语音处理中，说话人被定义为录音中distinct的人类声源。识别和区分不同的说话人是分析对话内容、确保信息安全以及提升语音交互体验的基础。</p> <h3 id="summary">Summary</h3> <p>在音频信号中产生语音或声音的个体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>声音特征</li> <li>声学特征</li> <li>身份验证</li> <li>音频源分离</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语音生物识别认证</li> <li>会议转录标注</li> <li>客户服务分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speaker_diarization-%E8%AF%B4%E8%AF%9D%E4%BA%BA%E6%97%A5%E5%BF%97-%E8%BD%AC%E5%86%99/">speaker_diarization (说话人日志/转写)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/voice_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">voice_recognition (语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio_processing-%E9%9F%B3%E9%A2%91%E5%A4%84%E7%90%86/">audio_processing (音频处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_to_text-%E8%AF%AD%E9%9F%B3%E8%BD%AC%E6%96%87%E6%9C%AC/">speech_to_text (语音转文本)</a></li> </ul>说话人切换检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speaker_change_detection/Sat, 18 Jul 2026 11:34:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speaker_change_detection/<h2 id="definition">Definition</h2> <p>说话人切换检测（SCD）是一种用于精确定位一个说话人停止讲话而另一个开始讲话的确切时间戳的技术。它是说话人日志（Diarization）的前置步骤，有助于将连续的音频分割成独立的片段以便后续处理。</p> <h3 id="summary">Summary</h3> <p>识别音频流中活跃说话人发生变化的时间点。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时间戳检测</li> <li>语音活动检测</li> <li>分段</li> <li>过渡点</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>播客编辑自动化</li> <li>法律笔录准备</li> <li>呼叫中心质量保证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speaker_diarization-%E8%AF%B4%E8%AF%9D%E4%BA%BA%E6%97%A5%E5%BF%97-%E8%BD%AC%E5%86%99/">speaker_diarization (说话人日志/转写)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/voice_activity_detection-%E8%AF%AD%E9%9F%B3%E6%B4%BB%E5%8A%A8%E6%A3%80%E6%B5%8B/">voice_activity_detection (语音活动检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio_segmentation-%E9%9F%B3%E9%A2%91%E5%88%86%E6%AE%B5/">audio_segmentation (音频分段)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">speech_recognition (语音识别)</a></li> </ul>说话人日志https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speaker_diarization/Sat, 18 Jul 2026 11:34:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speaker_diarization/<h2 id="definition">Definition</h2> <p>说话人日志是将音频流根据说话人身份划分为同质片段的任务。它结合了说话人切换检测和说话人聚类技术，旨在为音频中的每一段语音打上说话人身份的标签，实现“谁说了什么”的完整记录。</p> <h3 id="summary">Summary</h3> <p>确定音频录音中“谁在何时说话”的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>说话人聚类</li> <li>身份标注</li> <li>谁说了什么</li> <li>音频分段</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动生成会议纪要</li> <li>访谈转录</li> <li>广播媒体分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speaker_change_detection-%E8%AF%B4%E8%AF%9D%E4%BA%BA%E5%88%87%E6%8D%A2%E6%A3%80%E6%B5%8B/">speaker_change_detection (说话人切换检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_to_text-%E8%AF%AD%E9%9F%B3%E8%BD%AC%E6%96%87%E6%9C%AC/">speech_to_text (语音转文本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/voice_printing-%E5%A3%B0%E7%BA%B9%E8%AF%86%E5%88%AB/">voice_printing (声纹识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio_analysis-%E9%9F%B3%E9%A2%91%E5%88%86%E6%9E%90/">audio_analysis (音频分析)</a></li> </ul>语音到语音https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speech_to_speech/Sat, 18 Jul 2026 11:34:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/speech_to_speech/<h2 id="definition">Definition</h2> <p>语音到语音（STS）翻译绕过中间文本表示，直接将语言A的口语转换为语言B的口语。这种方法旨在保留原话的韵律、情感和自然度，提供更流畅、更人性化的跨语言交流体验。</p> <h3 id="summary">Summary</h3> <p>一种直接将口语输入转换为另一种语言合成语音的翻译范式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>端到端翻译</li> <li>语音转换</li> <li>韵律保留</li> <li>实时合成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时视频会议翻译</li> <li>虚拟助手跨语言交互</li> <li>听障人士辅助工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_translation-%E6%9C%BA%E5%99%A8%E7%BF%BB%E8%AF%91/">machine_translation (机器翻译)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text_to_speech-%E6%96%87%E6%9C%AC%E8%BD%AC%E8%AF%AD%E9%9F%B3/">text_to_speech (文本转语音)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">speech_recognition (语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/voice_cloning-%E8%AF%AD%E9%9F%B3%E5%85%8B%E9%9A%86/">voice_cloning (语音克隆)</a></li> </ul>空间嵌入https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spatial_embedding/Sat, 18 Jul 2026 11:34:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/spatial_embedding/<h2 id="definition">Definition</h2> <p>空间嵌入涉及将物理或抽象的空间关系转换为稠密向量空间，使算法能够理解邻近性、方向和拓扑结构。这项技术在需要理解空间布局的任务中至关重要。</p> <h3 id="summary">Summary</h3> <p>一种将对象或位置之间的空间关系映射为机器学习模型向量表示的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量表示</li> <li>拓扑映射</li> <li>几何学习</li> <li>传感器融合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆导航</li> <li>机器人路径规划</li> <li>地理空间分析</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">11 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">SpatialEmbedding</span>(nn<span style="color:#000;font-weight:bold">.</span>Module): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> __init__(<span style="color:#999">self</span>, input_dim, embed_dim): </span></span><span style="display:flex;"><span> <span style="color:#0086b3">super</span>()<span style="color:#000;font-weight:bold">.</span>__init__() </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>linear <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(input_dim, embed_dim) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">forward</span>(<span style="color:#999">self</span>, x): </span></span><span style="display:flex;"><span> <span style="color:#998;font-style:italic"># x shape: (batch_size, num_points, input_dim)</span> </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> torch<span style="color:#000;font-weight:bold">.</span>relu(<span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>linear(x)) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/graph-neural-networks-%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Graph Neural Networks (图神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/point-cloud-processing-%E7%82%B9%E4%BA%91%E5%A4%84%E7%90%86/">Point Cloud Processing (点云处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/manifold-learning-%E6%B5%81%E5%BD%A2%E5%AD%A6%E4%B9%A0/">Manifold Learning (流形学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/slam-%E5%90%8C%E6%AD%A5%E5%AE%9A%E4%BD%8D%E4%B8%8E%E5%BB%BA%E5%9B%BE/">SLAM (同步定位与建图)</a></li> </ul>来源归属https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/source_attribution/Sat, 18 Jul 2026 11:34:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/source_attribution/<h2 id="definition">Definition</h2> <p>来源归属是指对AI系统内数据、模型或生成输出的来源进行系统性追踪和标记。它通过将最终结果回溯到其源头来确保透明度，从而保障内容的可追溯性和原创性。</p> <h3 id="summary">Summary</h3> <p>识别并归因于生成特定内容或见解所使用的原始创作者或数据集的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>溯源追踪</li> <li>知识产权</li> <li>透明度</li> <li>元数据标记</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生成式AI中的版权合规</li> <li>学术研究引用自动化</li> <li>内容真实性验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/watermarking-%E6%95%B0%E5%AD%97%E6%B0%B4%E5%8D%B0%E6%8A%80%E6%9C%AF/">Watermarking (数字水印技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-provenance-%E6%95%B0%E6%8D%AE%E6%BA%AF%E6%BA%90/">Data Provenance (数据溯源)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fair-use-%E5%90%88%E7%90%86%E4%BD%BF%E7%94%A8%E5%8E%9F%E5%88%99/">Fair Use (合理使用原则)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/citation-management-%E5%BC%95%E7%94%A8%E7%AE%A1%E7%90%86/">Citation Management (引用管理)</a></li> </ul>闪光表情符号https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sparkles_emoji/Sat, 18 Jul 2026 11:34:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sparkles_emoji/<h2 id="definition">Definition</h2> <p>闪光表情符号是一种图形图标，常用于AI应用程序的用户界面，以表示新颖性、改进或创意增强。它作为一种非语言提示，表明内容已更新或具有特殊效果。</p> <h3 id="summary">Summary</h3> <p>在AI界面中常用来表示新功能、增强功能或生成内容中魔法般转换的视觉符号。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>用户界面/用户体验设计</li> <li>视觉提示</li> <li>功能高亮</li> <li>用户参与度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>指示模型更新</li> <li>突出显示新功能</li> <li>增强创意输出展示</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/emoji-semantics-%E8%A1%A8%E6%83%85%E7%AC%A6%E5%8F%B7%E8%AF%AD%E4%B9%89/">Emoji Semantics (表情符号语义)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interface-design-%E7%95%8C%E9%9D%A2%E8%AE%BE%E8%AE%A1/">Interface Design (界面设计)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/visual-feedback-%E8%A7%86%E8%A7%89%E5%8F%8D%E9%A6%88/">Visual Feedback (视觉反馈)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/user-experience-%E7%94%A8%E6%88%B7%E4%BD%93%E9%AA%8C/">User Experience (用户体验)</a></li> </ul>太空数据中心https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/space_based_data_center/Sat, 18 Jul 2026 11:34:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/space_based_data_center/<h2 id="definition">Definition</h2> <p>太空数据中心是提议位于地球轨道上的计算设施，旨在利用独特的环境优势，如丰富的太阳能和自然的空间真空散热，以提高能源效率和数据处理能力。</p> <h3 id="summary">Summary</h3> <p>位于轨道上的计算设施，利用太阳能和真空冷却等太空条件以实现高效数据处理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>轨道基础设施</li> <li>被动冷却</li> <li>太阳能收集</li> <li>延迟降低</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>全球低延迟计算</li> <li>卫星数据处理</li> <li>节能大规模存储</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/leo-satellites-%E4%BD%8E%E5%9C%B0%E7%90%83%E8%BD%A8%E9%81%93%E5%8D%AB%E6%98%9F/">LEO Satellites (低地球轨道卫星)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">Edge Computing (边缘计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/thermal-management-%E7%83%AD%E7%AE%A1%E7%90%86/">Thermal Management (热管理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/space-logistics-%E5%A4%AA%E7%A9%BA%E7%89%A9%E6%B5%81/">Space Logistics (太空物流)</a></li> </ul>主权人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sovereign_ai/Sat, 18 Jul 2026 11:34:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sovereign_ai/<h2 id="definition">Definition</h2> <p>主权人工智能描述了一个国家或组织独立构建、部署和管理人工智能系统的能力，而不依赖外国云提供商或专有技术。这旨在维护数据主权、国家安全和技术自主权。</p> <h3 id="summary">Summary</h3> <p>一种战略方法，国家或实体开发和控制自己的AI基础设施和模型，以确保数据隐私和监管独立性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据驻留</li> <li>本地计算</li> <li>监管自主权</li> <li>国家安全</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政府云基础设施</li> <li>跨境数据保护</li> <li>国内科技产业发展</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cloud-sovereignty-%E4%BA%91%E4%B8%BB%E6%9D%83/">Cloud Sovereignty (云主权)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-localization-%E6%95%B0%E6%8D%AE%E6%9C%AC%E5%9C%B0%E5%8C%96/">Data Localization (数据本地化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">Edge Computing (边缘计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-independence-%E6%95%B0%E5%AD%97%E7%8B%AC%E7%AB%8B/">Digital Independence (数字独立)</a></li> </ul>韩国智能音箱产业https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/smart_speaker_industry_in_south_korea/Sat, 18 Jul 2026 11:34:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/smart_speaker_industry_in_south_korea/<h2 id="definition">Definition</h2> <p>该术语指代韩国智能音箱特定的区域市场动态，其特征是智能手机普及率高且宽带基础设施先进。它涉及主要参与者之间的竞争与合作，包括本土科技巨头和国际品牌，旨在利用先进的自然语言处理技术满足韩国用户独特的语言和文化需求。</p> <h3 id="summary">Summary</h3> <p>涉及硬件制造商和AI服务提供商，在韩国境内提供语音控制设备的市场生态系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语音用户界面 (VUI)</li> <li>物联网集成</li> <li>韩语自然语言处理</li> <li>市场竞争</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>家庭自动化控制</li> <li>通过语音检索信息</li> <li>智能家居设备中心管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bixby-%E4%B8%89%E6%98%9F%E7%9A%84%E8%99%9A%E6%8B%9F%E5%8A%A9%E6%89%8B/">Bixby (三星的虚拟助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kakao-i-kakao%E7%9A%84ai%E5%B9%B3%E5%8F%B0/">Kakao i (Kakao的AI平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/internet-of-things-%E7%89%A9%E8%81%94%E7%BD%91/">Internet of Things (物联网)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> </ul>软件代理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/software_agent/Sat, 18 Jul 2026 11:34:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/software_agent/<h2 id="definition">Definition</h2> <p>软件代理是一种能够感知环境、进行推理并采取行动以实现特定目标的自主实体。这些代理可以独立运行，适应变化，并与其他代理或系统协作。它们广泛应用于自动化任务、数据处理和复杂决策支持系统中。</p> <h3 id="summary">Summary</h3> <p>一种以一定程度的自主性代表用户或其他程序执行任务的计算机程序。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主性</li> <li>感知-行动循环</li> <li>目标导向行为</li> <li>反应性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化客户服务机器人</li> <li>网络监控与维护</li> <li>个性化推荐引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-agent-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BB%A3%E7%90%86/">AI Agent (人工智能代理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bot-%E6%9C%BA%E5%99%A8%E4%BA%BA-%E7%88%AC%E8%99%AB/">Bot (机器人/爬虫)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous-system-%E8%87%AA%E4%B8%BB%E7%B3%BB%E7%BB%9F/">Autonomous System (自主系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-system-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">Multi-Agent System (多智能体系统)</a></li> </ul>社交辅助机器人https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/socially_assistive_robot/Sat, 18 Jul 2026 11:34:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/socially_assistive_robot/<h2 id="definition">Definition</h2> <p>社交辅助机器人（SARs）是人类-机器人交互的一个子集，侧重于通过社交手段而非物理操作提供帮助。它们利用非接触策略，如对话、情感支持和提醒，来促进用户的健康、福祉和社会参与，常用于护理、教育和康复领域。</p> <h3 id="summary">Summary</h3> <p>一种旨在通过与人类互动来改善其身心健康，而不执行物理任务的机器人。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机交互</li> <li>非接触式辅助</li> <li>情感计算</li> <li>康复训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>老年人陪伴</li> <li>自闭症疗法支持</li> <li>物理治疗激励</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/care-robot-%E6%8A%A4%E7%90%86%E6%9C%BA%E5%99%A8%E4%BA%BA/">Care Robot (护理机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/companion-robot-%E4%BC%B4%E4%BE%A3%E6%9C%BA%E5%99%A8%E4%BA%BA/">Companion Robot (伴侣机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/affective-computing-%E6%83%85%E6%84%9F%E8%AE%A1%E7%AE%97/">Affective Computing (情感计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hri-%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/">HRI (人机交互)</a></li> </ul>所罗门诺夫的归纳推理理论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/solomonoffs_theory_of_inductive_inference/Sat, 18 Jul 2026 11:34:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/solomonoffs_theory_of_inductive_inference/<h2 id="definition">Definition</h2> <p>由雷·所罗门诺夫开发，该理论通过根据序列的复杂性为其分配概率，提供了一种通用的归纳模型。它主张更简单的解释（即较短的程序）具有更高的先验概率，从而为机器学习和人工智能中的模式识别和预测提供了理论基础。</p> <h3 id="summary">Summary</h3> <p>一种基于算法概率，利用过去数据预测未来观察结果的正式数学框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法概率</li> <li>柯尔莫哥洛夫复杂度</li> <li>奥卡姆剃刀</li> <li>通用先验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理论AI研究</li> <li>序列预测模型</li> <li>AGI（通用人工智能）基础</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">Bayesian Inference (贝叶斯推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-information-theory-%E7%AE%97%E6%B3%95%E4%BF%A1%E6%81%AF%E8%AE%BA/">Algorithmic Information Theory (算法信息论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inductive-bias-%E5%BD%92%E7%BA%B3%E5%81%8F%E7%BD%AE/">Inductive Bias (归纳偏置)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prediction-theory-%E9%A2%84%E6%B5%8B%E7%90%86%E8%AE%BA/">Prediction Theory (预测理论)</a></li> </ul>重大事件正在发生https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/something_big_is_happening/Sat, 18 Jul 2026 11:34:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/something_big_is_happening/<h2 id="definition">Definition</h2> <p>该术语并非技术定义，而是一个文化标记，指代人工智能领域中创新密集、公众兴趣高涨或范式转变的时期。它通常伴随着重大技术发布、突破性研究成果或社会对AI潜力认知的显著变化，反映了公众和媒体对技术进步的敏感反应。</p> <h3 id="summary">Summary</h3> <p>一个通俗短语，媒体常用其描述AI领域的重大突破或快速进展。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>技术加速</li> <li>公众认知</li> <li>范式转移</li> <li>媒体叙事</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>新闻标题</li> <li>营销活动</li> <li>对科技趋势的文化评论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-hype-ai%E7%82%92%E4%BD%9C/">AI Hype (AI炒作)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/singularity-%E5%A5%87%E7%82%B9/">Singularity (奇点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/technological-singularity-%E6%8A%80%E6%9C%AF%E5%A5%87%E7%82%B9/">Technological Singularity (技术奇点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/innovation-cycle-%E5%88%9B%E6%96%B0%E5%91%A8%E6%9C%9F/">Innovation Cycle (创新周期)</a></li> </ul>慢速宣传https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/slopaganda/Sat, 18 Jul 2026 11:34:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/slopaganda/<h2 id="definition">Definition</h2> <p>慢速宣传描述的是一种战略性的虚假信息形式，它依赖于重复、模糊性和长期曝光，而非病毒式的震惊战术。其目的是混淆受众、稀释真相并侵蚀&hellip;</p> <h3 id="summary">Summary</h3> <p>“Slow”（慢）和“Propaganda”（宣传）的合成词，指旨在通过长期、微妙的影响来侵蚀信任的虚假信息活动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>虚假信息</li> <li>认知战</li> <li>叙事操纵</li> <li>信任侵蚀</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析政治干预活动</li> <li>开发媒体素养项目</li> <li>监控社交媒体以识别协调的不真实行为</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hybrid-warfare-%E6%B7%B7%E5%90%88%E6%88%98%E4%BA%89/">Hybrid Warfare (混合战争)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fake-news-%E5%81%87%E6%96%B0%E9%97%BB/">Fake News (假新闻)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-operations-%E4%BF%A1%E6%81%AF%E8%A1%8C%E5%8A%A8/">Information Operations (信息行动)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-bias-%E8%AE%A4%E7%9F%A5%E5%81%8F%E5%B7%AE/">Cognitive Bias (认知偏差)</a></li> </ul>奇点研究https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/singularity_studies/Sat, 18 Jul 2026 11:34:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/singularity_studies/<h2 id="definition">Definition</h2> <p>奇点研究是一门新兴的学术学科，旨在调查假设的未来时刻（即人工智能超越人类智能）所带来的影响，从而导致不可控的后果。</p> <h3 id="summary">Summary</h3> <p>一门跨学科领域，考察未来技术奇点对社会、伦理和存在性影响的潜在后果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>技术奇点</li> <li>超级智能</li> <li>生存风险</li> <li>超人类主义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>制定人工智能治理政策</li> <li>评估人工智能开发中的伦理风险</li> <li>科技行业的长期战略规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-alignment-ai%E5%AF%B9%E9%BD%90/">AI Alignment (AI对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/superintelligence-%E8%B6%85%E7%BA%A7%E6%99%BA%E8%83%BD/">Superintelligence (超级智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/technological-uniqueness-%E6%8A%80%E6%9C%AF%E7%8B%AC%E7%89%B9%E6%80%A7/">Technological Uniqueness (技术独特性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/existential-risk-%E7%94%9F%E5%AD%98%E9%A3%8E%E9%99%A9/">Existential Risk (生存风险)</a></li> </ul>情境化的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/situated/Sat, 18 Jul 2026 11:34:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/situated/<h2 id="definition">Definition</h2> <p>在人工智能中，“情境化的”指的是嵌入环境中并能与其进行实时交互的智能体。与抽象的问题解决者不同，情境化智能体必须处理感官输入&hellip;</p> <h3 id="summary">Summary</h3> <p>描述在特定的物理、社会或环境背景中运行并适应这些背景的AI系统或智能体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>具身认知</li> <li>实时交互</li> <li>环境嵌入</li> <li>感知运动耦合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自主机器人导航</li> <li>上下文感知的移动应用</li> <li>工业环境中的人机协作</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embodied-ai-%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/">Embodied AI (具身智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-awareness-%E4%B8%8A%E4%B8%8B%E6%96%87%E6%84%9F%E7%9F%A5/">Context Awareness (上下文感知)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reactive-systems-%E5%8F%8D%E5%BA%94%E5%BC%8F%E7%B3%BB%E7%BB%9F/">Reactive Systems (反应式系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/physical-intelligence-%E7%89%A9%E7%90%86%E6%99%BA%E8%83%BD/">Physical Intelligence (物理智能)</a></li> </ul>情境化方法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/situated_approach/Sat, 18 Jul 2026 11:34:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/situated_approach/<h2 id="definition">Definition</h2> <p>情境化方法是AI研究中的一种方法论框架，主张智能行为不能与其发生的环境分离开来。它提倡构建能够&hellip;</p> <h3 id="summary">Summary</h3> <p>一种AI设计范式，优先考虑依赖上下文的行为和环境交互，而非抽象推理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文依赖性</li> <li>基于行为的机器人学</li> <li>接地认知</li> <li>自适应系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>开发敏捷的自动驾驶车辆</li> <li>创建响应式的物联网设备</li> <li>设计自适应用户界面</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/situated-%E6%83%85%E5%A2%83%E5%8C%96%E7%9A%84/">Situated (情境化的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embodied-ai-%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/">Embodied AI (具身智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reactive-programming-%E5%93%8D%E5%BA%94%E5%BC%8F%E7%BC%96%E7%A8%8B/">Reactive Programming (响应式编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-aware-computing-%E4%B8%8A%E4%B8%8B%E6%96%87%E6%84%9F%E7%9F%A5%E8%AE%A1%E7%AE%97/">Context-Aware Computing (上下文感知计算)</a></li> </ul>智能对象https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/smart_object/Sat, 18 Jul 2026 11:34:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/smart_object/<h2 id="definition">Definition</h2> <p>智能对象是物联网（IoT）的组成部分，拥有唯一标识符，并能够在无需直接人机或人计算机交互的情况下通过网络传输数据&hellip;</p> <h3 id="summary">Summary</h3> <p>配备传感器、执行器和连接能力的物理实体，用于收集数据并与环境进行智能交互。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>物联网 (IoT)</li> <li>嵌入式传感器</li> <li>连接性</li> <li>数据处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>智能家居自动化系统</li> <li>工业预测性维护</li> <li>可穿戴健康监测设备</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/iot-%E7%89%A9%E8%81%94%E7%BD%91/">IoT (物联网)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedded-systems-%E5%B5%8C%E5%85%A5%E5%BC%8F%E7%B3%BB%E7%BB%9F/">Embedded Systems (嵌入式系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">Edge Computing (边缘计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cyber-physical-systems-%E4%BF%A1%E6%81%AF%E7%89%A9%E7%90%86%E7%B3%BB%E7%BB%9F/">Cyber-Physical Systems (信息物理系统)</a></li> </ul>S型函数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sigmoid/Sat, 18 Jul 2026 11:33:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sigmoid/<h2 id="definition">Definition</h2> <p>S型函数定义为 σ(z) = 1 / (1 + e^-z)，广泛用于机器学习中对概率进行建模。它将输入值压缩到 (0, 1) 范围内，使其适用于二分类问题的输出层。</p> <h3 id="summary">Summary</h3> <p>一种数学函数，将任何实数值映射到零和一之间的值，形成S形曲线。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>逻辑函数</li> <li>概率映射</li> <li>梯度消失</li> <li>非线性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>二分类输出</li> <li>逻辑回归</li> <li>浅层神经网络中的激活函数</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">sigmoid</span>(z): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> <span style="color:#099">1</span> <span style="color:#000;font-weight:bold">/</span> (<span style="color:#099">1</span> <span style="color:#000;font-weight:bold">+</span> np<span style="color:#000;font-weight:bold">.</span>exp(<span style="color:#000;font-weight:bold">-</span>z)) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/relu/">ReLU</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/softmax/">Softmax</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logistic-regression-%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92/">Logistic Regression (逻辑回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/activation-function-%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0/">Activation Function (激活函数)</a></li> </ul>服务器发送事件https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/server_sent_events/Sat, 18 Jul 2026 11:33:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/server_sent_events/<h2 id="definition">Definition</h2> <p>服务器发送事件（SSE）实现了从服务器到客户端的单向通信，服务器可以持续流式传输数据，而无需客户端反复轮询。它使用纯HTTP协议，使其易于实现且兼容防火墙。</p> <h3 id="summary">Summary</h3> <p>一种标准协议，允许Web服务器通过单个HTTP连接向客户端推送实时更新。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>事件流</li> <li>单向通信</li> <li>自动重连</li> <li>基于HTTP</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时股票价格行情</li> <li>实时通知</li> <li>进度跟踪更新</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/websockets-websocket/">WebSockets (WebSocket)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/long-polling-%E9%95%BF%E8%BD%AE%E8%AF%A2/">Long Polling (长轮询)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/streaming-api-%E6%B5%81%E5%BC%8Fapi/">Streaming API (流式API)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eventsource-%E4%BA%8B%E4%BB%B6%E6%BA%90%E6%8E%A5%E5%8F%A3/">EventSource (事件源接口)</a></li> </ul>无服务器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/serverless/Sat, 18 Jul 2026 11:33:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/serverless/<h2 id="definition">Definition</h2> <p>无服务器架构允许开发人员构建和运行应用程序，而无需管理服务器基础设施。云提供商会根据需求自动扩展或缩减资源，并按实际使用情况收费，从而降低运维复杂性。</p> <h3 id="summary">Summary</h3> <p>一种云计算执行模型，由提供商动态管理机器资源的分配，而非用户。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>函数即服务</li> <li>自动扩缩容</li> <li>按量付费</li> <li>事件驱动</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像处理流水线</li> <li>移动应用后端</li> <li>定时数据作业</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/aws-lambda/">AWS Lambda</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cloud-computing-%E4%BA%91%E8%AE%A1%E7%AE%97/">Cloud Computing (云计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/microservices-%E5%BE%AE%E6%9C%8D%E5%8A%A1/">Microservices (微服务)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/containerization-%E5%AE%B9%E5%99%A8%E5%8C%96/">Containerization (容器化)</a></li> </ul>相似度学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/similarity_learning/Sat, 18 Jul 2026 11:33:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/similarity_learning/<h2 id="definition">Definition</h2> <p>相似度学习专注于训练模型，将输入映射到向量空间，其中相似的项目彼此靠近，不相似的项目相距较远。常用的技术包括孪生网络和三元组损失函数。</p> <h3 id="summary">Summary</h3> <p>一种机器学习方法，通过学习距离度量来确定两个对象之间的相似或不相似程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>嵌入空间</li> <li>距离度量</li> <li>三元组损失</li> <li>孪生网络</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人脸识别</li> <li>重复项检测</li> <li>推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5%E5%90%91%E9%87%8F/">Embeddings (嵌入向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/metric-learning-%E5%BA%A6%E9%87%8F%E5%AD%A6%E4%B9%A0/">Metric Learning (度量学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contrastive-loss-%E5%AF%B9%E6%AF%94%E6%8D%9F%E5%A4%B1/">Contrastive Loss (对比损失)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-search-%E5%90%91%E9%87%8F%E6%90%9C%E7%B4%A2/">Vector Search (向量搜索)</a></li> </ul>序列标注https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sequence_labeling/Sat, 18 Jul 2026 11:33:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sequence_labeling/<h2 id="definition">Definition</h2> <p>序列标注涉及为给定输入序列中的每个标记预测分类标签，例如句子中的单词或字符串中的字符。常见的应用包括词性标注、命名实体识别和句法分块。</p> <h3 id="summary">Summary</h3> <p>一种自然语言处理任务，为输入序列中的每个元素分配一个标签。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>标记分类</li> <li>上下文依赖</li> <li>双向编码</li> <li>条件随机场层</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>命名实体识别</li> <li>词性标注</li> <li>句法分块</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer/">Transformer</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bilstm-%E5%8F%8C%E5%90%91%E9%95%BF%E7%9F%AD%E6%9C%9F%E8%AE%B0%E5%BF%86%E7%BD%91%E7%BB%9C/">BiLSTM (双向长短期记忆网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/crf-%E6%9D%A1%E4%BB%B6%E9%9A%8F%E6%9C%BA%E5%9C%BA/">CRF (条件随机场)</a></li> </ul>SentencePiecehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sentencepiece/Sat, 18 Jul 2026 11:33:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sentencepiece/<h2 id="definition">Definition</h2> <p>SentencePiece 是一个流行的开源文本归一化和分词库，广泛用于现代自然语言处理管道中。它执行联合词块和子词词汇表的无监督学习。</p> <h3 id="summary">Summary</h3> <p>一种无监督文本分词器和去分词器库，将原始文本视为子词序列用于自然语言处理预处理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>子词分词</li> <li>词汇表学习</li> <li>去分词</li> <li>语言无关</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为变换器模型预处理数据</li> <li>处理多语言文本语料库</li> <li>减少语言模型的词汇量大小</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenizer-%E5%88%86%E8%AF%8D%E5%99%A8/">Tokenizer (分词器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bpe-%E5%AD%97%E8%8A%82%E5%AF%B9%E7%BC%96%E7%A0%81/">BPE (字节对编码)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/byte-pair-encoding-%E5%AD%97%E8%8A%82%E5%AF%B9%E7%BC%96%E7%A0%81/">Byte-Pair Encoding (字节对编码)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-preprocessing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E9%A2%84%E5%A4%84%E7%90%86/">NLP Preprocessing (自然语言处理预处理)</a></li> </ul>半监督学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semi_supervised_learning/Sat, 18 Jul 2026 11:33:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semi_supervised_learning/<h2 id="definition">Definition</h2> <p>半监督学习是一种混合训练范式，它利用少量标记数据和大量未标记数据。其核心假设是未标记数据的结构有助于学习决策边界。</p> <h3 id="summary">Summary</h3> <p>一种利用标记数据和未标记数据来提高模型准确性和泛化能力的机器学习方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>标记数据</li> <li>未标记数据</li> <li>自训练</li> <li>流形假设</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>标注有限的图像分类</li> <li>标签稀疏的文本情感分析</li> <li>专家数据稀缺的医疗诊断预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised-learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Supervised learning (监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/unsupervised-learning-%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Unsupervised learning (无监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active learning (主动学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self-supervised-learning-%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Self-supervised learning (自监督学习)</a></li> </ul>句子变换器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sentence_transformers/Sat, 18 Jul 2026 11:33:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sentence_transformers/<h2 id="definition">Definition</h2> <p>句子变换器是传统变换器模型（如BERT）的扩展，经过微调以产生整个句子的有意义稠密向量表示。与标准的基于标记的模型不同，它们直接输出句子级别的嵌入。</p> <h3 id="summary">Summary</h3> <p>专门设计用于为任意文本句子生成固定大小向量嵌入的神经网络架构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>池化层</li> <li>对比学习</li> <li>稠密嵌入</li> <li>变换器架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语义搜索引擎</li> <li>文本数据聚类</li> <li>检索增强生成 (RAG) 管道</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BA/">BERT (双向编码器表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5/">Embeddings (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentence-similarity-%E5%8F%A5%E5%AD%90%E7%9B%B8%E4%BC%BC%E5%BA%A6/">Sentence Similarity (句子相似度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contrastive-loss-%E5%AF%B9%E6%AF%94%E6%8D%9F%E5%A4%B1/">Contrastive Loss (对比损失)</a></li> </ul>句子相似度https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sentence_similarity/Sat, 18 Jul 2026 11:33:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sentence_similarity/<h2 id="definition">Definition</h2> <p>句子相似度衡量两个不同句子之间的语义重叠程度。它超越了词汇匹配，旨在理解含义、上下文和意图。这通常通过计算向量之间的距离来实现。</p> <h3 id="summary">Summary</h3> <p>一种量化两个句子在语义上相似程度的指标或任务，通常表示为数值分数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>余弦相似度</li> <li>语义等价</li> <li>向量距离</li> <li>意义表示</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>论坛中的重复问题检测</li> <li>同义句识别</li> <li>信息检索和文档聚类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-search-%E8%AF%AD%E4%B9%89%E6%90%9C%E7%B4%A2/">Semantic search (语义搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5/">Embeddings (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-inference-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E6%8E%A8%E7%90%86/">Natural Language Inference (自然语言推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/word-embeddings-%E8%AF%8D%E5%B5%8C%E5%85%A5/">Word Embeddings (词嵌入)</a></li> </ul>语义折叠https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic_folding/Sat, 18 Jul 2026 11:33:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic_folding/<h2 id="definition">Definition</h2> <p>语义折叠是指将复杂的高维向量嵌入压缩为更易管理的低维表示的过程，且不会造成语义意义的显著丢失。</p> <h3 id="summary">Summary</h3> <p>一种将高维语义表示映射到低维空间同时保留关系结构的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>降维</li> <li>向量嵌入</li> <li>语义保持</li> <li>压缩</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高效的大规模向量数据库索引</li> <li>减少自然语言处理模型的内存占用</li> <li>优化实时语义搜索系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pca-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/">PCA (主成分分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autoencoders-%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">Autoencoders (自编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-compression-%E5%B5%8C%E5%85%A5%E5%8E%8B%E7%BC%A9/">Embedding compression (嵌入压缩)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent-space-%E6%BD%9C%E5%9C%A8%E7%A9%BA%E9%97%B4/">Latent space (潜在空间)</a></li> </ul>模式无关数据库https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/schema_agnostic_databases/Sat, 18 Jul 2026 11:32:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/schema_agnostic_databases/<h2 id="definition">Definition</h2> <p>这些数据库通过不强制执行严格的表结构或列定义来实现动态数据建模。这种灵活性允许开发人员存储非结构化或半结构化数据，适</p> <h3 id="summary">Summary</h3> <p>模式无关数据库是允许灵活数据结构而无需预定义模式的存储系统，通常用于NoSQL环境。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>NoSQL</li> <li>动态模式</li> <li>灵活性</li> <li>非结构化数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>存储用户生成内容</li> <li>快速应用开发的原型设计</li> <li>处理来自物联网设备的各种数据格式</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%96%87%E6%A1%A3%E5%AD%98%E5%82%A8-document-stores-%E4%BB%A5%E6%96%87%E6%A1%A3%E5%BD%A2%E5%BC%8F%E5%AD%98%E5%82%A8%E6%95%B0%E6%8D%AE%E7%9A%84%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B1%BB%E5%9E%8B/">文档存储 (Document stores，以文档形式存储数据的数据库类型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%94%AE%E5%80%BC%E5%AD%98%E5%82%A8-key-value-stores-%E6%9C%80%E7%AE%80%E5%8D%95%E7%9A%84nosql%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B1%BB%E5%9E%8B/">键值存储 (Key-value stores，最简单的NoSQL数据库类型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%B3%E7%B3%BB%E5%9E%8B%E6%95%B0%E6%8D%AE%E5%BA%93-relational-database-%E5%9F%BA%E4%BA%8E%E8%A1%A8%E6%A0%BC%E5%92%8Csql%E7%9A%84%E4%BC%A0%E7%BB%9F%E6%95%B0%E6%8D%AE%E5%BA%93/">关系型数据库 (Relational database，基于表格和SQL的传统数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E5%BB%BA%E6%A8%A1-data-modeling-%E5%AE%9A%E4%B9%89%E5%92%8C%E7%BB%84%E7%BB%87%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E5%92%8C%E5%85%B3%E7%B3%BB%E7%9A%84%E8%BF%87%E7%A8%8B/">数据建模 (Data modeling，定义和组织数据结构和关系的过程)</a></li> </ul>样本复杂度https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sample_complexity/Sat, 18 Jul 2026 11:32:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sample_complexity/<h2 id="definition">Definition</h2> <p>在计算学习理论中，样本复杂度量化了有效训练模型所需的数据量。它平衡了模型容量与数据可用性之间的权衡，确保</p> <h3 id="summary">Summary</h3> <p>样本复杂度是指机器学习算法以高概率达到特定性能水平所需的训练样本数量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化误差</li> <li>训练数据规模</li> <li>收敛性</li> <li>防止过拟合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>确定新模型的dataset需求</li> <li>比较不同学习算法的效率</li> <li>规划数据收集工作预算</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vc%E7%BB%B4-vapnik-chervonenkis-dimension-%E8%A1%A1%E9%87%8F%E5%87%BD%E6%95%B0%E7%B1%BB%E5%A4%8D%E6%9D%82%E5%BA%A6%E7%9A%84%E6%8C%87%E6%A0%87/">VC维 (Vapnik-Chervonenkis dimension，衡量函数类复杂度的指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff-%E6%A8%A1%E5%9E%8B%E8%AF%AF%E5%B7%AE%E6%9D%A5%E6%BA%90%E7%9A%84%E5%B9%B3%E8%A1%A1/">偏差-方差权衡 (Bias-variance tradeoff，模型误差来源的平衡)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%9B%E5%8C%96-generalization-%E6%A8%A1%E5%9E%8B%E5%AF%B9%E6%9C%AA%E8%A7%81%E6%95%B0%E6%8D%AE%E7%9A%84%E9%80%82%E5%BA%94%E8%83%BD%E5%8A%9B/">泛化 (Generalization，模型对未见数据的适应能力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA-data-augmentation-%E9%80%9A%E8%BF%87%E5%8F%98%E6%8D%A2%E5%A2%9E%E5%8A%A0%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE%E5%A4%9A%E6%A0%B7%E6%80%A7%E7%9A%84%E6%8A%80%E6%9C%AF/">数据增强 (Data augmentation，通过变换增加训练数据多样性的技术)</a></li> </ul>语义分析https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic_analysis/Sat, 18 Jul 2026 11:32:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic_analysis/<h2 id="definition">Definition</h2> <p>它超越了句法结构，旨在解释语言输入的实际意图和重要性。这包括根据上下文消除词义歧义、识别实体以及理解</p> <h3 id="summary">Summary</h3> <p>语义分析是通过理解自然语言处理中单词之间及其上下文的关系统，从文本中提取意义的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文理解</li> <li>词义消歧</li> <li>意图识别</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>情感分析</li> <li>聊天机器人意图检测</li> <li>信息检索系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%A5%E6%B3%95%E8%A7%A3%E6%9E%90-syntax-parsing-%E5%88%86%E6%9E%90%E5%8F%A5%E5%AD%90%E8%AF%AD%E6%B3%95%E7%BB%93%E6%9E%84%E7%9A%84%E8%BF%87%E7%A8%8B/">句法解析 (Syntax parsing，分析句子语法结构的过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB-named-entity-recognition-%E8%AF%86%E5%88%AB%E6%96%87%E6%9C%AC%E4%B8%AD%E4%BA%BA%E5%90%8D-%E5%9C%B0%E5%90%8D%E7%AD%89%E5%AE%9E%E4%BD%93%E7%9A%84%E6%8A%80%E6%9C%AF/">命名实体识别 (Named entity recognition，识别文本中人名、地名等实体的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5-embeddings-%E5%B0%86%E7%A6%BB%E6%95%A3%E6%95%B0%E6%8D%AE%E6%98%A0%E5%B0%84%E5%88%B0%E8%BF%9E%E7%BB%AD%E5%90%91%E9%87%8F%E7%A9%BA%E9%97%B4%E7%9A%84%E6%8A%80%E6%9C%AF/">嵌入 (Embeddings，将离散数据映射到连续向量空间的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E7%90%86%E8%A7%A3-natural-language-understanding-%E4%BD%BF%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%83%BD%E5%A4%9F%E7%90%86%E8%A7%A3%E4%BA%BA%E7%B1%BB%E8%AF%AD%E8%A8%80%E7%9A%84%E6%8A%80%E6%9C%AF/">自然语言理解 (Natural language understanding，使计算机能够理解人类语言的技术)</a></li> </ul>自洽性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_consistency/Sat, 18 Jul 2026 11:32:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_consistency/<h2 id="definition">Definition</h2> <p>该技术主要用于大型语言模型（LLM），通过采样生成针对同一提示的多个多样化响应来提高准确性。与依赖贪婪解码不同，它聚合</p> <h3 id="summary">Summary</h3> <p>自洽性是一种解码策略，其中采样多个推理路径，并选择出现频率最高的答案作为最终输出。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多数投票</li> <li>解码策略</li> <li>LLM推理</li> <li>减少幻觉</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数学应用题</li> <li>复杂逻辑推导</li> <li>代码合成任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%80%9D%E7%BB%B4%E9%93%BE-chain-of-thought-%E5%BC%95%E5%AF%BC%E6%A8%A1%E5%9E%8B%E9%80%90%E6%AD%A5%E6%8E%A8%E7%90%86%E7%9A%84%E6%8A%80%E6%9C%AF/">思维链 (Chain-of-thought，引导模型逐步推理的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B8%A9%E5%BA%A6%E9%87%87%E6%A0%B7-temperature-sampling-%E6%8E%A7%E5%88%B6%E7%94%9F%E6%88%90%E6%96%87%E6%9C%AC%E9%9A%8F%E6%9C%BA%E6%80%A7%E7%9A%84%E5%8F%82%E6%95%B0/">温度采样 (Temperature sampling，控制生成文本随机性的参数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9B%86%E6%88%90%E6%96%B9%E6%B3%95-ensemble-methods-%E7%BB%93%E5%90%88%E5%A4%9A%E4%B8%AA%E6%A8%A1%E5%9E%8B%E9%A2%84%E6%B5%8B%E4%BB%A5%E6%8F%90%E9%AB%98%E5%87%86%E7%A1%AE%E6%80%A7%E7%9A%84%E6%8A%80%E6%9C%AF/">集成方法 (Ensemble methods，结合多个模型预测以提高准确性的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B-prompt-engineering-%E8%AE%BE%E8%AE%A1%E5%92%8C%E4%BC%98%E5%8C%96%E8%BE%93%E5%85%A5%E6%8F%90%E7%A4%BA%E4%BB%A5%E6%94%B9%E5%96%84%E6%A8%A1%E5%9E%8B%E8%BE%93%E5%87%BA%E7%9A%84%E6%8A%80%E6%9C%AF/">提示工程 (Prompt engineering，设计和优化输入提示以改善模型输出的技术)</a></li> </ul>自我管理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_management/Sat, 18 Jul 2026 11:32:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_management/<h2 id="definition">Definition</h2> <p>这一概念涵盖了AI代理或系统独立处理常规维护、资源分配和错误纠正的能力。它包括自动扩展、自愈</p> <h3 id="summary">Summary</h3> <p>AI中的自我管理是指自主系统在没有人类干预的情况下监控、优化和修复自身操作的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主性</li> <li>自愈</li> <li>资源优化</li> <li>运营效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>云基础设施自动扩展</li> <li>自动化模型重训练管道</li> <li>网络流量管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E4%B8%BB%E6%99%BA%E8%83%BD%E4%BD%93-autonomous-agents-%E8%83%BD%E5%A4%9F%E7%8B%AC%E7%AB%8B%E6%84%9F%E7%9F%A5%E5%92%8C%E8%A1%8C%E5%8A%A8%E7%9A%84%E7%B3%BB%E7%BB%9F/">自主智能体 (Autonomous agents，能够独立感知和行动的系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%80%E5%8F%91%E8%BF%90%E7%BB%B4-devops-%E5%BC%80%E5%8F%91%E4%B8%8E%E8%BF%90%E7%BB%B4%E5%8D%8F%E4%BD%9C%E7%9A%84%E8%BD%AF%E4%BB%B6%E5%AE%9E%E8%B7%B5/">开发运维 (DevOps，开发与运维协作的软件实践)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4-mlops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%B3%BB%E7%BB%9F%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%8C%96%E5%92%8C%E8%BF%90%E7%BB%B4%E5%AE%9E%E8%B7%B5/">机器学习运维 (MLOps，机器学习系统的工程化和运维实践)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-reinforcement-learning-%E9%80%9A%E8%BF%87%E4%B8%8E%E7%8E%AF%E5%A2%83%E4%BA%A4%E4%BA%92%E5%AD%A6%E4%B9%A0%E6%9C%80%E4%BC%98%E7%AD%96%E7%95%A5%E7%9A%84%E6%96%B9%E6%B3%95/">强化学习 (Reinforcement learning，通过与环境交互学习最优策略的方法)</a></li> </ul>Rusthttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rust/Sat, 18 Jul 2026 11:32:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rust/<h2 id="definition">Definition</h2> <p>Rust 是一种多范式通用编程语言，旨在提供高性能和安全性，特别是安全的并发处理。它在不使用垃圾回收器的情况下实现内存安全，确保程序&hellip;</p> <h3 id="summary">Summary</h3> <p>Rust 是一门系统编程语言，专注于在不使用垃圾回收机制的情况下实现安全性、速度和并发能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>所有权</li> <li>借用</li> <li>零成本抽象</li> <li>并发安全</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>系统编程</li> <li>WebAssembly 模块</li> <li>嵌入式系统开发</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">9 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>fn main() { </span></span><span style="display:flex;"><span> let s <span style="color:#000;font-weight:bold">=</span> String::from(<span style="color:#d14">&#34;hello&#34;</span>); </span></span><span style="display:flex;"><span> let <span style="color:#0086b3">len</span> <span style="color:#000;font-weight:bold">=</span> calculate_length(<span style="color:#000;font-weight:bold">&amp;</span>s); </span></span><span style="display:flex;"><span> println<span style="color:#a61717;background-color:#e3d2d2">!</span>(<span style="color:#d14">&#34;The length of &#39;</span><span style="color:#d14">{}</span><span style="color:#d14">&#39; is </span><span style="color:#d14">{}</span><span style="color:#d14">.&#34;</span>, s, <span style="color:#0086b3">len</span>); </span></span><span style="display:flex;"><span>} </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>fn calculate_length(s: <span style="color:#000;font-weight:bold">&amp;</span>String) <span style="color:#000;font-weight:bold">-&gt;</span> usize { </span></span><span style="display:flex;"><span> s<span style="color:#000;font-weight:bold">.</span>len() </span></span><span style="display:flex;"><span>} </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/c/">C++</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%86%85%E5%AD%98%E5%AE%89%E5%85%A8-memory-safety/">内存安全 (Memory Safety)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9E%83%E5%9C%BE%E5%9B%9E%E6%94%B6-garbage-collection/">垃圾回收 (Garbage Collection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llvm/">LLVM</a></li> </ul>Sam3https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sam3/Sat, 18 Jul 2026 11:32:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sam3/<h2 id="definition">Definition</h2> <p>Sam3 不像 SAM（Segment Anything Model）那样是一个广泛认可的标准公共 AI 术语。它可能指第三方的迭代版本、SAM 2 的拼写错误，或者是公司 AI&hellip;</p> <h3 id="summary">Summary</h3> <p>Sam3 可能指分割模型或 AI 工具的特定版本或变体，可能与 Segment Anything Model (SAM) 的迭代版本或专有的内部工具有关。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图像分割</li> <li>模型迭代</li> <li>专有工具</li> <li>AI 变体</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像分割任务</li> <li>计算机视觉应用</li> <li>模型基准测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sam/">SAM</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/segment-anything-model-%E4%BB%BB%E6%84%8F%E5%88%86%E5%89%B2%E6%A8%A1%E5%9E%8B/">Segment Anything Model (任意分割模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89-computer-vision/">计算机视觉 (Computer Vision)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-deep-learning/">深度学习 (Deep Learning)</a></li> </ul>Sam3 Videohttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sam3_video/Sat, 18 Jul 2026 11:32:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sam3_video/<h2 id="definition">Definition</h2> <p>Sam3 Video 指的是将高级分割模型（可能是 Meta 的 Segment Anything Model 的假设性或特定版本）应用于视频数据。它涉及跨帧跟踪对象&hellip;</p> <h3 id="summary">Summary</h3> <p>该术语可能指应用于视频流的第三代或特定版本的 Segment Anything Model 相关的视频分割功能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>视频分割</li> <li>目标跟踪</li> <li>时间一致性</li> <li>动态掩码</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化视频编辑</li> <li>自动驾驶感知</li> <li>监控分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sam/">SAM</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%A7%86%E9%A2%91%E7%9B%AE%E6%A0%87%E5%88%86%E5%89%B2-video-object-segmentation/">视频目标分割 (Video Object Segmentation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B7%9F%E8%B8%AA-tracking/">跟踪 (Tracking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%B6%E5%BA%8F%E6%A8%A1%E5%9E%8B-temporal-models/">时序模型 (Temporal Models)</a></li> </ul>STIT 逻辑https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stit_logic/Sat, 18 Jul 2026 11:32:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stit_logic/<h2 id="definition">Definition</h2> <p>STIT 代表“See To It That”（确保&hellip;发生）。它是模态逻辑的一个分支，主要用于哲学和计算机科学中建模能动性和责任。它允许对主体能够&hellip;的形式化规范进行&hellip;</p> <h3 id="summary">Summary</h3> <p>STIT 逻辑是道义逻辑和时间逻辑中的一个形式框架，用于分析能动性、义务和意向性行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>能动性</li> <li>时间逻辑</li> <li>道义逻辑</li> <li>意向性行为</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>多智能体系统验证</li> <li>伦理 AI 设计</li> <li>自主性的形式化方法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ctl-%E8%AE%A1%E7%AE%97%E6%A0%91%E9%80%BB%E8%BE%91/">CTL (计算树逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ltl-%E7%BA%BF%E6%80%A7%E6%97%B6%E5%BA%8F%E9%80%BB%E8%BE%91/">LTL (线性时序逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%81%93%E4%B9%89%E9%80%BB%E8%BE%91-deontic-logic/">道义逻辑 (Deontic Logic)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E6%A3%80%E6%B5%8B-model-checking/">模型检测 (Model Checking)</a></li> </ul>SUPShttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sups/Sat, 18 Jul 2026 11:32:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sups/<h2 id="definition">Definition</h2> <p>SUPS 是一个首字母缩写词，含义可能因语境而异，但经常出现在专门的 AI 文献中，指代混合学习方法或特定的数据结构。它可能表示结合&hellip;的系统</p> <h3 id="summary">Summary</h3> <p>在 AI 和机器学习的语境中，SUPS 通常指监督与非监督混合系统或特定的数据集模式，尽管其标准化程度不如其他缩写。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混合学习</li> <li>数据结构</li> <li>歧义消除</li> <li>上下文定义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>混合模型研究</li> <li>专用数据集管理</li> <li>算法优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-semi-supervised-learning/">半监督学习 (Semi-supervised Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-unsupervised-learning/">无监督学习 (Unsupervised Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E9%9B%86-dataset/">数据集 (Dataset)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AE%97%E6%B3%95-algorithm/">算法 (Algorithm)</a></li> </ul>规则归纳https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rule_induction/Sat, 18 Jul 2026 11:32:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rule_induction/<h2 id="definition">Definition</h2> <p>规则归纳是一种符号机器学习方法，直接从数据中推导“如果-那么”规则。与产生不透明权重的神经网络不同，规则归纳生成的是可解释的模型，便于人类理解和验证。</p> <h3 id="summary">Summary</h3> <p>一种机器学习技术，通过从带标签的训练数据中自动生成一组逻辑规则，以对新实例进行分类。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>如果-那么规则</li> <li>决策列表</li> <li>可解释性</li> <li>符号学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断指南</li> <li>信贷审批标准</li> <li>制造业故障检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decision_trees-%E5%86%B3%E7%AD%96%E6%A0%91/">decision_trees (决策树)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interpretability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">interpretability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic_ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">symbolic_ai (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/association_rules-%E5%85%B3%E8%81%94%E8%A7%84%E5%88%99/">association_rules (关联规则)</a></li> </ul>机器人流程自动化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robotic_process_automation/Sat, 18 Jul 2026 11:32:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robotic_process_automation/<h2 id="definition">Definition</h2> <p>机器人流程自动化（RPA）采用软件机器人（通常增强有AI功能）来模拟人类与数字系统的交互。它用于简化工作流程，如数据录入、发票处理等，从而提高效率并减少错误。</p> <h3 id="summary">Summary</h3> <p>使用软件机器人自动化传统上由人类在业务流程中执行的高容量、重复性数字任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>软件机器人</li> <li>工作流自动化</li> <li>基于规则的处理</li> <li>数字劳动力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>发票处理</li> <li>客户入职流程</li> <li>数据迁移任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/business_process_automation-%E4%B8%9A%E5%8A%A1%E6%B5%81%E7%A8%8B%E8%87%AA%E5%8A%A8%E5%8C%96/">business_process_automation (业务流程自动化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive_computing-%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">cognitive_computing (认知计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/workflow_engine-%E5%B7%A5%E4%BD%9C%E6%B5%81%E5%BC%95%E6%93%8E/">workflow_engine (工作流引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital_worker-%E6%95%B0%E5%AD%97%E5%91%98%E5%B7%A5/">digital_worker (数字员工)</a></li> </ul>机器人学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robot_learning/Sat, 18 Jul 2026 11:32:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robot_learning/<h2 id="definition">Definition</h2> <p>机器人学习涉及利用机器学习技术训练机器人代理自主执行任务。与预编程行为不同，这些系统能够适应动态环境，从而提升其在复杂场景中的表现。</p> <h3 id="summary">Summary</h3> <p>机器人学的一个分支领域，专注于使机器人能够通过经验和与环境互动来获取技能并提高性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强化学习</li> <li>模仿学习</li> <li>仿真到现实迁移</li> <li>运动控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化仓库拣选</li> <li>人形机器人步态适应</li> <li>机器人手术辅助</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement_learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">reinforcement_learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/imitation_learning-%E6%A8%A1%E4%BB%BF%E5%AD%A6%E4%B9%A0/">imitation_learning (模仿学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sim2real-%E4%BB%BF%E7%9C%9F%E5%88%B0%E7%8E%B0%E5%AE%9E/">sim2real (仿真到现实)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/motor_skills-%E8%BF%90%E5%8A%A8%E6%8A%80%E8%83%BD/">motor_skills (运动技能)</a></li> </ul>解释权https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/right_to_explanation/Sat, 18 Jul 2026 11:32:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/right_to_explanation/<h2 id="definition">Definition</h2> <p>解释权是算法问责制的核心组成部分，特别是在《通用数据保护条例》（GDPR）等框架内。它确保当人工智能系统做出影响个人权利的决策时，相关人员能够获得清晰的解释。</p> <h3 id="summary">Summary</h3> <p>一项法律与伦理原则，赋予个人在受到重大影响的自动化决策中获取有意义信息的权利。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法透明度</li> <li>GDPR合规性</li> <li>可解释人工智能（XAI）</li> <li>问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>信用评分系统</li> <li>自动化招聘平台</li> <li>司法风险评估工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable_ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">explainable_ai (可解释人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic_bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">algorithmic_bias (算法偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">data_privacy (数据隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">transparency (透明度)</a></li> </ul>鲁棒性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robustness/Sat, 18 Jul 2026 11:32:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robustness/<h2 id="definition">Definition</h2> <p>在AI安全与伦理中，鲁棒性指模型对意外输入或恶意操纵的抵抗力。一个具有鲁棒性的系统在输入数据包含噪声或受到干扰时，仍能正确运行并保持稳定的输出。</p> <h3 id="summary">Summary</h3> <p>人工智能模型在面对噪声数据、对抗性攻击或分布偏移时，保持性能和稳定性的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗性攻击</li> <li>分布偏移</li> <li>噪声容忍度</li> <li>模型可靠性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶感知系统</li> <li>欺诈检测系统</li> <li>医疗诊断模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial_ml-%E5%AF%B9%E6%8A%97%E6%80%A7%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">adversarial_ml (对抗性机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_reliability-%E6%A8%A1%E5%9E%8B%E5%8F%AF%E9%9D%A0%E6%80%A7/">model_reliability (模型可靠性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96%E8%83%BD%E5%8A%9B/">generalization (泛化能力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safety-%E5%AE%89%E5%85%A8%E6%80%A7/">safety (安全性)</a></li> </ul>表征坍塌https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/representation_collapse/Sat, 18 Jul 2026 11:32:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/representation_collapse/<h2 id="definition">Definition</h2> <p>当神经网络（特别是在自监督对比学习框架中）将所有输入数据点映射到同一个固定的输出向量时，就会发生表征坍塌。这种平凡解虽然最小化了损失函数，但未能学习到有用的特征表示。</p> <h3 id="summary">Summary</h3> <p>自监督学习中的一种失效模式，模型对所有输入输出相同的表征，导致判别能力丧失。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自监督学习</li> <li>对比损失</li> <li>平凡解</li> <li>特征学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试 SimCLR 或 MoCo 模型</li> <li>改进对比损失函数</li> <li>分析模型收敛性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/">对比学习</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%89%B9%E5%BD%92%E4%B8%80%E5%8C%96/">批归一化</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8A%A8%E9%87%8F%E7%BC%96%E7%A0%81%E5%99%A8/">动量编码器</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96/">特征提取</a></li> </ul>抵抗人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/resisting_ai/Sat, 18 Jul 2026 11:32:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/resisting_ai/<h2 id="definition">Definition</h2> <p>抵抗人工智能是指个人或实体为避免被 AI 算法影响、追踪或分类而使用的方法。这包括针对感知系统的对抗性攻击、保护隐私的数据处理技术以及旨在规避算法监控的策略。</p> <h3 id="summary">Summary</h3> <p>旨在逃避人工智能系统检测、操纵或控制的策略和技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗样本</li> <li>隐私保护</li> <li>算法规避</li> <li>反监控</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对抗机器学习研究</li> <li>隐私保护工具开发</li> <li>安全红队测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%B9%E6%8A%97%E6%94%BB%E5%87%BB/">对抗攻击</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">数据隐私</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B7%E6%B7%86%E6%8A%80%E6%9C%AF/">混淆技术</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-%E5%AE%89%E5%85%A8/">AI 安全</a></li> </ul>负责任的人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/responsible_ai/Sat, 18 Jul 2026 11:32:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/responsible_ai/<h2 id="definition">Definition</h2> <p>负责任的人工智能涵盖旨在减轻人工智能相关风险的原则和实践。它涉及审计模型偏见、确保决策的可解释性、保护数据隐私，并建立问责机制，以确保 AI 系统的社会影响是积极且可控的。</p> <h3 id="summary">Summary</h3> <p>确保人工智能系统以合乎伦理的方式开发和部署的框架，重点关注公平性、透明度、问责制和安全。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性与偏见</li> <li>可解释性 (XAI)</li> <li>问责制</li> <li>数据隐私</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业 AI 治理</li> <li>监管合规</li> <li>伦理 AI 审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-%E4%BC%A6%E7%90%86/">AI 伦理</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3/">偏见缓解</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%80%8F%E6%98%8E%E5%BA%A6/">透明度</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B2%BB%E7%90%86/">治理</a></li> </ul>重参数化技巧https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reparameterization_trick/Sat, 18 Jul 2026 11:32:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reparameterization_trick/<h2 id="definition">Definition</h2> <p>重参数化技巧是变分自编码器及其他概率模型中使用的一种基本方法。它通过将随机变量表示为确定性函数和独立噪声变量的组合，使得梯度能够流经随机节点，从而允许使用反向传播算法进行优化。</p> <h3 id="summary">Summary</h3> <p>一种将随机变量与可学习参数分离的技术，旨在变分推断中实现基于梯度的优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>变分推断</li> <li>梯度估计</li> <li>随机节点</li> <li>可微模拟</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练变分自编码器 (VAE)</li> <li>贝叶斯神经网络</li> <li>概率图模型</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span>epsilon <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>randn(<span style="color:#099">100</span>, <span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>mu <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>zeros(<span style="color:#099">100</span>, <span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>sigma <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>ones(<span style="color:#099">100</span>, <span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>z <span style="color:#000;font-weight:bold">=</span> mu <span style="color:#000;font-weight:bold">+</span> sigma <span style="color:#000;font-weight:bold">*</span> epsilon <span style="color:#998;font-style:italic"># Reparameterized sampling</span> </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/elbo-%E8%AF%81%E6%8D%AE%E4%B8%8B%E7%95%8C/">ELBO (证据下界)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%BD%9C%E5%9C%A8%E5%8F%98%E9%87%8F/">潜在变量</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">反向传播</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B%E4%BC%B0%E8%AE%A1/">蒙特卡洛估计</a></li> </ul>重排序https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reranking/Sat, 18 Jul 2026 11:32:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reranking/<h2 id="definition">Definition</h2> <p>重排序是信息检索和推荐系统中用于提高准确性的策略。首先，一个快速但精度较低的模型检索出一个较大的候选集；随后，一个更慢但更复杂的模型对这些候选项进行重新排序，以优化最终结果的精确度。</p> <h3 id="summary">Summary</h3> <p>一种两阶段检索过程，首先通过粗排获取候选集，再由计算成本更高的精细模型进行排序以提升结果相关性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>两级检索</li> <li>候选生成</li> <li>交叉注意力机制</li> <li>精度优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>搜索引擎</li> <li>推荐系统</li> <li>检索增强生成 (RAG)</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%91%E9%87%8F%E6%90%9C%E7%B4%A2/">向量搜索</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bm25/">BM25</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%A4%E5%8F%89%E7%BC%96%E7%A0%81%E5%99%A8/">交叉编码器</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/">信息检索</a></li> </ul>递归自我改进https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/recursive_self_improvement/Sat, 18 Jul 2026 11:32:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/recursive_self_improvement/<h2 id="definition">Definition</h2> <p>递归自我改进是指人工智能系统理论上能够重写自身的源代码或架构，从而变得更聪明、更高效或具备更强能力的特性。</p> <h3 id="summary">Summary</h3> <p>一种AI系统通过自我修改迭代增强自身智能或能力的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>智能爆炸</li> <li>自我修改</li> <li>奇点</li> <li>迭代优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通用人工智能（AGI）轨迹的理论研究</li> <li>自动化机器学习（AutoML）架构</li> <li>算法交易策略优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-general-intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial General Intelligence (通用人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/singularity-%E6%8A%80%E6%9C%AF%E5%A5%87%E7%82%B9/">Singularity (技术奇点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">Meta-learning (元学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-architecture-search-%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2/">Neural architecture search (神经架构搜索)</a></li> </ul>反思https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reflection/Sat, 18 Jul 2026 11:32:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reflection/<h2 id="definition">Definition</h2> <p>在人工智能中，反思是一种范式，模型在最终确定输出之前会暂停并评估其生成过程或输出结果。这可能涉及检查逻辑一致性、事实准确性或遵循特定约束。</p> <h3 id="summary">Summary</h3> <p>一种机制，允许AI模型分析其自身的输出、推理过程或内部状态，以改善未来的表现。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自我修正</li> <li>思维链</li> <li>批评模型</li> <li>元认知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>代码生成与调试</li> <li>复杂逻辑推理任务</li> <li>内容审核与安全过滤</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">Chain-of-thought (思维链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self-consistency-%E8%87%AA%E6%B4%BD%E6%80%A7/">Self-consistency (自洽性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-from-human-feedback-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning from Human Feedback (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">Prompt engineering (提示工程)</a></li> </ul>关系型数据挖掘https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/relational_data_mining/Sat, 18 Jul 2026 11:32:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/relational_data_mining/<h2 id="definition">Definition</h2> <p>关系型数据挖掘侧重于从组织为多个相关表（而非单个扁平表）的数据库中提取有用信息。它利用实体之间的关系进行挖掘。</p> <h3 id="summary">Summary</h3> <p>从由多个相互关联的表或实体组成的数据中发现模式和知识的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>实体-关系</li> <li>多关系学习</li> <li>图挖掘</li> <li>数据库集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交网络分析</li> <li>金融交易中的欺诈检测</li> <li>药物发现与生物信息学</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graph (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/graph-neural-networks-%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Graph Neural Networks (图神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sql-%E7%BB%93%E6%9E%84%E5%8C%96%E6%9F%A5%E8%AF%A2%E8%AF%AD%E8%A8%80/">SQL (结构化查询语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-warehousing-%E6%95%B0%E6%8D%AE%E4%BB%93%E5%BA%93/">Data Warehousing (数据仓库)</a></li> </ul>可靠性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reliability/Sat, 18 Jul 2026 11:32:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reliability/<h2 id="definition">Definition</h2> <p>人工智能中的可靠性指系统行为随时间推移及在不同输入下的可信度和一致性。可靠的AI系统应能产生准确的结果，妥善处理边缘情况，并保持预测性。</p> <h3 id="summary">Summary</h3> <p>指AI系统在指定条件下持续正确且安全地执行预期功能的程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>鲁棒性</li> <li>一致性</li> <li>容错性</li> <li>可预测性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶导航</li> <li>医疗诊断支持系统</li> <li>金融风险评估工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safety-%E5%AE%89%E5%85%A8%E6%80%A7/">Safety (安全性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robustness-%E9%B2%81%E6%A3%92%E6%80%A7/">Robustness (鲁棒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/trustworthy-ai-%E5%8F%AF%E4%BF%A1%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Trustworthy AI (可信人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-drift-%E6%A8%A1%E5%9E%8B%E6%BC%82%E7%A7%BB/">Model drift (模型漂移)</a></li> </ul>正则化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/regularization/Sat, 18 Jul 2026 11:32:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/regularization/<h2 id="definition">Definition</h2> <p>正则化是机器学习中一个关键概念，旨在不显著增加训练误差的情况下减少泛化误差。它通过阻止模型学习过于复杂的模式来发挥作用。</p> <h3 id="summary">Summary</h3> <p>一组在训练过程中使用的技术，通过对损失函数添加惩罚项或限制模型复杂度来防止过拟合。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>过拟合</li> <li>偏差-方差权衡</li> <li>L1/L2 惩罚</li> <li>丢弃法 (Dropout)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度神经网络训练</li> <li>线性回归模型</li> <li>防止小数据集上的记忆效应</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.linear_model</span> <span style="color:#000;font-weight:bold">import</span> Ridge </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> Ridge(alpha<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1.0</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/underfitting-%E6%AC%A0%E6%8B%9F%E5%90%88/">Underfitting (欠拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross-validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">Cross-validation (交叉验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter tuning (超参数调优)</a></li> </ul>Rademacher 复杂度https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rademacher_complexity/Sat, 18 Jul 2026 11:31:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rademacher_complexity/<h2 id="definition">Definition</h2> <p>Rademacher 复杂度评估假设类与随机标签（噪声）的相关程度。它作为模型容量或灵活性的代理指标。较低的复杂度通常意味着更好的泛化能力。</p> <h3 id="summary">Summary</h3> <p>学习理论中用于量化函数类丰富程度的统计度量，通过其拟合随机噪声的能力来评估。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化界</li> <li>模型容量</li> <li>过拟合</li> <li>统计学习理论</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>支持向量机 (SVM) 的理论分析</li> <li>推导收敛速率</li> <li>比较不同模型类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vc-%E7%BB%B4-vapnik-chervonenkis-dimension/">VC 维 (Vapnik-Chervonenkis dimension)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%9B%E5%8C%96%E8%AF%AF%E5%B7%AE-generalization-error/">泛化误差 (Generalization error)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pac-%E5%AD%A6%E4%B9%A0-probably-approximately-correct-learning/">PAC 学习 (Probably Approximately Correct learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff/">偏差-方差权衡 (Bias-variance tradeoff)</a></li> </ul>人机互惠学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reciprocal_human_machine_learning/Sat, 18 Jul 2026 11:31:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reciprocal_human_machine_learning/<h2 id="definition">Definition</h2> <p>这种方法超越了简单的人机回环标注。它涉及双向知识转移：人类纠正模型错误，同时模型协助人类识别模式或自动化任务，从而实现持续的协同改进。</p> <h3 id="summary">Summary</h3> <p>一种协作学习范式，人类和机器通过相互教学和持续学习来提升性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>双向学习</li> <li>人机协作</li> <li>自适应系统</li> <li>持续改进</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>交互式标注工具</li> <li>个性化推荐调优</li> <li>专家在环的医疗诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%BA%E5%9C%A8%E5%9B%9E%E8%B7%AF-human-in-the-loop/">人在回路 (Human-in-the-loop)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0-active-learning/">主动学习 (Active learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8D%8F%E5%90%8C%E8%BF%87%E6%BB%A4-collaborative-filtering/">协同过滤 (Collaborative filtering)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%A4%E4%BA%92%E5%BC%8F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-interactive-ml/">交互式机器学习 (Interactive ML)</a></li> </ul>速率限制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rate_limiting/Sat, 18 Jul 2026 11:31:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rate_limiting/<h2 id="definition">Definition</h2> <p>速率限制保护 AI 服务和 API 免受滥用、过载和过度资源消耗的侵害。它通过限制吞吐量确保用户间的公平使用，并维持系统稳定性。常见的策略包括令牌桶或漏桶算法。</p> <h3 id="summary">Summary</h3> <p>一种工程控制机制，限制客户端在特定时间窗口内向服务发起的请求数量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>API 保护</li> <li>吞吐量控制</li> <li>公平使用政策</li> <li>系统稳定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型 (LLM) API 网关管理</li> <li>防止分布式拒绝服务 (DDoS) 攻击</li> <li>管理云计算成本</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%8A%82%E6%B5%81-throttling/">节流 (Throttling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%8D%E5%8A%A1%E8%B4%A8%E9%87%8F-qos/">服务质量 (QoS)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-%E7%BD%91%E5%85%B3-api-gateway/">API 网关 (API Gateway)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B4%9F%E8%BD%BD%E5%9D%87%E8%A1%A1-load-balancing/">负载均衡 (Load balancing)</a></li> </ul>随机特征https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/random_feature/Sat, 18 Jul 2026 11:31:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/random_feature/<h2 id="definition">Definition</h2> <p>随机特征映射将输入转换到新空间，使线性模型能够近似非线性核函数。这种方法通常与 Nyström 方法或傅里叶特征相关联，允许在保持计算效率的同时处理复杂的非线性关系。</p> <h3 id="summary">Summary</h3> <p>一种利用随机投影将输入数据映射到高维空间的技术，以高效近似核方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>核近似</li> <li>特征映射</li> <li>计算效率</li> <li>线性化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大规模核回归</li> <li>神经切线核 (NTK) 近似</li> <li>可扩展的高斯过程</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.kernel_approximation</span> <span style="color:#000;font-weight:bold">import</span> RBFSampler </span></span><span style="display:flex;"><span>X <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>rand(<span style="color:#099">100</span>, <span style="color:#099">5</span>) </span></span><span style="display:flex;"><span>transformer <span style="color:#000;font-weight:bold">=</span> RBFSampler(gamma<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>, n_components<span style="color:#000;font-weight:bold">=</span><span style="color:#099">50</span>, random_state<span style="color:#000;font-weight:bold">=</span><span style="color:#099">42</span>) </span></span><span style="display:flex;"><span>X_transformed <span style="color:#000;font-weight:bold">=</span> transformer<span style="color:#000;font-weight:bold">.</span>fit_transform(X) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A0%B8%E6%8A%80%E5%B7%A7-kernel-trick/">核技巧 (Kernel trick)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%82%85%E9%87%8C%E5%8F%B6%E7%89%B9%E5%BE%81-fourier-features/">傅里叶特征 (Fourier features)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nystr%C3%B6m-%E6%96%B9%E6%B3%95-nystrom-method/">Nyström 方法 (Nystrom method)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%99%8D%E7%BB%B4-dimensionality-reduction/">降维 (Dimensionality reduction)</a></li> </ul>推理模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reasoning_model/Sat, 18 Jul 2026 11:31:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reasoning_model/<h2 id="definition">Definition</h2> <p>与专注于流畅性的标准生成模型不同，推理模型优先考虑数学、编码和逻辑谜题等多步骤任务的准确性。它们通常采用思维链 (Chain-of-Thought) 等技术来增强逻辑推理能力。</p> <h3 id="summary">Summary</h3> <p>专门优化用于执行复杂逻辑演绎、逐步问题解决和思维链处理的 AI 模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>思维链 (Chain-of-Thought)</li> <li>逻辑演绎</li> <li>逐步推理</li> <li>复杂问题解决</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数学证明生成</li> <li>复杂代码调试</li> <li>战略规划辅助</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%80%9D%E7%BB%B4%E9%93%BE-chain-of-thought/">思维链 (Chain-of-Thought)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B3%BB%E7%BB%9F-2-%E6%80%9D%E7%BB%B4-system-2-thinking/">系统 2 思维 (System 2 thinking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B-logic-programming/">逻辑编程 (Logic programming)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cot-%E6%8F%90%E7%A4%BA-cot-prompting/">CoT 提示 (CoT prompting)</a></li> </ul>Qwen3 5 Moehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen3_5_moe/Sat, 18 Jul 2026 11:31:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen3_5_moe/<h2 id="definition">Definition</h2> <p>该术语指代 Qwen 家族中的一种专用架构，可能利用了混合专家（Mixture of Experts, MoE）设计。在此类模型中，仅激活神经网络参数（即“专家”）的一个子集，从而在保持性能的同时显著降低计算开销和内存需求。</p> <h3 id="summary">Summary</h3> <p>一种假设或未来的稀疏混合专家（MoE）变体，属于 Qwen3 系列，专为高效率设计。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混合专家</li> <li>稀疏激活</li> <li>推理效率</li> <li>大语言模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高吞吐量 API 服务</li> <li>边缘设备部署</li> <li>具有成本效益的扩展</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparse-attention-%E7%A8%80%E7%96%8F%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">Sparse Attention (稀疏注意力机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-quantization-%E6%A8%A1%E5%9E%8B%E9%87%8F%E5%8C%96/">Model Quantization (模型量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-architecture-transformer-%E6%9E%B6%E6%9E%84/">Transformer Architecture (Transformer 架构)</a></li> </ul>Qwen3.5https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen35/Sat, 18 Jul 2026 11:31:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen35/<h2 id="definition">Definition</h2> <p>Qwen3.5 代表由阿里云开发的 Qwen 谱系中的特定发布版本。这一迭代通常建立在先前版本的基础上，通过改进逻辑推理能力、编程熟练度和自然语言理解来增强模型性能，旨在提供更准确和更通用的智能助手体验。</p> <h3 id="summary">Summary</h3> <p>Qwen 大语言模型系列的迭代版本，侧重于增强的推理能力和多语言支持。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迭代改进</li> <li>多语言支持</li> <li>推理增强</li> <li>阿里云</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂问题解决</li> <li>代码生成与调试</li> <li>跨语言翻译</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-models-%E5%BC%80%E6%BA%90%E6%A8%A1%E5%9E%8B/">Open Source Models (开源模型)</a></li> </ul>Qwen3.6https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen36/Sat, 18 Jul 2026 11:31:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen36/<h2 id="definition">Definition</h2> <p>Qwen3.6 代表了 Qwen3 模型家族的进一步细化。小版本更新通常专注于打磨现有功能、修复边缘情况下的错误以及优化训练数据的质量，从而在不改变核心架构的情况下提升模型的稳定性和准确性。</p> <h3 id="summary">Summary</h3> <p>Qwen3 系列的后续小幅更新，可能旨在优化性能指标和特定领域的知识。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>版本控制</li> <li>性能优化</li> <li>模型细化</li> <li>稳定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生产环境部署更新</li> <li>推理能力的错误修复</li> <li>增量性能提升</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-updates-%E6%A8%A1%E5%9E%8B%E6%9B%B4%E6%96%B0/">Model Updates (模型更新)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/software-versioning-%E8%BD%AF%E4%BB%B6%E7%89%88%E6%9C%AC%E7%AE%A1%E7%90%86/">Software Versioning (软件版本管理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen-series-qwen-%E7%B3%BB%E5%88%97/">Qwen Series (Qwen 系列)</a></li> </ul>Rabbit r1https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rabbit_r1/Sat, 18 Jul 2026 11:31:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rabbit_r1/<h2 id="definition">Definition</h2> <p>Rabbit r1 是 Rabbit Inc. 推出的一款专用硬件设备，其核心是专有的大型动作模型（Large Action Model, LAM）。与通用智能手机不同，它专注于执行特定的数字任务，通过意图识别直接操作其他应用程序和服务，实现跨平台的自动化工作流。</p> <h3 id="summary">Summary</h3> <p>一款手持式 AI 驱动设备，搭载大型动作模型（LAM），旨在自主执行任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型动作模型</li> <li>AI 硬件</li> <li>意图识别</li> <li>任务自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自主预订服务</li> <li>跨应用任务执行</li> <li>语音控制的数字助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lam-%E5%A4%A7%E5%9E%8B%E5%8A%A8%E4%BD%9C%E6%A8%A1%E5%9E%8B/">LAM (大型动作模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-agents-ai-%E6%99%BA%E8%83%BD%E4%BD%93/">AI Agents (AI 智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wearables-%E5%8F%AF%E7%A9%BF%E6%88%B4%E8%AE%BE%E5%A4%87/">Wearables (可穿戴设备)</a></li> </ul>ROCmhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rocm/Sat, 18 Jul 2026 11:31:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rocm/<h2 id="definition">Definition</h2> <p>ROCm（Radeon Open Compute）是由 AMD 开发的驱动程序和软件栈，旨在启用 AMD GPU 上的高性能计算。它提供了开发并行应用程序所需的库、编译器和工具，允许开发者利用 AMD 硬件进行加速计算，而无需依赖专有软件。</p> <h3 id="summary">Summary</h3> <p>AMD 的开源 GPU 计算软件平台，提供替代 NVIDIA CUDA 生态系统的解决方案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>GPU 计算</li> <li>开源软件</li> <li>并行处理</li> <li>硬件加速</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在 AMD GPU 上进行 AI 模型训练</li> <li>科学模拟</li> <li>高性能计算集群</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cuda-nvidia-%E7%9A%84%E5%B9%B6%E8%A1%8C%E8%AE%A1%E7%AE%97%E5%B9%B3%E5%8F%B0%E5%92%8C%E7%BC%96%E7%A8%8B%E6%A8%A1%E5%9E%8B/">CUDA (NVIDIA 的并行计算平台和编程模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hip-amd-%E7%9A%84%E5%BC%82%E6%9E%84%E8%AE%A1%E7%AE%97%E6%8E%A5%E5%8F%A3/">HIP (AMD 的异构计算接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-drivers-gpu-%E9%A9%B1%E5%8A%A8%E7%A8%8B%E5%BA%8F/">GPU Drivers (GPU 驱动程序)</a></li> </ul>通义千问https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen/Sat, 18 Jul 2026 11:31:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen/<h2 id="definition">Definition</h2> <p>通义千问代表了由阿里巴巴集团旗下通义实验室创建的一系列先进大语言模型。它涵盖了针对不同任务优化的各个版本，包括自然语言理解、代码生成、数学计算及视觉分析等能力。</p> <h3 id="summary">Summary</h3> <p>通义千问（Qwen）是由阿里巴巴集团旗下通义实验室自主研发的大语言模型系列。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大语言模型</li> <li>阿里巴巴通义实验室</li> <li>自然语言处理</li> <li>基础模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通用对话式AI助手</li> <li>内容创作与摘要生成</li> <li>复杂逻辑推理任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tongyi-qianwen-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE/">Tongyi Qianwen (通义千问)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen2-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE%E7%AC%AC%E4%BA%8C%E4%BB%A3/">Qwen2 (通义千问第二代)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen-coder-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE%E4%BB%A3%E7%A0%81%E4%B8%93%E7%94%A8%E7%89%88/">Qwen-Coder (通义千问代码专用版)</a></li> </ul>通义千问2代https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen2/Sat, 18 Jul 2026 11:31:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen2/<h2 id="definition">Definition</h2> <p>通义千问2代标志着通义千问模型家族的第二次重大升级，引入了架构增强和扩展的训练数据。该版本在多语言支持、长上下文理解以及复杂指令遵循方面提供了更优越的能力。</p> <h3 id="summary">Summary</h3> <p>通义千问2代（Qwen2）是通义千问大语言模型系列的第二个主要迭代版本，性能得到显著提升。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型迭代</li> <li>性能提升</li> <li>多语言支持</li> <li>指令微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高精度问答系统</li> <li>多语言文档处理</li> <li>高级推理任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE/">Qwen (通义千问)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen1-5-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE1-5%E4%BB%A3/">Qwen1.5 (通义千问1.5代)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-benchmarking-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/">LLM Benchmarking (大语言模型基准测试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-architecture-transformer%E6%9E%B6%E6%9E%84/">Transformer Architecture (Transformer架构)</a></li> </ul>通义千问3.5https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen3_5/Sat, 18 Jul 2026 11:31:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen3_5/<h2 id="definition">Definition</h2> <p>通义千问3.5似乎表示通义千问3代系列中的特定检查点、尺寸变体或专业发布版本。虽然具体规格可能有所不同，但它通常意味着从早期版本（如Qwen2或Qwen3基础版）在效率或特定能力上的进一步演进。</p> <h3 id="summary">Summary</h3> <p>通义千问3.5（Qwen3 5）可能指通义千问第三代模型系列中的特定子版本或变体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型变体</li> <li>第三代</li> <li>优化</li> <li>版本控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>特定场景的专项部署</li> <li>测试新模型特性</li> <li>对比基准分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen3-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE3%E4%BB%A3/">Qwen3 (通义千问3代)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen2-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE2%E4%BB%A3/">Qwen2 (通义千问2代)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-checkpoints-%E6%A8%A1%E5%9E%8B%E6%A3%80%E6%9F%A5%E7%82%B9/">Model Checkpoints (模型检查点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/parameter-efficiency-%E5%8F%82%E6%95%B0%E6%95%88%E7%8E%87/">Parameter Efficiency (参数效率)</a></li> </ul>通义千问编辑功能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen_edit/Sat, 18 Jul 2026 11:31:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen_edit/<h2 id="definition">Definition</h2> <p>通义千问编辑指的是通义千问系列中针对编辑、润色和重构文本内容的特定功能或模型迭代。这些能力允许用户重写、优化和结构化文本，以提升清晰度和专业性。</p> <h3 id="summary">Summary</h3> <p>通义千问编辑（Qwen Edit）指通义千问生态中专注于文本和内容编辑的能力或模型模块。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本编辑</li> <li>内容润色</li> <li>语法纠正</li> <li>风格迁移</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>学术论文校对</li> <li>营销文案重写</li> <li>会议纪要摘要与整理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE/">Qwen (通义千问)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-summarization-%E6%96%87%E6%9C%AC%E6%91%98%E8%A6%81/">Text Summarization (文本摘要)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-editing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E7%BC%96%E8%BE%91/">NLP Editing (自然语言处理编辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/grammarly-grammarly%E8%AF%AD%E6%B3%95%E6%A3%80%E6%9F%A5%E5%B7%A5%E5%85%B7/">Grammarly (Grammarly语法检查工具)</a></li> </ul>通义千问代码版https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen_coder/Sat, 18 Jul 2026 11:31:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qwen_coder/<h2 id="definition">Definition</h2> <p>通义千问代码版是通义千问大语言模型的专用版本，经过专门微调以处理编程相关活动。它在代码生成、调试、理解复杂代码库以及将自然语言转换为可执行代码方面表现出色。</p> <h3 id="summary">Summary</h3> <p>通义千问代码版（Qwen Coder）是专为软件开发和编码任务优化的通义千问模型变体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>代码生成</li> <li>软件开发</li> <li>微调</li> <li>编程语言</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化代码补全</li> <li>错误检测与修复</li> <li>将伪代码转换为可执行脚本</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE/">Qwen (通义千问)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/github-copilot-github%E6%99%BA%E8%83%BD%E7%BC%96%E7%A0%81%E5%8A%A9%E6%89%8B/">GitHub Copilot (GitHub智能编码助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/code-llama-%E4%BB%A3%E7%A0%81%E4%B8%93%E7%94%A8llama%E6%A8%A1%E5%9E%8B/">Code Llama (代码专用Llama模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ide-integration-%E9%9B%86%E6%88%90%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83%E9%9B%86%E6%88%90/">IDE Integration (集成开发环境集成)</a></li> </ul>Qloohttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qloo/Sat, 18 Jul 2026 11:31:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qloo/<h2 id="definition">Definition</h2> <p>Qloo 作为一家数据智能公司运营，专注于通过先进的机器学习算法来理解人类偏好。它聚合并分析来自各种来源的海量数据集。</p> <h3 id="summary">Summary</h3> <p>Qloo 是一个由人工智能驱动的数据平台，提供关于消费者行为和文化趋势的预测性洞察。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预测性分析</li> <li>消费者行为</li> <li>文化趋势</li> <li>数据智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>零售趋势预测</li> <li>营销活动优化</li> <li>产品推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%A7%E6%95%B0%E6%8D%AE-big-data/">大数据 (Big Data)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90-sentiment-analysis/">情感分析 (Sentiment Analysis)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B8%82%E5%9C%BA%E8%B0%83%E7%A0%94-market-research/">市场调研 (Market Research)</a></li> </ul>量化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantification/Sat, 18 Jul 2026 11:31:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantification/<h2 id="definition">Definition</h2> <p>在人工智能和数据科学的背景下，量化指的是将非数值数据（如文本、图像或主观意见）转换为可测量的数值的过程。这一过程使计算机能够处理和理解原本难以量化的信息。</p> <h3 id="summary">Summary</h3> <p>量化是将定性属性或抽象概念以数值形式表达以便进行分析的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数值表示</li> <li>特征工程</li> <li>数据转换</li> <li>测量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理 (NLP)</li> <li>情感评分</li> <li>图像像素值分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BC%96%E7%A0%81-encoding/">编码 (Encoding)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BD%92%E4%B8%80%E5%8C%96-normalization/">归一化 (Normalization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%91%E9%87%8F%E5%8C%96-vectorization/">向量化 (Vectorization)</a></li> </ul>量化后的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantized/Sat, 18 Jul 2026 11:31:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantized/<h2 id="definition">Definition</h2> <p>量化是一种模型优化技术，它降低了机器学习模型参数的数值精度，通常将 32 位浮点数转换为 8 位整数。这种方法可以在保持模型性能基本不变的情况下，显著减少内存占用并加速推理速度。</p> <h3 id="summary">Summary</h3> <p>量化后的指神经网络模型中权重和激活值以较低精度的数字表示，以减少模型大小和推理延迟。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型压缩</li> <li>低精度算术</li> <li>边缘部署</li> <li>推理优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>移动 AI 应用</li> <li>物联网设备集成</li> <li>实时视频处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%89%AA%E6%9E%9D-pruning/">剪枝 (Pruning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E8%92%B8%E9%A6%8F-distillation/">知识蒸馏 (Distillation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorflow-lite/">TensorFlow Lite</a></li> </ul>量子机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantum_machine_learning/Sat, 18 Jul 2026 11:31:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantum_machine_learning/<h2 id="definition">Definition</h2> <p>量子机器学习（QML）是一个新兴的跨学科领域，它将量子计算能力与机器学习技术相结合。其目的是利用量子现象（如纠缠和叠加）来加速数据处理和模型训练，从而在特定任务上实现超越经典计算机的性能。</p> <h3 id="summary">Summary</h3> <p>量子机器学习将量子计算与机器学习算法相结合，以更快速或更高效地解决问题。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量子算法</li> <li>混合系统</li> <li>指数级加速</li> <li>量子核方法</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分子模拟</li> <li>金融投资组合优化</li> <li>高维数据分类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%98%E5%88%86%E9%87%8F%E5%AD%90%E6%9C%AC%E5%BE%81%E6%B1%82%E8%A7%A3%E5%99%A8-variational-quantum-eigensolver/">变分量子本征求解器 (Variational Quantum Eigensolver)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%AD%90%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-quantum-neural-networks/">量子神经网络 (Quantum Neural Networks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qiskit/">Qiskit</a></li> </ul>量子人工生命https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantum_artificial_life/Sat, 18 Jul 2026 11:31:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantum_artificial_life/<h2 id="definition">Definition</h2> <p>量子人工生命（QAL）探索了量子力学与人工生命研究的交叉点，旨在使用量子计算机模拟生物进化和自复制系统。它试图揭示量子效应对复杂生命系统演化的潜在影响。</p> <h3 id="summary">Summary</h3> <p>量子人工生命是一个利用量子计算原理研究自主系统和进化过程的领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量子进化</li> <li>遗传算法</li> <li>叠加态</li> <li>复杂性理论</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>模拟早期生命形式</li> <li>优化进化策略</li> <li>研究量子生物学</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%AD%90%E8%AE%A1%E7%AE%97-quantum-computing/">量子计算 (Quantum Computing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%BA%E5%B7%A5%E7%94%9F%E5%91%BD-artificial-life/">人工生命 (Artificial Life)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%AD%90%E9%81%97%E4%BC%A0%E5%AD%A6-quantum-genetics/">量子遗传学 (Quantum Genetics)</a></li> </ul>Pyannotehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pyannote/Sat, 18 Jul 2026 11:31:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pyannote/<h2 id="definition">Definition</h2> <p>Pyannote 是由 pyannote.audio 开发的开源 Python 库，专注于说话人日志技术，即确定音频流中“谁在何时说话”的过程。它利用深度学</p> <h3 id="summary">Summary</h3> <p>Pyannote 是一个 Python 库，为说话人日志（speaker diarization）和音频分割任务提供最先进的解决方案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>说话人日志</li> <li>音频分割</li> <li>语音活动检测</li> <li>嵌入聚类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>转录多说话人会议内容</li> <li>分析广播无线电内容</li> <li>研究对话动态</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pyannote-audio/">pyannote.audio</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%B4%E8%AF%9D%E4%BA%BA%E5%B5%8C%E5%85%A5-speaker-embeddings/">说话人嵌入 (Speaker Embeddings)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95-clustering-algorithms/">聚类算法 (Clustering Algorithms)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E9%9F%B3%E6%B4%BB%E5%8A%A8%E6%A3%80%E6%B5%8B-voice-activity-detection/">语音活动检测 (Voice Activity Detection)</a></li> </ul>Pyannote Audiohttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pyannote_audio/Sat, 18 Jul 2026 11:31:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pyannote_audio/<h2 id="definition">Definition</h2> <p>Pyannote Audio 是一个综合性的工具包，旨在促进说话人日志系统的开发和部署。它提供了一系列预训练的神经网络模型，用于执行各</p> <h3 id="summary">Summary</h3> <p>Pyannote Audio 是一个用于构建说话人日志流水线的模块化工具包，包含用于音频分析的预训练神经网络模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经网络模型</li> <li>流水线构建</li> <li>说话人嵌入</li> <li>Hugging Face 集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建自定义日志服务</li> <li>在特定领域微调模型</li> <li>实时会议转录系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pyannote/">pyannote</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%B4%E8%AF%9D%E4%BA%BA%E6%97%A5%E5%BF%97-speaker-diarization/">说话人日志 (Speaker Diarization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-deep-learning/">深度学习 (Deep Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-transformers/">Hugging Face Transformers</a></li> </ul>Pyannote Audio Pipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pyannote_audio_pipeline/Sat, 18 Jul 2026 11:31:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pyannote_audio_pipeline/<h2 id="definition">Definition</h2> <p>在 Pyannote Audio 的语境中，流水线指的是一种可配置的工作流，它将不同的模块链接在一起以实现说话人日志。通常，流水线包括用于检</p> <h3 id="summary">Summary</h3> <p>Pyannote Audio 流水线是一种结构化的处理步骤序列，通过组合各种模型来执行端到端的说话人日志任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>工作流自动化</li> <li>模块链式调用</li> <li>语音活动检测 (VAD)</li> <li>聚类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化转录工作流</li> <li>定制日志精度</li> <li>将音频分析集成到更大的应用程序中</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pyannote-audio/">Pyannote Audio</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E9%9F%B3%E6%B4%BB%E5%8A%A8%E6%A3%80%E6%B5%8B-voice-activity-detection/">语音活动检测 (Voice Activity Detection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%B4%E8%AF%9D%E4%BA%BA%E5%B5%8C%E5%85%A5-speaker-embeddings/">说话人嵌入 (Speaker Embeddings)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%B5%81%E6%B0%B4%E7%BA%BF-machine-learning-pipelines/">机器学习流水线 (Machine Learning Pipelines)</a></li> </ul>Pythiahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pythia/Sat, 18 Jul 2026 11:31:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pythia/<h2 id="definition">Definition</h2> <p>Pythia 是由 EleutherAI 创建的一系列开源大型语言模型（LLM），旨在促进对神经网络可解释性和行为的研究。该套件包括模</p> <h3 id="summary">Summary</h3> <p>Pythia 是由 EleutherAI 开发的一系列仅解码器架构的大型语言模型，参数量从 7000 万到 120 亿不等。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>可解释性研究</li> <li>GPT 架构</li> <li>开源人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究 LLM 的缩放行为</li> <li>研究模型可解释性</li> <li>自然语言处理的教学用途</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eleutherai/">EleutherAI</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt-2/">GPT-2</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/the-pile-%E6%95%B0%E6%8D%AE%E9%9B%86-the-pile-dataset/">The Pile 数据集 (The Pile Dataset)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E6%A8%A1%E5%9E%8B-transformer-models/">Transformer 模型 (Transformer Models)</a></li> </ul>Pytorch Model Hub Mixinhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pytorch_model_hub_mixin/Sat, 18 Jul 2026 11:31:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pytorch_model_hub_mixin/<h2 id="definition">Definition</h2> <p>PyTorch Model Hub Mixin 是 Hugging Face Transformers 库提供的一个组件，它扩展了标准的 PyTorch nn.Module 类。它添加了如 save_pretrained 和 from_pretrained 等方法，</p> <h3 id="summary">Summary</h3> <p>PyTorch Model Hub Mixin 是一个实用程序类，使 PyTorch 模型能够与 Hugging Face Hub 无缝集成，从而方便模型的保存和加载。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型序列化</li> <li>Hugging Face Hub</li> <li>nn.Module 扩展</li> <li>可复现性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>公开分享自定义模型</li> <li>标准化模型存储格式</li> <li>促进协作研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-transformers/">Hugging Face Transformers</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch/">PyTorch</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E7%89%88%E6%9C%AC%E6%8E%A7%E5%88%B6-model-versioning/">模型版本控制 (Model Versioning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nn-module/">nn.Module</a></li> </ul>剪枝https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pruning/Sat, 18 Jul 2026 11:30:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pruning/<h2 id="definition">Definition</h2> <p>剪枝涉及识别并消除神经网络中对输出准确率贡献最小的神经元、连接或滤波器。通过移除这些冗余元素，模型变得更加紧凑，从而降低存储需求和计算开销，同时尽量保持原有的模型性能。</p> <h3 id="summary">Summary</h3> <p>一种模型压缩技术，通过移除冗余或重要性较低的参数来减小模型体积并提高推理速度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型压缩</li> <li>冗余移除</li> <li>推理加速</li> <li>稀疏性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>移动端AI部署</li> <li>边缘计算优化</li> <li>降低云端推理成本</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%8C%96-quantization/">量化 (Quantization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E8%92%B8%E9%A6%8F-knowledge-distillation/">知识蒸馏 (Knowledge Distillation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E5%8E%8B%E7%BC%A9-model-compression/">模型压缩 (Model Compression)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A8%80%E7%96%8F%E7%BD%91%E7%BB%9C-sparse-networks/">稀疏网络 (Sparse Networks)</a></li> </ul>人工智能的进步https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/progress_in_artificial_intelligence/Sat, 18 Jul 2026 11:30:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/progress_in_artificial_intelligence/<h2 id="definition">Definition</h2> <p>该术语涵盖了人工智能系统的历史演变及当前发展，标志着从早期的符号逻辑到现代深度学习的里程碑式进展。它反映了计算能力的增强、算法效率的提高以及技术在各个领域的广泛采用。</p> <h3 id="summary">Summary</h3> <p>通过研究和开发日益复杂的算法及硬件，AI能力所取得的累积性提升。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法进步</li> <li>计算规模扩展</li> <li>基准性能</li> <li>技术采纳</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>追踪行业趋势</li> <li>学术研究路线图规划</li> <li>科技领域投资分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD-artificial-general-intelligence/">通用人工智能 (Artificial General Intelligence)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-machine-learning/">机器学习 (Machine Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-deep-learning/">深度学习 (Deep Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8A%80%E6%9C%AF%E5%A5%87%E7%82%B9-technological-singularity/">技术奇点 (Technological Singularity)</a></li> </ul>提示微调https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt_tuning/Sat, 18 Jul 2026 11:30:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt_tuning/<h2 id="definition">Definition</h2> <p>提示微调涉及在预训练语言模型的输入层添加可训练的软提示（连续向量），同时保持底层模型参数冻结。这种方法允许在几乎不增加计算成本的情况下，使模型适应特定任务或领域，特别适用于资源受限的场景。</p> <h3 id="summary">Summary</h3> <p>一种参数高效的微调方法，通过优化连续的输入嵌入（embeddings）而非更新整个模型权重来调整模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>软提示 (Soft Prompts)</li> <li>参数效率</li> <li>冻结权重</li> <li>少样本学习 (Few-shot Learning)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>针对特定领域适配大语言模型</li> <li>低资源环境下的微调</li> <li>多任务学习优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/peft-parameter-efficient-fine-tuning-%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88%E5%BE%AE%E8%B0%83/">PEFT (Parameter-Efficient Fine-Tuning, 参数高效微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora-low-rank-adaptation-%E4%BD%8E%E7%A7%A9%E8%87%AA%E9%80%82%E5%BA%94/">LoRA (Low-Rank Adaptation, 低秩自适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%8A%E4%B8%8B%E6%96%87%E5%AD%A6%E4%B9%A0-in-context-learning/">上下文学习 (In-context Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BE%AE%E8%B0%83-fine-tuning/">微调 (Fine-tuning)</a></li> </ul>推理心理学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/psychology_of_reasoning/Sat, 18 Jul 2026 11:30:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/psychology_of_reasoning/<h2 id="definition">Definition</h2> <p>该领域考察人类演绎、归纳和溯因推理背后的心理过程。它探索指导人类思维的偏见、启发式方法和逻辑结构。在人工智能中，对这些心理机制的理解有助于设计更符合人类认知习惯、更具可解释性且能与人类良好对齐的AI系统。</p> <h3 id="summary">Summary</h3> <p>跨学科研究人类如何形成判断、做出决策和解决问题的领域，为认知AI架构提供启示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>认知偏差</li> <li>启发式处理</li> <li>逻辑演绎</li> <li>人机对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计可解释AI</li> <li>创建认知架构</li> <li>改进人机交互</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6-cognitive-science/">认知科学 (Cognitive Science)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8Aai-explainable-ai/">可解释AI (Explainable AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%86%B3%E7%AD%96%E7%90%86%E8%AE%BA-decision-theory/">决策理论 (Decision Theory)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%AF%E5%8F%91%E5%BC%8F%E6%96%B9%E6%B3%95-heuristics/">启发式方法 (Heuristics)</a></li> </ul>用于学习的近端梯度方法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/proximal_gradient_methods_for_learning/Sat, 18 Jul 2026 11:30:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/proximal_gradient_methods_for_learning/<h2 id="definition">Definition</h2> <p>近端梯度方法是一种迭代优化技术，当损失函数包含可微分的平滑项和不可微分的正则项（如L1范数）时使用。该算法通过将平滑部分的梯度下降步骤与非平滑部分的近端算子（proximal operator）相结合，有效地处理非光滑优化问题。</p> <h3 id="summary">Summary</h3> <p>旨在最小化包含平滑和非平滑分量的复合目标函数的优化算法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>复合优化</li> <li>近端算子</li> <li>L1正则化</li> <li>非光滑凸性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>稀疏特征选择</li> <li>Lasso回归</li> <li>结构化预测模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D-gradient-descent/">梯度下降 (Gradient Descent)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lasso-least-absolute-shrinkage-and-selection-operator/">Lasso (Least Absolute Shrinkage and Selection Operator)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%87%B8%E4%BC%98%E5%8C%96-convex-optimization/">凸优化 (Convex Optimization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AD%A3%E5%88%99%E5%8C%96-regularization/">正则化 (Regularization)</a></li> </ul>OpenAI的产品与应用https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/products_and_applications_of_openai/Sat, 18 Jul 2026 11:30:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/products_and_applications_of_openai/<h2 id="definition">Definition</h2> <p>该术语涵盖了领先的人工智能研究实验室OpenAI创建的商业和研究产品。主要提供包括生成式预训练Transformer（GPT）系列模型用于自然语言处理，DALL-E用于图像生成，以及ChatGPT等对话式AI应用。这些产品广泛应用于内容创作、代码辅助、客户服务等领域。</p> <h3 id="summary">Summary</h3> <p>指OpenAI开发的一系列AI工具、API和研究成果，包括GPT模型和DALL-E。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大语言模型</li> <li>生成式AI</li> <li>API服务</li> <li>商业部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过GitHub Copilot进行自动化代码辅助</li> <li>用于营销的创意内容生成</li> <li>用于客户服务的对话代理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt_models-gpt%E6%A8%A1%E5%9E%8B/">gpt_models (GPT模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dall_e-dall-e%E5%9B%BE%E5%83%8F%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/">dall_e (DALL-E图像生成模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chatgpt-chatgpt%E5%AF%B9%E8%AF%9D%E5%8A%A9%E6%89%8B/">chatgpt (ChatGPT对话助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative_pretrained_transformer-%E7%94%9F%E6%88%90%E5%BC%8F%E9%A2%84%E8%AE%AD%E7%BB%83transformer/">generative_pretrained_transformer (生成式预训练Transformer)</a></li> </ul>概率匹配https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/probability_matching/Sat, 18 Jul 2026 11:30:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/probability_matching/<h2 id="definition">Definition</h2> <p>概率匹配是一种在强化学习和心理学中经常观察到的行为模式，与最优的“最大化”策略形成对比。它并不总是选择概率最高的动作，而是根据各动作的概率分布来随机选择动作。这种策略虽然不如贪婪策略在静态环境中高效，但在非平稳环境或需要探索的场景中可能更具鲁棒性。</p> <h3 id="summary">Summary</h3> <p>一种决策策略，智能体选择动作的频率与其估计的概率成正比。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>探索与利用</li> <li>强化学习</li> <li>随机环境</li> <li>决策理论</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在心理学实验中模拟人类行为</li> <li>在非平稳多臂老虎机问题中进行稳健探索</li> <li>分析次优学习算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/epsilon-greedy-%CE%B5-%E8%B4%AA%E5%A9%AA%E7%AD%96%E7%95%A5/">epsilon-greedy (ε-贪婪策略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/softmax_action_selection-softmax%E5%8A%A8%E4%BD%9C%E9%80%89%E6%8B%A9/">softmax_action_selection (Softmax动作选择)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/maximizing_strategy-%E6%9C%80%E5%A4%A7%E5%8C%96%E7%AD%96%E7%95%A5/">maximizing_strategy (最大化策略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/exploration_bonus-%E6%8E%A2%E7%B4%A2%E5%A5%96%E5%8A%B1/">exploration_bonus (探索奖励)</a></li> </ul>示例编程https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/programming_by_example/Sat, 18 Jul 2026 11:30:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/programming_by_example/<h2 id="definition">Definition</h2> <p>示例编程（PBE）是程序合成中的一种范式，开发人员通过具体的输入-输出对来指定所需的行为，而不是编写显式代码。AI系统分析这些示例，归纳出潜在的计算规则或逻辑，并自动生成相应的程序代码或公式，从而降低编程门槛。</p> <h3 id="summary">Summary</h3> <p>一种AI技术，通过推断用户提供的输入-输出示例中的规则来自动综合程序。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>程序合成</li> <li>输入-输出示例</li> <li>归纳推理</li> <li>低代码/无代码</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>从样本数据生成Excel公式</li> <li>文本转换和数据清洗脚本</li> <li>自动化重复的用户界面交互</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/program_synthesis-%E7%A8%8B%E5%BA%8F%E5%90%88%E6%88%90/">program_synthesis (程序合成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inductive_programming-%E5%BD%92%E7%BA%B3%E7%BC%96%E7%A8%8B/">inductive_programming (归纳编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few_shot_learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">few_shot_learning (少样本学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/code_generation-%E4%BB%A3%E7%A0%81%E7%94%9F%E6%88%90/">code_generation (代码生成)</a></li> </ul>问题解决https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/problem_solving/Sat, 18 Jul 2026 11:30:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/problem_solving/<h2 id="definition">Definition</h2> <p>在人工智能中，问题解决指的是从初始状态通过一系列动作导航到目标状态的系统性方法。它通常涉及定义问题空间、选择搜索算法（如广度优先搜索、深度优先搜索或A*算法）以及使用启发式函数来评估状态的价值，从而高效地找到解决方案。</p> <h3 id="summary">Summary</h3> <p>在定义的状态空间中通过搜索、推理和规划寻找困难解决方案的认知过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态空间搜索</li> <li>启发式方法</li> <li>目标状态</li> <li>算法设计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人和游戏寻路</li> <li>自动定理证明</li> <li>约束满足问题</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/search_algorithms-%E6%90%9C%E7%B4%A2%E7%AE%97%E6%B3%95/">search_algorithms (搜索算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/heuristic_function-%E5%90%AF%E5%8F%91%E5%BC%8F%E5%87%BD%E6%95%B0/">heuristic_function (启发式函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state_space-%E7%8A%B6%E6%80%81%E7%A9%BA%E9%97%B4/">state_space (状态空间)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automated_planning-%E8%87%AA%E5%8A%A8%E8%A7%84%E5%88%92/">automated_planning (自动规划)</a></li> </ul>专家乘积https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/product_of_experts/Sat, 18 Jul 2026 11:30:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/product_of_experts/<h2 id="definition">Definition</h2> <p>专家乘积（PoE）是一种通过组合更简单的分布来构建复杂概率分布的方法。与平均概率的“混合专家”（MoE）不同，PoE通过乘法结合各个专家模型的输出。这意味着如果任何一个专家模型认为某个配置是不可能的（概率为零），整个联合分布的概率也将为零，从而能够更严格地满足约束条件。</p> <h3 id="summary">Summary</h3> <p>一种概率建模框架，其联合分布由多个独立专家模型的输出相乘形成。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基于能量的模型</li> <li>联合分布</li> <li>乘法组合</li> <li>约束满足</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像纹理合成与建模</li> <li>深度玻尔兹曼机</li> <li>生成模型中的复杂依赖关系建模</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mixture_of_experts-%E6%B7%B7%E5%90%88%E4%B8%93%E5%AE%B6/">mixture_of_experts (混合专家)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/energy_based_model-%E5%9F%BA%E4%BA%8E%E8%83%BD%E9%87%8F%E7%9A%84%E6%A8%A1%E5%9E%8B/">energy_based_model (基于能量的模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_boltzmann_machine-%E6%B7%B1%E5%BA%A6%E7%8E%BB%E5%B0%94%E5%85%B9%E6%9B%BC%E6%9C%BA/">deep_boltzmann_machine (深度玻尔兹曼机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/joint_probability-%E8%81%94%E5%90%88%E6%A6%82%E7%8E%87/">joint_probability (联合概率)</a></li> </ul>Praftnhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/proaftn/Sat, 18 Jul 2026 11:30:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/proaftn/<h2 id="definition">Definition</h2> <p>Praftn是一个专门的计算框架，旨在处理关系结构内的功能时间序列数据。它将概率推理与代数运算相结合，以建模复杂的动态系统，支持对连续值时间序列数据的结构化分析。</p> <h3 id="summary">Summary</h3> <p>功能时间序列网络的概率关系代数，一种用于建模动态系统的框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>功能时间序列</li> <li>关系代数</li> <li>概率建模</li> <li>动态系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融市场趋势预测</li> <li>网络流量监控</li> <li>物联网中的传感器数据融合</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/time-series-analysis-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90/">Time-Series Analysis (时间序列分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/relational-learning-%E5%85%B3%E7%B3%BB%E5%AD%A6%E4%B9%A0/">Relational Learning (关系学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/probabilistic-graphical-models-%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B/">Probabilistic Graphical Models (概率图模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/functional-data-analysis-%E5%87%BD%E6%95%B0%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90/">Functional Data Analysis (函数数据分析)</a></li> </ul>概率数值计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/probabilistic_numerics/Sat, 18 Jul 2026 11:30:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/probabilistic_numerics/<h2 id="definition">Definition</h2> <p>概率数值计算将贝叶斯方法应用于传统的数值问题，如积分、微分和线性代数。它不仅提供点估计，而是输出概率分布，从而允许对计算误差和模型不确定性进行量化评估。</p> <h3 id="summary">Summary</h3> <p>一个将数值计算问题视为统计推断任务的领域，以量化结果中的不确定性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>不确定性量化</li> <li>贝叶斯计算</li> <li>数值积分</li> <li>认知不确定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>工程中的鲁棒优化</li> <li>蒙特卡洛模拟中的误差估计</li> <li>机器学习中的安全超参数调优</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-optimization-%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%98%E5%8C%96/">Bayesian Optimization (贝叶斯优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gaussian-processes-%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B/">Gaussian Processes (高斯过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/numerical-analysis-%E6%95%B0%E5%80%BC%E5%88%86%E6%9E%90/">Numerical Analysis (数值分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/uncertainty-calibration-%E4%B8%8D%E7%A1%AE%E5%AE%9A%E6%80%A7%E6%A0%A1%E5%87%86/">Uncertainty Calibration (不确定性校准)</a></li> </ul>理性原则https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/principle_of_rationality/Sat, 18 Jul 2026 11:30:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/principle_of_rationality/<h2 id="definition">Definition</h2> <p>该原则主张，给定感知输入和先验知识，智能体的行动选择应使其预期绩效度量最大化。它是决策理论的基石，指导智能体在不确定性环境下做出最优选择。</p> <h3 id="summary">Summary</h3> <p>智能体基于可用信息采取行动以最大化其预期效用的基础假设。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预期效用最大化</li> <li>理性智能体</li> <li>决策理论</li> <li>最优行为</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计自动驾驶车辆导航系统</li> <li>开发如AlphaGo之类的博弈AI</li> <li>创建经济仿真模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/utility-function-%E6%95%88%E7%94%A8%E5%87%BD%E6%95%B0/">Utility Function (效用函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/markov-decision-process-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">Markov Decision Process (马尔可夫决策过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">Bayesian Inference (贝叶斯推断)</a></li> </ul>模式识别的先验知识https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prior_knowledge_for_pattern_recognition/Sat, 18 Jul 2026 11:30:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prior_knowledge_for_pattern_recognition/<h2 id="definition">Definition</h2> <p>先验知识指的是在训练开始之前融入算法中的领域特定见解、约束或历史数据。这有助于引导模型趋向合理的解决方案，减少过拟合风险，并提高泛化能力。</p> <h3 id="summary">Summary</h3> <p>集成到机器学习模型中的现有信息或假设，以提高模式识别的准确性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>归纳偏置</li> <li>领域知识</li> <li>正则化</li> <li>泛化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有解剖学约束的医学图像诊断</li> <li>结合语言规则的语音识别</li> <li>利用形状先验的目标检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inductive-bias-%E5%BD%92%E7%BA%B3%E5%81%8F%E7%BD%AE/">Inductive Bias (归纳偏置)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">Feature Engineering (特征工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-priors-%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%88%E9%AA%8C/">Bayesian Priors (贝叶斯先验)</a></li> </ul>主动学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/proactive_learning/Sat, 18 Jul 2026 11:30:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/proactive_learning/<h2 id="definition">Definition</h2> <p>在主动学习中，AI系统确定哪些样本最能降低不确定性或提高模型性能，通常通过主动学习或探索策略实现。这与被动接收数据的传统监督学习形成对比，显著提高了数据效率。</p> <h3 id="summary">Summary</h3> <p>一种学习策略，智能体主动选择提供信息量大的数据点进行查询或探索，而非被动接收。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>主动学习</li> <li>查询策略</li> <li>不确定性采样</li> <li>数据效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高效标注医疗记录</li> <li>自主机器人探索</li> <li>有限标注的情感分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active Learning (主动学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/exploration-vs-exploitation-%E6%8E%A2%E7%B4%A2%E4%B8%8E%E5%88%A9%E7%94%A8/">Exploration vs Exploitation (探索与利用)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sample-efficiency-%E6%A0%B7%E6%9C%AC%E6%95%88%E7%8E%87/">Sample Efficiency (样本效率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human-in-the-loop-%E4%BA%BA%E5%9C%A8%E5%9B%9E%E8%B7%AF/">Human-in-the-loop (人在回路)</a></li> </ul>偏好学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/preference_learning/Sat, 18 Jul 2026 11:30:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/preference_learning/<h2 id="definition">Definition</h2> <p>偏好学习侧重于教导模型根据人类的判断而非绝对标签来区分好坏输出。它通常涉及收集成对的响应数据，其中人类标注者指出哪个响应更符合其偏好，从而训练奖励模型以量化这些偏好。</p> <h3 id="summary">Summary</h3> <p>一种利用比较反馈训练模型，使其输出与人类偏好对齐的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人类反馈</li> <li>成对比较</li> <li>奖励建模</li> <li>对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大型语言模型的基于人类反馈的强化学习 (RLHF)</li> <li>推荐系统</li> <li>内容审核过滤</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">rlhf (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward_modeling-%E5%A5%96%E5%8A%B1%E5%BB%BA%E6%A8%A1/">reward_modeling (奖励建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human_in_the_loop-%E4%BA%BA%E5%9C%A8%E5%9B%9E%E8%B7%AF/">human_in_the_loop (人在回路)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">alignment (对齐)</a></li> </ul>前缀微调https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prefix_tuning/Sat, 18 Jul 2026 11:30:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prefix_tuning/<h2 id="definition">Definition</h2> <p>前缀微调是一种用于预训练变换器的参数高效适应技术。与更新所有模型权重不同，它在输入序列前prepend（前置）一系列可训练的连续向量（即前缀），从而冻结主干网络并仅优化少量参数以适应新任务。</p> <h3 id="summary">Summary</h3> <p>一种参数高效的微调方法，通过在变换器层的输入端添加可训练的连续向量来实现适配。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>参数高效微调</li> <li>软提示</li> <li>变换器层</li> <li>冻结主干</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>少样本学习适配</li> <li>资源受限下的多任务学习</li> <li>为利基领域定制大型语言模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt_tuning-%E6%8F%90%E7%A4%BA%E5%BE%AE%E8%B0%83/">prompt_tuning (提示微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/p_tuning-p-tuning/">p_tuning (P-Tuning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adapter_modules-%E9%80%82%E9%85%8D%E5%99%A8%E6%A8%A1%E5%9D%97/">adapter_modules (适配器模块)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/peft-%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88%E5%BE%AE%E8%B0%83%E6%8A%80%E6%9C%AF/">peft (参数高效微调技术)</a></li> </ul>预测学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/predictive_learning/Sat, 18 Jul 2026 11:30:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/predictive_learning/<h2 id="definition">Definition</h2> <p>预测学习涉及训练神经网络，使其能够从观测到的输入中推断未观测到的数据点，而无需显式的人工标签。通过解决诸如语言中的下一个词元预测或图像中的掩码建模等任务，模型能够学习到强大的数据表示。</p> <h3 id="summary">Summary</h3> <p>一种自监督方法，模型通过预测输入数据的缺失部分来学习表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自监督</li> <li>掩码建模</li> <li>表示学习</li> <li>无标签数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预训练大型语言模型</li> <li>图像修复任务</li> <li>时间序列异常检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self_supervised_learning-%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">self_supervised_learning (自监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/masked_language_modeling-%E6%8E%A9%E7%A0%81%E8%AF%AD%E8%A8%80%E5%BB%BA%E6%A8%A1/">masked_language_modeling (掩码语言建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contrastive_learning-%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/">contrastive_learning (对比学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autoencoder-%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">autoencoder (自编码器)</a></li> </ul>预测状态表示https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/predictive_state_representation/Sat, 18 Jul 2026 11:30:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/predictive_state_representation/<h2 id="definition">Definition</h2> <p>预测状态表示（PSR）扩展了传统的部分可观察马尔可夫决策过程，将状态定义为关于未来可观察事件的预测向量集合。它不依赖于无法直接观测的隐藏状态，而是利用历史动作和观测序列来构建对未来的预测。</p> <h3 id="summary">Summary</h3> <p>强化学习中的一种潜在状态形式化方法，基于动作历史预测未来的观测结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>部分可观察性</li> <li>未来预测</li> <li>基于历史的状态</li> <li>强化学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>杂乱环境中的机器人控制</li> <li>具有隐藏信息的博弈AI</li> <li>金融市场预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/partially_observable_mdp-%E9%83%A8%E5%88%86%E5%8F%AF%E8%A7%82%E5%AF%9F%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">partially_observable_mdp (部分可观察马尔可夫决策过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent_space-%E6%BD%9C%E5%9C%A8%E7%A9%BA%E9%97%B4/">latent_space (潜在空间)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state_estimation-%E7%8A%B6%E6%80%81%E4%BC%B0%E8%AE%A1/">state_estimation (状态估计)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pomdp-%E9%83%A8%E5%88%86%E5%8F%AF%E8%A7%82%E5%AF%9F%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">pomdp (部分可观察马尔可夫决策过程)</a></li> </ul>预训练的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pretrained/Sat, 18 Jul 2026 11:30:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pretrained/<h2 id="definition">Definition</h2> <p>“预训练”一词描述了一个神经网络模型，该模型已在海量且通常通用的数据集（如ImageNet或Wikipedia）上进行了初始训练。这一过程使模型能够学习丰富的通用特征表示，随后可以通过微调适应特定的下游任务。</p> <h3 id="summary">Summary</h3> <p>指在针对特定任务进行调整之前，已在大规模数据集上完成训练的模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>特征提取</li> <li>基础模型</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>初始化BERT或GPT模型</li> <li>使用ResNet进行图像分类</li> <li>特定领域自然语言处理任务的起点</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/foundation_models-%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/">foundation_models (基础模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature_extraction-%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96/">feature_extraction (特征提取)</a></li> </ul>Phi3https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/phi3/Sat, 18 Jul 2026 11:30:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/phi3/<h2 id="definition">Definition</h2> <p>Phi-3是微软发布的一系列小型语言模型（SLMs），旨在以显著更少的计算资源提供与更大模型相媲美的高性能表现。</p> <h3 id="summary">Summary</h3> <p>由微软研究院开发的一系列开源权重大型语言模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>小型语言模型</li> <li>微软研究院</li> <li>边缘AI</li> <li>合成数据训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在移动设备或笔记本电脑上运行大语言模型</li> <li>企业应用的经济高效推理</li> <li>满足低延迟要求的实时处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/on-device-ai-%E7%AB%AF%E4%BE%A7ai/">On-device AI (端侧AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-architecture-transformer%E6%9E%B6%E6%9E%84/">Transformer architecture (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distillation-%E7%9F%A5%E8%AF%86%E8%92%B8%E9%A6%8F/">Distillation (知识蒸馏)</a></li> </ul>Phi系数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/phi_coefficient/Sat, 18 Jul 2026 11:30:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/phi_coefficient/<h2 id="definition">Definition</h2> <p>Phi系数（φ）是用于衡量两个二元变量之间关联程度的指标，可视为二值变量的皮尔逊相关系数。其取值范围为-1到+1，其中0表示无关联。</p> <h3 id="summary">Summary</h3> <p>衡量两个二元变量之间关联程度的统计指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>二元变量</li> <li>相关性</li> <li>列联表</li> <li>关联强度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估二元分类器在准确率之外的性能</li> <li>分析具有“是/否”回复的调查数据中的关系</li> <li>在包含分类输入的数据集中进行特征选择</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">scipy.stats</span> <span style="color:#000;font-weight:bold">import</span> chi2_contingency </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example: Calculate phi coefficient from a 2x2 confusion matrix</span> </span></span><span style="display:flex;"><span>tn, fp, fn, tp <span style="color:#000;font-weight:bold">=</span> <span style="color:#099">90</span>, <span style="color:#099">10</span>, <span style="color:#099">5</span>, <span style="color:#099">95</span> </span></span><span style="display:flex;"><span>matrix <span style="color:#000;font-weight:bold">=</span> [[tn, fp], [fn, tp]] </span></span><span style="display:flex;"><span>chi2, p, dof, expected <span style="color:#000;font-weight:bold">=</span> chi2_contingency(matrix) </span></span><span style="display:flex;"><span>phi <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>sqrt(chi2 <span style="color:#000;font-weight:bold">/</span> (tn <span style="color:#000;font-weight:bold">+</span> fp <span style="color:#000;font-weight:bold">+</span> fn <span style="color:#000;font-weight:bold">+</span> tp)) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(<span style="color:#d14">f</span><span style="color:#d14">&#39;Phi coefficient: </span><span style="color:#d14">{</span>phi<span style="color:#d14">:</span><span style="color:#d14">.3f</span><span style="color:#d14">}</span><span style="color:#d14">&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cramer-s-v-%E5%85%8B%E6%8B%89%E9%BB%98v%E7%B3%BB%E6%95%B0/">Cramer&rsquo;s V (克拉默V系数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pearson-correlation-%E7%9A%AE%E5%B0%94%E9%80%8A%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0/">Pearson correlation (皮尔逊相关系数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/confusion-matrix-%E6%B7%B7%E6%B7%86%E7%9F%A9%E9%98%B5/">Confusion matrix (混淆矩阵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mutual-information-%E4%BA%92%E4%BF%A1%E6%81%AF/">Mutual information (互信息)</a></li> </ul>Physical Intelligence Inc.https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/physical_intelligence_inc/Sat, 18 Jul 2026 11:30:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/physical_intelligence_inc/<h2 id="definition">Definition</h2> <p>Physical Intelligence Inc. (PI) 是从Google DeepMind拆分出来的公司，致力于推进具身智能和机器人领域的发展。该公司专注于开发能够执行通用任务的机器人。</p> <h3 id="summary">Summary</h3> <p>一家由前DeepMind研究人员创立的机器人公司，专注于通用机器人操作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>具身智能</li> <li>机器人技术</li> <li>操作</li> <li>DeepMind衍生公司</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化仓库物流</li> <li>复杂的装配线任务</li> <li>通用机器人代理的研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robot-learning-%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6%E4%B9%A0/">Robot Learning (机器人学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sim-to-real-transfer-%E4%BB%BF%E7%9C%9F%E5%88%B0%E7%8E%B0%E5%AE%9E%E8%BF%81%E7%A7%BB/">Sim-to-Real Transfer (仿真到现实迁移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/actuators-%E6%89%A7%E8%A1%8C%E5%99%A8/">Actuators (执行器)</a></li> </ul>播客https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/podcast/Sat, 18 Jul 2026 11:30:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/podcast/<h2 id="definition">Definition</h2> <p>在AI和技术语境下，播客指通过RSS订阅源分发的周期性数字媒体内容，允许用户订阅并收听讨论、访谈或教育材料。</p> <h3 id="summary">Summary</h3> <p>一种通过互联网提供下载或流媒体播放的数字音频或视频文件。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数字媒体</li> <li>RSS订阅源</li> <li>音频流媒体</li> <li>知识传播</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>了解AI行业新闻</li> <li>学习机器学习概念的教育内容</li> <li>专家访谈与思想领导力分享</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/streaming-%E6%B5%81%E5%AA%92%E4%BD%93/">Streaming (流媒体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rss-really-simple-syndication/">RSS (Really Simple Syndication)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio-engineering-%E9%9F%B3%E9%A2%91%E5%B7%A5%E7%A8%8B/">Audio Engineering (音频工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/content-creation-%E5%86%85%E5%AE%B9%E5%88%9B%E4%BD%9C/">Content Creation (内容创作)</a></li> </ul>多语义性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/polysemanticity/Sat, 18 Jul 2026 11:30:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/polysemanticity/<h2 id="definition">Definition</h2> <p>多语义性是深度神经网络（特别是Transformer架构）中的一种特征，即单个神经元可能对几个不相关或语义不同的特征激活做出响应。</p> <h3 id="summary">Summary</h3> <p>神经网络中的单个神经元对多个不同概念产生响应的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经元可解释性</li> <li>稀疏自编码器</li> <li>特征解耦</li> <li>Transformer架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机械可解释性研究</li> <li>调试模型行为</li> <li>提高模型的透明度和安全性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/monosemanticity-%E5%8D%95%E8%AF%AD%E4%B9%89%E6%80%A7/">Monosemanticity (单语义性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interpretability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Interpretability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparse-coding-%E7%A8%80%E7%96%8F%E7%BC%96%E7%A0%81/">Sparse Coding (稀疏编码)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-probes-%E7%A5%9E%E7%BB%8F%E6%8E%A2%E9%92%88/">Neural Probes (神经探针)</a></li> </ul>Perusallhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perusall/Sat, 18 Jul 2026 11:29:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perusall/<h2 id="definition">Definition</h2> <p>Perusall是一个利用人工智能促进协作式阅读和注释的教育技术平台。它根据学生参与的质量自动对其参与度进行评分，从而简化教师的工作并提高学生的学习投入度。</p> <h3 id="summary">Summary</h3> <p>一个由AI驱动的社会化学习平台，自动对学生在数字文本上的注释和讨论进行评分。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>社会化学习</li> <li>自动评分</li> <li>文本注释</li> <li>教育中的自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大学课程阅读材料</li> <li>企业培训资料</li> <li>协作学习小组</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/learning_management_system-%E5%AD%A6%E4%B9%A0%E7%AE%A1%E7%90%86%E7%B3%BB%E7%BB%9F/">learning_management_system (学习管理系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/educational_technology-%E6%95%99%E8%82%B2%E6%8A%80%E6%9C%AF/">educational_technology (教育技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)</a></li> </ul>Phihttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/phi/Sat, 18 Jul 2026 11:29:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/phi/<h2 id="definition">Definition</h2> <p>Phi（基于教学学习范式的基座模型）是微软创建的一系列紧凑型大型语言模型家族。与传统在海量网络语料上训练的LLM不同，Phi主要通过合成数据进行训练，旨在以更小的参数量实现更高的知识密度和逻辑推理能力。</p> <h3 id="summary">Summary</h3> <p>由微软研究院开发的一系列小型但高效的大型语言模型，侧重于知识密度和推理能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>小型语言模型</li> <li>合成数据</li> <li>推理能力</li> <li>知识密度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>边缘设备AI部署</li> <li>复杂逻辑推理任务</li> <li>高性价比API服务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/large_language_model-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">large_language_model (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/microsoft_research-%E5%BE%AE%E8%BD%AF%E7%A0%94%E7%A9%B6%E9%99%A2/">microsoft_research (微软研究院)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synthetic_data_generation-%E5%90%88%E6%88%90%E6%95%B0%E6%8D%AE%E7%94%9F%E6%88%90/">synthetic_data_generation (合成数据生成)</a></li> </ul>拟人化实体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/personoid/Sat, 18 Jul 2026 11:29:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/personoid/<h2 id="definition">Definition</h2> <p>拟人化实体是指设计成类似人类外观或行为的实体，可以是机器人或虚拟形式。在机器人学中，这涉及物理上的拟人化；而在AI中，它通常指聊天机器人或虚拟助手，强调其交互的自然性和拟真度。</p> <h3 id="summary">Summary</h3> <p>一种类人机器人或软件代理，旨在模仿人类的物理外观或对话风格以促进自然交互。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>拟人化</li> <li>类人机器人</li> <li>虚拟代理</li> <li>恐怖谷效应</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户服务接待员</li> <li>老年护理伴侣</li> <li>教育辅导老师</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/android-%E4%BB%BF%E4%BA%BA%E6%9C%BA%E5%99%A8%E4%BA%BA/">android (仿人机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chatbot-%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA/">chatbot (聊天机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social_robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6/">social_robotics (社交机器人学)</a></li> </ul>人格计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/personality_computing/Sat, 18 Jul 2026 11:29:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/personality_computing/<h2 id="definition">Definition</h2> <p>人格计算涉及开发能够建模、模拟或适应人类人格维度（如大五人格特质）的算法和系统。这些系统的目标是创建更具适应性和个性化的人机互动体验。</p> <h3 id="summary">Summary</h3> <p>一个专注于创建模拟人类人格特质以增强人机交互的计算模型的研究领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大五人格特质</li> <li>计算建模</li> <li>人机交互</li> <li>个性化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>创建富有同理心的虚拟助手</li> <li>自适应教育辅导系统</li> <li>心理评估工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/affective_computing-%E6%83%85%E6%84%9F%E8%AE%A1%E7%AE%97/">affective_computing (情感计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human_robot_interaction-%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/">human_robot_interaction (人机交互)</a></li> </ul>人格综合体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/personaplex/Sat, 18 Jul 2026 11:29:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/personaplex/<h2 id="definition">Definition</h2> <p>人格综合体指的是支持多个数字人格的创建、管理和互动的生态系统或基础设施。它涵盖了主要技术与伦理考量，包括身份验证、数据隐私以及不同数字实体间的交互规范。</p> <h3 id="summary">Summary</h3> <p>一个概念框架或平台，旨在管理AI驱动环境中数字人格及其互动的复杂网络。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数字身份</li> <li>多智能体系统</li> <li>虚拟化身</li> <li>身份管理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>元宇宙社交平台</li> <li>企业数字孪生管理</li> <li>游戏NPC生态系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital_twin-%E6%95%B0%E5%AD%97%E5%AD%AA%E7%94%9F/">digital_twin (数字孪生)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/avatar-%E8%99%9A%E6%8B%9F%E5%8C%96%E8%BA%AB/">avatar (虚拟化身)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi_agent_systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">multi_agent_systems (多智能体系统)</a></li> </ul>感知器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perceiver/Sat, 18 Jul 2026 11:29:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perceiver/<h2 id="definition">Definition</h2> <p>在人工智能和认知科学中，感知器是指将原始感官数据转化为有意义信息的智能系统组件。与仅检测信号的简单传感器不同，感</p> <h3 id="summary">Summary</h3> <p>负责接收并解释来自环境感官输入的系统或模块。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感官输入</li> <li>信号处理</li> <li>特征检测</li> <li>传感器融合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶导航</li> <li>机器人视觉系统</li> <li>物联网数据预处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensor-fusion-%E4%BC%A0%E6%84%9F%E5%99%A8%E8%9E%8D%E5%90%88/">Sensor fusion (传感器融合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-architecture-%E8%AE%A4%E7%9F%A5%E6%9E%B6%E6%9E%84/">Cognitive architecture (认知架构)</a></li> </ul>感知误差模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perception_error_model/Sat, 18 Jul 2026 11:29:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perception_error_model/<h2 id="definition">Definition</h2> <p>感知误差模型描述了观察到的感官数据与真实情况之间的差异，考虑了噪声、遮挡或传感器限制等因素。通过对这些误差进行建模，人工智能系统可以</p> <h3 id="summary">Summary</h3> <p>用于量化和校正感官数据解释中不准确性的统计或算法框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>噪声建模</li> <li>不确定性量化</li> <li>误差校正</li> <li>贝叶斯推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>激光雷达数据平滑</li> <li>相机校准调整</li> <li>容错机器人技术</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kalman-filter-%E5%8D%A1%E5%B0%94%E6%9B%BC%E6%BB%A4%E6%B3%A2/">Kalman filter (卡尔曼滤波)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensor-noise-%E4%BC%A0%E6%84%9F%E5%99%A8%E5%99%AA%E5%A3%B0/">Sensor noise (传感器噪声)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robust-estimation-%E9%B2%81%E6%A3%92%E4%BC%B0%E8%AE%A1/">Robust estimation (鲁棒估计)</a></li> </ul>教学智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pedagogical_agent/Sat, 18 Jul 2026 11:29:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pedagogical_agent/<h2 id="definition">Definition</h2> <p>教学智能体是一种软件组件，通常表现为虚拟角色，在教育环境中充当教师或导师。这些智能体利用自然语言处理</p> <h3 id="summary">Summary</h3> <p>旨在通过提供指导、反馈和引导来促进学习的人工智能实体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>智能辅导</li> <li>虚拟人</li> <li>自适应学习</li> <li>人机交互</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在线课程助手</li> <li>语言学习应用</li> <li>企业培训模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intelligent-tutoring-system-%E6%99%BA%E8%83%BD%E8%BE%85%E5%AF%BC%E7%B3%BB%E7%BB%9F/">Intelligent Tutoring System (智能辅导系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chatbot-%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA/">Chatbot (聊天机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edtech-%E6%95%99%E8%82%B2%E7%A7%91%E6%8A%80/">EdTech (教育科技)</a></li> </ul>模式理论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pattern_theory/Sat, 18 Jul 2026 11:29:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pattern_theory/<h2 id="definition">Definition</h2> <p>模式理论为理解如何通过模式来描述复杂对象和现象提供了严谨的数学基础。它认为任何对象都可以通过其</p> <h3 id="summary">Summary</h3> <p>一种通过分析数据空间中的模式来描述复杂结构的数学框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模式空间</li> <li>不变性</li> <li>特征提取</li> <li>随机过程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像识别系统</li> <li>自然语言处理</li> <li>生物信息学序列分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">Feature engineering (特征工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/manifold-learning-%E6%B5%81%E5%BD%A2%E5%AD%A6%E4%B9%A0/">Manifold learning (流形学习)</a></li> </ul>知觉https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/percept/Sat, 18 Jul 2026 11:29:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/percept/<h2 id="definition">Definition</h2> <p>知觉是外部刺激经过感知系统处理后形成的内部表征。在人工智能中，这对应于从低级信号处理中输出的结构化数据</p> <h3 id="summary">Summary</h3> <p>由感知器处理后的感官输入所产生的心理表征或解释结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>表征</li> <li>解释</li> <li>语义含义</li> <li>数据抽象</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>目标检测结果</li> <li>语音识别转录文本</li> <li>医学影像诊断辅助</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-vector-%E7%89%B9%E5%BE%81%E5%90%91%E9%87%8F/">Feature vector (特征向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbol-grounding-%E7%AC%A6%E5%8F%B7%E6%8E%A5%E5%9C%B0/">Symbol grounding (符号接地)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-map-%E8%AE%A4%E7%9F%A5%E5%9C%B0%E5%9B%BE/">Cognitive map (认知地图)</a></li> </ul>并行Web系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/parallel_web_systems/Sat, 18 Jul 2026 11:29:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/parallel_web_systems/<h2 id="definition">Definition</h2> <p>并行Web系统是指将计算任务划分并在通过网络连接的多台服务器或处理器上同时执行的基础设施设计。这种方法显著提高了处理大规模并发请求的能力，确保在高流量场景下的系统稳定性和低延迟响应。</p> <h3 id="summary">Summary</h3> <p>利用多个节点上的并发处理来高效处理Web规模工作负载的分布式计算架构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>并发</li> <li>负载均衡</li> <li>分布式计算</li> <li>可扩展性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>销售活动期间的高流量电商平台</li> <li>实时数据分析仪表盘</li> <li>大规模视频流媒体服务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BE%AE%E6%9C%8D%E5%8A%A1-microservices/">微服务 (Microservices)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%91%E8%AE%A1%E7%AE%97-cloud-computing/">云计算 (Cloud Computing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F-distributed-systems/">分布式系统 (Distributed Systems)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B4%9F%E8%BD%BD%E5%9D%87%E8%A1%A1%E5%99%A8-load-balancer/">负载均衡器 (Load Balancer)</a></li> </ul>模式识别https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pattern_recognition/Sat, 18 Jul 2026 11:29:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pattern_recognition/<h2 id="definition">Definition</h2> <p>模式识别是人工智能和统计学的一个分支，致力于识别数据中的规律性。它涉及基于特征将输入数据分类到预定义的类别中，或者发现数据中的聚类结构。该技术广泛应用于计算机视觉、语音处理和数据分析等领域，是实现智能感知的基础。</p> <h3 id="summary">Summary</h3> <p>使用统计和机器学习方法自动识别数据中的规律性和结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>特征提取</li> <li>分类</li> <li>聚类</li> <li>泛化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人脸识别系统</li> <li>垃圾邮件过滤</li> <li>用于疾病检测的医学图像分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89-computer-vision/">计算机视觉 (Computer Vision)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-machine-learning/">机器学习 (Machine Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98-data-mining/">数据挖掘 (Data Mining)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86-image-processing/">图像处理 (Image Processing)</a></li> </ul>模式语言https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pattern_language/Sat, 18 Jul 2026 11:29:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pattern_language/<h2 id="definition">Definition</h2> <p>模式语言是一个形式化的框架，由一组经过验证的、针对设计中常见问题的解决方案组成，特别是在软件工程领域。每个模式描述了一个在特定上下文中重复出现的问题及其核心解决方案，这些模式之间相互连接，形成一种语言，帮助设计师系统地构建复杂系统。</p> <h3 id="summary">Summary</h3> <p>一套结构化的、相互关联的设计解决方案集合，旨在解决软件或系统架构中反复出现的问题。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>设计模式</li> <li>可重用解决方案</li> <li>情境化设计</li> <li>互联模式</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>软件架构文档编写</li> <li>企业应用程序设计</li> <li>教授软件工程最佳实践</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%9B%E4%BA%BA%E7%BB%84-gof-gang-of-four/">四人组/GoF (Gang of Four)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%BD%AF%E4%BB%B6%E6%9E%B6%E6%9E%84-software-architecture/">软件架构 (Software Architecture)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%BE%E8%AE%A1%E6%A8%A1%E5%BC%8F-design-patterns/">设计模式 (Design Patterns)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8D%E6%9E%84-refactoring/">重构 (Refactoring)</a></li> </ul>奇偶校验学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/parity_learning/Sat, 18 Jul 2026 11:29:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/parity_learning/<h2 id="definition">Definition</h2> <p>奇偶校验学习是机器学习理论中的一个基准问题，目标是预测一组二进制输入变量的奇偶性（即异或和）。对于标准的浅层前馈神经网络来说，这个问题 notoriously difficult（以困难著称），因为它需要捕捉长距离依赖关系，从而常被用来评估神经网络的容量和优化算法的鲁棒性。</p> <h3 id="summary">Summary</h3> <p>一个理论机器学习问题，专注于预测二进制输入的异或（XOR）和，用于测试模型的表达能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>异或问题</li> <li>模型表达能力</li> <li>二分类</li> <li>长距离依赖</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估神经网络容量</li> <li>测试优化算法的鲁棒性</li> <li>研究循环神经网络的能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%82%E6%88%96%E9%97%A8-xor-gate/">异或门 (XOR Gate)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%AE%B9%E9%87%8F-neural-network-capacity/">神经网络容量 (Neural Network Capacity)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95-benchmarking/">基准测试 (Benchmarking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-recurrent-neural-networks/">循环神经网络 (Recurrent Neural Networks)</a></li> </ul>文本改写https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/paraphrasing/Sat, 18 Jul 2026 11:29:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/paraphrasing/<h2 id="definition">Definition</h2> <p>在自然语言处理中，文本改写涉及为给定的输入文本生成替代表达，同时保留其原始语义含义。这对于减少抄袭、增强数据多样性以及提高内容可读性至关重要，通常依赖于预训练的语言模型来实现高质量的语义等价转换。</p> <h3 id="summary">Summary</h3> <p>自然语言处理任务，旨在用不同的词汇或句式重写文本，同时保持原意不变。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语义保留</li> <li>文本重写</li> <li>自然语言生成</li> <li>同义性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>抄袭检测与规避工具</li> <li>用于训练NLP模型的数据增强</li> <li>提高技术文档的可读性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%96%87%E6%9C%AC%E6%91%98%E8%A6%81-text-summarization/">文本摘要 (Text Summarization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E7%BF%BB%E8%AF%91-machine-translation/">机器翻译 (Machine Translation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BA%8F%E5%88%97%E5%88%B0%E5%BA%8F%E5%88%97%E6%A8%A1%E5%9E%8B-sequence-to-sequence-models/">序列到序列模型 (Sequence-to-Sequence Models)</a></li> </ul>P-Tuninghttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/p_tuning/Sat, 18 Jul 2026 11:29:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/p_tuning/<h2 id="definition">Definition</h2> <p>P-Tuning（提示微调）是一种旨在以最低计算成本将大型预训练语言模型适配到特定下游任务的技术。与微调所有模型参数不同，P-Tuning 仅优化少量可学习的提示向量，同时保持预训练模型的权重冻结，从而显著降低资源消耗并防止灾难性遗忘。</p> <h3 id="summary">Summary</h3> <p>P-Tuning 是一种参数高效微调方法，它通过优化连续的提示嵌入（prompt embeddings）来适应任务，而不是更新整个预训练模型的权重。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>参数高效微调</li> <li>虚拟令牌</li> <li>冻结权重</li> <li>嵌入优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>少样本学习适配</li> <li>资源受限环境</li> <li>大语言模型应用的快速原型开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora-%E4%BD%8E%E7%A7%A9%E9%80%82%E5%BA%94/">LoRA (低秩适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adapter-modules-%E9%80%82%E9%85%8D%E5%99%A8%E6%A8%A1%E5%9D%97/">Adapter Modules (适配器模块)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">Prompt Engineering (提示工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> </ul>PagedAttentionhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pagedattention/Sat, 18 Jul 2026 11:29:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pagedattention/<h2 id="definition">Definition</h2> <p>PagedAttention 是由 vLLM 项目引入的一项技术，旨在提高大语言模型推理的效率。它解决了管理 KV 缓存时的碎片化和开销问题，通过将 KV 缓存视为非连续的内存块进行分配和管理，从而显著减少了内存浪费，提高了吞吐量并降低了显存占用。</p> <h3 id="summary">Summary</h3> <p>PagedAttention 是一种内存管理算法，它将虚拟内存分页概念应用于优化 Transformer 模型中键值（KV）缓存的存储和访问。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>KV 缓存管理</li> <li>内存碎片化</li> <li>推理优化</li> <li>虚拟内存分页</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高吞吐量大语言模型服务</li> <li>减少 GPU 内存使用</li> <li>生产环境中的批处理优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vllm-%E9%AB%98%E6%80%A7%E8%83%BDllm%E6%8E%A8%E7%90%86%E5%BC%95%E6%93%8E/">vLLM (高性能LLM推理引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/key-value-cache-%E9%94%AE%E5%80%BC%E7%BC%93%E5%AD%98/">Key-Value Cache (键值缓存)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-architecture-transformer%E6%9E%B6%E6%9E%84/">Transformer Architecture (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-memory-optimization-gpu%E5%86%85%E5%AD%98%E4%BC%98%E5%8C%96/">GPU Memory Optimization (GPU内存优化)</a></li> </ul>PHerc. Paris. 4https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pherc_paris_4/Sat, 18 Jul 2026 11:29:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pherc_paris_4/<h2 id="definition">Definition</h2> <p>PHerc. Paris. 4 是对一份在赫库兰尼姆的纸草别墅发现的碳化纸莎草卷轴残片的称谓，目前存放于法国国家图书馆。这些卷轴是在公元79年维苏威火山爆发中被掩埋的，内容主要涉及伊壁鸠鲁学派哲学家菲洛德穆（Philodemus）的作品，是数字人文技术尝试读取和重建古代知识的重要对象。</p> <h3 id="summary">Summary</h3> <p>PHerc. Paris. 4 指的是巴黎图书馆收藏的一份赫库兰尼姆纸莎草文献的具体残片，常在人文学科数字化和古代文本重建项目中被引用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>赫库兰尼姆纸莎草文献</li> <li>数字人文</li> <li>古代文本重建</li> <li>菲洛德穆</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>历史文本分析</li> <li>人工智能辅助手稿阅读</li> <li>古典学研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multispectral-imaging-%E5%A4%9A%E5%85%89%E8%B0%B1%E6%88%90%E5%83%8F/">Multispectral Imaging (多光谱成像)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/epicureanism-%E4%BC%8A%E5%A3%81%E9%B8%A0%E9%B2%81%E4%B8%BB%E4%B9%89/">Epicureanism (伊壁鸠鲁主义)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/papyrology-%E7%BA%B8%E8%8D%89%E5%AD%A6/">Papyrology (纸草学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/virtual-unrolling-%E8%99%9A%E6%8B%9F%E5%B1%95%E5%BC%80/">Virtual Unrolling (虚拟展开)</a></li> </ul>POP-11https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pop_11/Sat, 18 Jul 2026 11:29:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pop_11/<h2 id="definition">Definition</h2> <p>POP-11（面向程序的问题解决）是一种多范式编程语言，结合了过程式、面向对象和逻辑编程的特性。它创建于20世纪70年代，成为爱丁堡人工智能学派的核心工具，广泛用于专家系统开发、自然语言处理以及认知建模的教学与研究。</p> <h3 id="summary">Summary</h3> <p>POP-11 是由爱丁堡大学开发的高级编程语言，主要用于人工智能研究和认知科学教育。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>爱丁堡人工智能</li> <li>多范式编程</li> <li>专家系统</li> <li>认知科学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>教授人工智能基础</li> <li>开发符号推理系统</li> <li>历史人工智能研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prolog-%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80/">Prolog (逻辑编程语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lisp-%E5%88%97%E8%A1%A8%E5%A4%84%E7%90%86%E8%AF%AD%E8%A8%80/">Lisp (列表处理语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic-ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Symbolic AI (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/university-of-edinburgh-%E7%88%B1%E4%B8%81%E5%A0%A1%E5%A4%A7%E5%AD%A6/">University of Edinburgh (爱丁堡大学)</a></li> </ul>欧文·埃文斯https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/owain_evans/Sat, 18 Jul 2026 11:29:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/owain_evans/<h2 id="definition">Definition</h2> <p>欧文·埃文斯是一位计算机科学家和教育家，目前与人工智能安全中心（Center for AI Safety）有关联，此前曾在 Anthropic 工作。他因在机械可解释性领域的贡献而广受认可，特别是在揭示大型语言模型内部运作机制和推理过程方面。</p> <h3 id="summary">Summary</h3> <p>欧文·埃文斯是一位著名的研究人员和讲师，以其在人工智能可解释性、机械可解释性以及评估大语言模型推理能力方面的工作而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>机械可解释性</li> <li>人工智能安全</li> <li>大语言模型评估</li> <li>推理基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究模型内部表示</li> <li>开发可解释性工具</li> <li>进行人工智能对齐教育</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mechanistic-interpretability-%E6%9C%BA%E6%A2%B0%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Mechanistic Interpretability (机械可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/anthropic-anthropic%E5%85%AC%E5%8F%B8/">Anthropic (Anthropic公司)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/center-for-ai-safety-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%AE%89%E5%85%A8%E4%B8%AD%E5%BF%83/">Center for AI Safety (人工智能安全中心)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-network-visualization-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%8F%AF%E8%A7%86%E5%8C%96/">Neural Network Visualization (神经网络可视化)</a></li> </ul>Serena达·德阿莫尔行动https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/operation_serenata_de_amor/Sat, 18 Jul 2026 11:29:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/operation_serenata_de_amor/<h2 id="definition">Definition</h2> <p>“Serena达·德阿莫尔行动”是一项开创性的开源项目，应用人工智能分析巴西的公共采购数据。通过利用自然语言处理和异常检测技术，该项目旨在提高公共财政的透明度并打击腐败行为。</p> <h3 id="summary">Summary</h3> <p>一项利用机器学习检测巴西公共支出欺诈行为的公民科技倡议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公民科技</li> <li>异常检测</li> <li>公共透明度</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政府审计自动化</li> <li>反腐败监控</li> <li>新闻调查支持</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%80%E6%94%BE%E6%95%B0%E6%8D%AE-open-data/">开放数据 (Open Data)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AE%97%E6%B3%95%E9%97%AE%E8%B4%A3%E5%88%B6-algorithmic-accountability/">算法问责制 (Algorithmic Accountability)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AC%BA%E8%AF%88%E6%A3%80%E6%B5%8B-fraud-detection/">欺诈检测 (Fraud Detection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> </ul>机器学习概述https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/outline_of_machine_learning/Sat, 18 Jul 2026 11:29:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/outline_of_machine_learning/<h2 id="definition">Definition</h2> <p>该术语描述了机器学习的结构化分类，分为监督学习、无监督学习、半监督学习和强化学习。它包括核心算法族，如线性回归、决策树和支持向量机，并涵盖模型评估的关键指标。</p> <h3 id="summary">Summary</h3> <p>对机器学习范式、算法和评估指标的综合分类。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监督学习</li> <li>无监督学习</li> <li>强化学习</li> <li>模型评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>算法选择指南</li> <li>数据科学工作流规划</li> <li>学术分类体系构建</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-deep-learning/">深度学习 (Deep Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0-statistical-learning/">统计学习 (Statistical Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B-feature-engineering/">特征工程 (Feature Engineering)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81-cross-validation/">交叉验证 (Cross-Validation)</a></li> </ul>类脑智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/organoid_intelligence/Sat, 18 Jul 2026 11:29:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/organoid_intelligence/<h2 id="definition">Definition</h2> <p>类脑智能（OI）指的是开发生物混合系统的过程，其中人类来源的脑类器官被培养在微电极阵列上。这些活体神经网络执行计算任务，为下一代低功耗认知计算和神经科学研究提供了新的可能性。</p> <h3 id="summary">Summary</h3> <p>一种混合计算范式，将活体脑细胞与电子接口集成以进行信息处理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生物混合系统</li> <li>神经类器官</li> <li>微电极阵列</li> <li>神经形态计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>低能耗认知计算</li> <li>疾病建模</li> <li>自适应感觉运动控制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%84%91%E6%9C%BA%E6%8E%A5%E5%8F%A3-brain-computer-interface/">脑机接口 (Brain-Computer Interface)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AE%9E%E9%AA%8C%E5%AE%A4%E5%9F%B9%E8%82%B2%E5%A4%A7%E8%84%91-lab-grown-brains/">实验室培育大脑 (Lab-grown Brains)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E5%BD%A2%E6%80%81%E5%B7%A5%E7%A8%8B-neuromorphic-engineering/">神经形态工程 (Neuromorphic Engineering)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%88%E6%88%90%E7%94%9F%E7%89%A9%E5%AD%A6-synthetic-biology/">合成生物学 (Synthetic Biology)</a></li> </ul>深度学习概述https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/outline_of_deep_learning/Sat, 18 Jul 2026 11:29:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/outline_of_deep_learning/<h2 id="definition">Definition</h2> <p>深度学习概述涵盖了基本结构，如神经网络层、激活函数和损失度量。它详细说明了训练技术，包括反向传播、梯度下降以及特征提取等关键概念，为理解复杂模型提供了基础框架。</p> <h3 id="summary">Summary</h3> <p>对深度学习方法论、架构和优化策略的结构化概览。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经网络架构</li> <li>反向传播</li> <li>优化算法</li> <li>特征提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI教育课程设计</li> <li>模型架构选择</li> <li>超参数调优策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-machine-learning/">机器学习 (Machine Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-convolutional-neural-networks/">卷积神经网络 (Convolutional Neural Networks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D-gradient-descent/">梯度下降 (Gradient Descent)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%BF%87%E6%8B%9F%E5%90%88-overfitting/">过拟合 (Overfitting)</a></li> </ul>重叠语音检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/overlapped_speech_detection/Sat, 18 Jul 2026 11:29:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/overlapped_speech_detection/<h2 id="definition">Definition</h2> <p>重叠语音检测（OSD）是语音处理中的一项专门任务，用于定位并发发声的时间间隔。与侧重于“谁在何时说话”的说话人日记不同，OSD专注于检测多人同时说话的重叠区域，以提高自动转录的准确性。</p> <h3 id="summary">Summary</h3> <p>识别音频流中两个或多个说话人同时讲话的时间段的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>说话人日记</li> <li>语音活动检测</li> <li>并发语音</li> <li>音频分割</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>会议转录服务</li> <li>广播媒体分析</li> <li>群体人机交互</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E5%8A%A8%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB-automatic-speech-recognition/">自动语音识别 (Automatic Speech Recognition)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%B4%E8%AF%9D%E4%BA%BA%E6%97%A5%E8%AE%B0-speaker-diarization/">说话人日记 (Speaker Diarization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E9%9F%B3%E6%B4%BB%E5%8A%A8%E6%A3%80%E6%B5%8B-voice-activity-detection/">语音活动检测 (Voice Activity Detection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9F%B3%E9%A2%91%E6%BA%90%E5%88%86%E7%A6%BB-audio-source-separation/">音频源分离 (Audio Source Separation)</a></li> </ul>OpenVINOhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/openvino/Sat, 18 Jul 2026 11:28:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/openvino/<h2 id="definition">Definition</h2> <p>由英特尔开发，OpenVINO（开放视觉推理和神经网络优化）允许开发人员将经过训练的深度学习模型高效地部署到英特尔硬件上。它包含一个推理引擎和优化模型的工具链。</p> <h3 id="summary">Summary</h3> <p>OpenVINO 是英特尔推出的开源工具包，用于在各种硬件平台上高效地优化和部署深度学习模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型优化</li> <li>硬件加速</li> <li>推理引擎</li> <li>边缘计算</li> <li>跨框架支持</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在英特尔 CPU/GPU 上部署目标检测</li> <li>优化视频分析流水线</li> <li>在边缘设备上运行实时推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intel_hardware-%E8%8B%B1%E7%89%B9%E5%B0%94%E7%A1%AC%E4%BB%B6/">intel_hardware (英特尔硬件)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_deployment-%E6%A8%A1%E5%9E%8B%E9%83%A8%E7%BD%B2/">model_deployment (模型部署)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference_optimization-%E6%8E%A8%E7%90%86%E4%BC%98%E5%8C%96/">inference_optimization (推理优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge_ai-%E8%BE%B9%E7%BC%98%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">edge_ai (边缘人工智能)</a></li> </ul>光学字符识别https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ocr/Sat, 18 Jul 2026 11:28:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ocr/<h2 id="definition">Definition</h2> <p>光学字符识别（OCR）利用图像处理与模式识别算法来识别数字图像中的文本。它将打印或手写的字符转换为机器编码的数据，从而实现信息的数字化提取。</p> <h3 id="summary">Summary</h3> <p>OCR 是一项将扫描纸质文档或图像等不同类型的文档转换为可编辑和可搜索数据的技術。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本检测</li> <li>字符识别</li> <li>图像处理</li> <li>数字化</li> <li>模式匹配</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>历史档案数字化</li> <li>自动化发票处理</li> <li>从截图中提取文本</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer_vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">computer_vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text_recognition-%E6%96%87%E6%9C%AC%E8%AF%86%E5%88%AB/">text_recognition (文本识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/document_processing-%E6%96%87%E6%A1%A3%E5%A4%84%E7%90%86/">document_processing (文档处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image_classification-%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB/">image_classification (图像分类)</a></li> </ul>开源人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open_source_artificial_intelligence/Sat, 18 Jul 2026 11:28:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open_source_artificial_intelligence/<h2 id="definition">Definition</h2> <p>这一概念涵盖了在允许免费访问底层代码的许可下发布的 AI 技术生态系统。它通过使开发人员能够协作和创新，促进了透明度、合作与创新。</p> <h3 id="summary">Summary</h3> <p>开源人工智能是指其源代码公开可用，供检查、修改和分发的软件、模型和工具。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公共源代码</li> <li>社区协作</li> <li>透明度</li> <li>许可协议</li> <li>框架可访问性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>贡献于主要 AI 库</li> <li>审计模型算法以发现偏见</li> <li>在公共框架上构建自定义 AI 解决方案</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/proprietary_ai-%E4%B8%93%E6%9C%89%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">proprietary_ai (专有人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning_frameworks-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A1%86%E6%9E%B6/">machine_learning_frameworks (机器学习框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/community_driven-%E7%A4%BE%E5%8C%BA%E9%A9%B1%E5%8A%A8/">community_driven (社区驱动)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/software_licensing-%E8%BD%AF%E4%BB%B6%E8%AE%B8%E5%8F%AF/">software_licensing (软件许可)</a></li> </ul>可观测性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/observability/Sat, 18 Jul 2026 11:28:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/observability/<h2 id="definition">Definition</h2> <p>在人工智能工程中，可观测性指的是通过分析机器学习系统的外部输出来理解其内部状态的能力。它超越了传统的监控，旨在提供对复杂系统运行状况的深入洞察。</p> <h3 id="summary">Summary</h3> <p>可观测性是衡量能否通过日志、指标和追踪等外部输出来推断系统内部状态程度的指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>指标</li> <li>日志</li> <li>追踪</li> <li>根本原因分析</li> <li>系统状态推断</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试生产环境中的机器学习流水线</li> <li>监控模型性能漂移</li> <li>优化推理延迟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/monitoring-%E7%9B%91%E6%8E%A7/">monitoring (监控)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/telemetry-%E9%81%A5%E6%B5%8B/">telemetry (遥测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed_tracing-%E5%88%86%E5%B8%83%E5%BC%8F%E8%BF%BD%E8%B8%AA/">distributed_tracing (分布式追踪)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ml_ops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4/">ml_ops (机器学习运维)</a></li> </ul>离线学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/offline_learning/Sat, 18 Jul 2026 11:28:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/offline_learning/<h2 id="definition">Definition</h2> <p>也称为批量学习，离线学习涉及使用先前收集的固定数据集来训练机器学习模型。与在线学习不同，模型不会根据新数据实时更新其参数，而是定期重新训练。</p> <h3 id="summary">Summary</h3> <p>离线学习是一种训练范式，模型在静态数据集上进行训练，在学习阶段不与实时环境交互。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>批量训练</li> <li>静态数据集</li> <li>模型重训练</li> <li>计算效率</li> <li>历史数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>基于历史用户数据训练推荐系统</li> <li>利用过往交易构建欺诈检测模型</li> <li>为存档照片开发图像分类器</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/online_learning-%E5%9C%A8%E7%BA%BF%E5%AD%A6%E4%B9%A0/">online_learning (在线学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/batch_processing-%E6%89%B9%E5%A4%84%E7%90%86/">batch_processing (批处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_training-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83/">model_training (模型训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_pipeline-%E6%95%B0%E6%8D%AE%E6%B5%81%E6%B0%B4%E7%BA%BF/">data_pipeline (数据流水线)</a></li> </ul>NSOhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nso/Sat, 18 Jul 2026 11:28:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nso/<h2 id="definition">Definition</h2> <p>缩写词NSO的含义取决于具体语境。在技术AI研究中，它可能指神经符号优化，即将神经网络与符号逻辑相结合。然而，它也常指代NSO集团等特定组织。</p> <h3 id="summary">Summary</h3> <p>在人工智能语境中，NSO通常指神经符号优化，或涉及监控技术的特定组织实体（如NSO集团）。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经符号集成</li> <li>网络情报</li> <li>监控技术</li> <li>人工智能伦理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>缩写消歧</li> <li>AI伦理分析</li> <li>网络安全研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">神经符号人工智能</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%A3%9E%E9%A9%AC%E9%97%B4%E8%B0%8D%E8%BD%AF%E4%BB%B6/">飞马间谍软件</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">人工智能伦理</a></li> </ul>目标检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/object_detection/Sat, 18 Jul 2026 11:28:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/object_detection/<h2 id="definition">Definition</h2> <p>目标检测扩展了图像分类的功能，不仅确定存在哪些对象，还确定它们的位置。它输出检测到的项目周围的边界坐标及其类别标签。</p> <h3 id="summary">Summary</h3> <p>一种计算机视觉技术，使用边界框在图像或视频流中识别并定位目标对象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>边界框</li> <li>类别标签</li> <li>YOLO</li> <li>Faster R-CNN</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶导航</li> <li>零售库存管理</li> <li>安防摄像头监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB/">图像分类</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E4%B9%89%E5%88%86%E5%89%B2/">语义分割</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">计算机视觉</a></li> </ul>新式人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nouvelle_ai/Sat, 18 Jul 2026 11:28:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nouvelle_ai/<h2 id="definition">Definition</h2> <p>新式人工智能（Nouvelle AI）指的是一类利用符号表示与分层处理相结合的人工智能系统。与连接主义模型不同，它侧重于结构化推理。</p> <h3 id="summary">Summary</h3> <p>一种符号人工智能方法，强调受人类认知架构启发的分层、模块化推理结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>符号人工智能</li> <li>分层处理</li> <li>模块化</li> <li>认知架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>专家系统</li> <li>逻辑推理引擎</li> <li>知识表示</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gofai-%E8%89%AF%E5%A5%BD%E8%BF%90%E4%BD%9C%E7%9A%84%E6%97%A7%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">GOFAI (良好运作的旧式人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AC%A6%E5%8F%B7%E6%8E%A8%E7%90%86/">符号推理</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A4%E7%9F%A5%E5%BB%BA%E6%A8%A1/">认知建模</a></li> </ul>新颖性检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/novelty_detection/Sat, 18 Jul 2026 11:28:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/novelty_detection/<h2 id="definition">Definition</h2> <p>新颖性检测是一种机器学习任务，专注于识别不符合预期行为或已知类别的数据点。它通常以无监督方式运行，通过学习正常数据的分布来工作。</p> <h3 id="summary">Summary</h3> <p>一种无监督学习技术，用于识别与已知训练数据显著不同的新模式或未知模式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>无监督学习</li> <li>异常检测</li> <li>离群点检测</li> <li>分布建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>网络安全入侵检测</li> <li>制造缺陷识别</li> <li>金融欺诈监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B/">异常检测</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9A%94%E7%A6%BB%E6%A3%AE%E6%9E%97/">隔离森林</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">自编码器</a></li> </ul>英伟达https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nvidia/Sat, 18 Jul 2026 11:28:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nvidia/<h2 id="definition">Definition</h2> <p>英伟达是人工智能行业的主导力量，主要以其设计的图形处理器（GPU）而闻名，这些GPU加速了深度学习所需的并行计算任务。其CUDA平台&hellip;</p> <h3 id="summary">Summary</h3> <p>一家专注于GPU和人工智能硬件的领先科技公司，为现代深度学习基础设施提供动力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>GPU计算</li> <li>CUDA</li> <li>深度学习硬件</li> <li>并行处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大型语言模型训练</li> <li>实时视频分析</li> <li>科学模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cuda-%E5%B9%B6%E8%A1%8C%E8%AE%A1%E7%AE%97%E5%B9%B3%E5%8F%B0%E5%92%8C%E7%BC%96%E7%A8%8B%E6%A8%A1%E5%9E%8B/">CUDA (并行计算平台和编程模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorflow/">TensorFlow</a></li> </ul>Nolot（未识别术语）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nolot/Sat, 18 Jul 2026 11:28:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nolot/<h2 id="definition">Definition</h2> <p>在人工智能、机器学习或相关技术领域内，没有已建立的或被广泛接受的称为“Nolot”的定义或概念。它可能是一个拼写错误，或者是一个非常小众的术语。</p> <h3 id="summary">Summary</h3> <p>Nolot 并非人工智能或计算机科学文献中公认的标准术语。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>(none)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>(none)</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/unknown-term-%E6%9C%AA%E7%9F%A5%E6%9C%AF%E8%AF%AD/">Unknown Term (未知术语)</a></li> </ul>非人类https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/non_human/Sat, 18 Jul 2026 11:28:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/non_human/<h2 id="definition">Definition</h2> <p>该术语常用于讨论人工智能智能体、机器人和虚拟助手的权利、责任和社会融合问题。它强调了生物人类与人工实体之间的区别。</p> <h3 id="summary">Summary</h3> <p>在人工智能伦理和社会学中，“非人类”指拥有代理权、智能或社会存在感，但缺乏生物意识或人类身份的人工实体或系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工代理权</li> <li>伦理地位</li> <li>人机交互</li> <li>合成身份</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定义人工智能权利框架</li> <li>聊天机器人的用户体验设计</li> <li>法律责任评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/anthropomorphism-%E6%8B%9F%E4%BA%BA%E5%8C%96/">Anthropomorphism (拟人化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">AI Ethics (人工智能伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentience-%E6%84%9F%E7%9F%A5%E5%8A%9B-%E6%84%8F%E8%AF%86/">Sentience (感知力/意识)</a></li> </ul>归一化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/normalization/Sat, 18 Jul 2026 11:28:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/normalization/<h2 id="definition">Definition</h2> <p>常见方法包括最小-最大缩放和Z分数标准化。此过程确保具有较大量级的特征不会主导学习算法，特别是在基于梯度的优化中。</p> <h3 id="summary">Summary</h3> <p>归一化是一种数据预处理技术，将数值特征缩放到标准范围（通常为0到1之间），以改善模型的收敛速度和性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>最小-最大缩放</li> <li>Z分数标准化</li> <li>特征缩放</li> <li>梯度下降稳定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预处理图像像素值</li> <li>为神经网络准备表格数据</li> <li>提高回归模型的准确性</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.preprocessing</span> <span style="color:#000;font-weight:bold">import</span> MinMaxScaler </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span>data <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([[<span style="color:#099">10</span>], [<span style="color:#099">20</span>], [<span style="color:#099">30</span>]]) </span></span><span style="display:flex;"><span>scaler <span style="color:#000;font-weight:bold">=</span> MinMaxScaler() </span></span><span style="display:flex;"><span>normalized_data <span style="color:#000;font-weight:bold">=</span> scaler<span style="color:#000;font-weight:bold">.</span>fit_transform(data) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/standardization-%E6%A0%87%E5%87%86%E5%8C%96/">Standardization (标准化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-preprocessing-%E6%95%B0%E6%8D%AE%E9%A2%84%E5%A4%84%E7%90%86/">Data Preprocessing (数据预处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">Feature Engineering (特征工程)</a></li> </ul>神经机器人学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neurorobotics/Sat, 18 Jul 2026 11:28:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neurorobotics/<h2 id="definition">Definition</h2> <p>该领域通过将神经网络模型实现到机器人控制系统中， bridging 神经科学与机器人学。它允许研究人员测试关于运动控制、感觉处理和认知机制的假设。</p> <h3 id="summary">Summary</h3> <p>神经机器人学研究生物神经系统如何指导自主机器人的设计，以及机器人如何作为理解大脑功能的模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>具身认知</li> <li>运动控制</li> <li>感觉运动整合</li> <li>生物建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>假肢控制</li> <li>自主导航智能体</li> <li>神经科学研究模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bio-inspired-robotics-%E4%BB%BF%E7%94%9F%E6%9C%BA%E5%99%A8%E4%BA%BA/">Bio-inspired Robotics (仿生机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational-neuroscience-%E8%AE%A1%E7%AE%97%E7%A5%9E%E7%BB%8F%E7%A7%91%E5%AD%A6/">Computational Neuroscience (计算神经科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> </ul>神经计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neurocomputing/Sat, 18 Jul 2026 11:28:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neurocomputing/<h2 id="definition">Definition</h2> <p>该领域专注于创建模仿人类大脑结构和功能的硬件和软件架构。它包括人工神经网络、类脑芯片以及认知计算等方面。</p> <h3 id="summary">Summary</h3> <p>神经计算是一门结合神经科学、计算机科学和工程的交叉学科，旨在开发受生物神经系统启发的计算模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工神经网络</li> <li>类脑工程</li> <li>生物学合理性</li> <li>并行处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>脑机接口</li> <li>节能人工智能硬件</li> <li>自适应机器学习系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-computing-%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">Cognitive Computing (认知计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuromorphic-chips-%E7%B1%BB%E8%84%91%E8%8A%AF%E7%89%87/">Neuromorphic Chips (类脑芯片)</a></li> </ul>神经符号人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neuro_symbolic_ai/Sat, 18 Jul 2026 11:28:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neuro_symbolic_ai/<h2 id="definition">Definition</h2> <p>神经符号人工智能将亚符号的神经学习方法与基于符号逻辑的推理系统相结合。这种混合方法旨在克服纯深度学习的局限性，例如缺乏可解释性（lack of explainability）和逻辑推理能力。</p> <h3 id="summary">Summary</h3> <p>一种结合神经网络学习能力与符号推理逻辑性和透明度的AI方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>知识表示</li> <li>逻辑推理</li> <li>混合系统</li> <li>可解释性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动定理证明</li> <li>可解释的决策支持</li> <li>机器人规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic-ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Symbolic AI (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graphs-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge graphs (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic-programming-%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B/">Logic programming (逻辑编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interpretability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Interpretability (可解释性)</a></li> </ul>神经计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_computation/Sat, 18 Jul 2026 11:28:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_computation/<h2 id="definition">Definition</h2> <p>神经计算是指人工神经元执行数学运算，将输入信号转化为输出响应的过程。它涉及加权求和、激活函数以及反向传播（backpropagation）。</p> <h3 id="summary">Summary</h3> <p>受生物神经元启发的神经网络中信息处理的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>激活函数</li> <li>加权求和</li> <li>反向传播</li> <li>分布式表示</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像识别系统</li> <li>自然语言处理模型</li> <li>预测性分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/perceptron-%E6%84%9F%E7%9F%A5%E6%9C%BA/">Perceptron (感知机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">Gradient descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synaptic-weight-%E7%AA%81%E8%A7%A6%E6%9D%83%E9%87%8D/">Synaptic weight (突触权重)</a></li> </ul>神经建模场https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_modeling_fields/Sat, 18 Jul 2026 11:28:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_modeling_fields/<h2 id="definition">Definition</h2> <p>神经建模场涉及研究神经群体如何在高维空间中组织自身以表征信息。这一概念通常与拓扑映射（topological mappings）和场论（field theory）相关。</p> <h3 id="summary">Summary</h3> <p>描述神经活动模式的空间和功能组织的理论框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>拓扑映射</li> <li>群体编码</li> <li>场论</li> <li>空间组织</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>认知地图研究</li> <li>感觉皮层建模</li> <li>脑机接口</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-map-%E8%AE%A4%E7%9F%A5%E5%9C%B0%E5%9B%BE/">Cognitive map (认知地图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/population-vector-%E7%BE%A4%E4%BD%93%E5%90%91%E9%87%8F/">Population vector (群体向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/topographic-map-%E6%8B%93%E6%89%91%E5%9B%BE/">Topographic map (拓扑图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-dynamics-%E7%A5%9E%E7%BB%8F%E5%8A%A8%E5%8A%9B%E5%AD%A6/">Neural dynamics (神经动力学)</a></li> </ul>神经缩放定律https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_scaling_law/Sat, 18 Jul 2026 11:28:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_scaling_law/<h2 id="definition">Definition</h2> <p>神经缩放定律描述了模型性能与其规模（包括数据集大小、参数量和计算预算）之间的可预测的幂律关系。这些定律表明，随着规模的扩大，模型性能会按特定规律提升。</p> <h3 id="summary">Summary</h3> <p>基于数据、参数或计算量增加来预测模型性能提升的经验关系。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>幂律关系</li> <li>参数缩放</li> <li>数据效率</li> <li>计算最优训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型的资源规划</li> <li>模型架构选择</li> <li>性能预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chinchilla-optimization-chinchilla%E4%BC%98%E5%8C%96/">Chinchilla optimization (Chinchilla优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/loss-scaling-%E6%8D%9F%E5%A4%B1%E7%BC%A9%E6%94%BE/">Loss scaling (损失缩放)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/emergent-abilities-%E6%B6%8C%E7%8E%B0%E8%83%BD%E5%8A%9B/">Emergent abilities (涌现能力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/compute-budget-%E8%AE%A1%E7%AE%97%E9%A2%84%E7%AE%97/">Compute budget (计算预算)</a></li> </ul>神经网络量子态https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_network_quantum_states/Sat, 18 Jul 2026 11:28:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_network_quantum_states/<h2 id="definition">Definition</h2> <p>神经网络量子态利用深度学习技术来近似复杂的量子波函数。通过将神经网络权重视为优化量子比特（qubits）概率幅度的参数来实现这一目标。</p> <h3 id="summary">Summary</h3> <p>使用人工神经网络架构对量子多体波函数进行表示的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>波函数近似</li> <li>量子多体问题</li> <li>受限玻尔兹曼机 (RBM)</li> <li>量子模拟</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>量子化学模拟</li> <li>凝聚态物理</li> <li>量子纠错研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantum-machine-learning-%E9%87%8F%E5%AD%90%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Quantum machine learning (量子机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/variational-quantum-eigensolver-%E5%8F%98%E5%88%86%E9%87%8F%E5%AD%90%E6%9C%AC%E5%BE%81%E6%B1%82%E8%A7%A3%E5%99%A8/">Variational quantum eigensolver (变分量子本征求解器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensor-networks-%E5%BC%A0%E9%87%8F%E7%BD%91%E7%BB%9C/">Tensor networks (张量网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hamiltonian-%E5%93%88%E5%AF%86%E9%A1%BF%E9%87%8F/">Hamiltonian (哈密顿量)</a></li> </ul>Muse Sparkhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/muse_spark/Sat, 18 Jul 2026 11:28:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/muse_spark/<h2 id="definition">Definition</h2> <p>Muse Spark 是一个开源深度学习框架，旨在高效运行于 Apache Spark 之上。它允许开发人员通过利用分布式集群来训练复杂的神经网络，从而实现大规模并行计算和模型优化。</p> <h3 id="summary">Summary</h3> <p>一个基于 Apache Spark 构建的分布式深度学习框架，支持在大型集群上进行可扩展的模型训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分布式计算</li> <li>Apache Spark</li> <li>深度学习</li> <li>可扩展性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在 PB 级数据集上训练大规模神经网络</li> <li>将机器学习流水线与现有的 Hadoop/Spark 集群集成</li> <li>大规模实时分布式推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/apache-spark-apache-spark-%E5%88%86%E5%B8%83%E5%BC%8F%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86%E5%BC%95%E6%93%8E/">Apache Spark (Apache Spark 分布式数据处理引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorflow-google-%E5%BC%80%E5%8F%91%E7%9A%84%E5%BC%80%E6%BA%90%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A1%86%E6%9E%B6/">TensorFlow (Google 开发的开源机器学习框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-facebook-%E5%BC%80%E5%8F%91%E7%9A%84%E5%BC%80%E6%BA%90%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%BA%93/">PyTorch (Facebook 开发的开源机器学习库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F-distributed-systems/">分布式系统 (Distributed Systems)</a></li> </ul>Mxfp4https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mxfp4/Sat, 18 Jul 2026 11:28:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mxfp4/<h2 id="definition">Definition</h2> <p>MXFP4（混合扩展浮点 4 位）是一种专门的数据类型格式，旨在优化 AI 工作负载的性能并减少内存带宽使用。通过允许混合精度操作，它在保持精度的同时显著降低了计算资源消耗。</p> <h3 id="summary">Summary</h3> <p>MXFP4 是一种混合精度浮点格式，专为在 AI 硬件加速器中高效进行矩阵乘法而优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量化</li> <li>混合精度</li> <li>硬件加速</li> <li>矩阵乘法</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>优化边缘设备上的大语言模型推理</li> <li>减少大规模训练中的内存占用</li> <li>加速基于 Transformer 模型的部署</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/int8-8%E4%BD%8D%E6%95%B4%E6%95%B0%E6%A0%BC%E5%BC%8F/">INT8 (8位整数格式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fp16-%E5%8D%8A%E7%B2%BE%E5%BA%A6%E6%B5%AE%E7%82%B9%E6%A0%BC%E5%BC%8F/">FP16 (半精度浮点格式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%8C%96-quantization/">量化 (Quantization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-%E4%BC%98%E5%8C%96-gpu-optimization/">GPU 优化 (GPU Optimization)</a></li> </ul>NASA AI 辅助空气质量监测项目https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nasa_ai_assisted_air_quality_monitoring_project/Sat, 18 Jul 2026 11:28:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nasa_ai_assisted_air_quality_monitoring_project/<h2 id="definition">Definition</h2> <p>该项目结合 NASA 的地球观测数据与先进的人工智能算法，在全球范围内追踪颗粒物和气体污染物。通过将卫星图像与地面-level 数据整合，实现更精准的空气质量预测和分析。</p> <h3 id="summary">Summary</h3> <p>一项利用人工智能和卫星数据来监测和预测全球空气质量模式的研究计划。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>环境监测</li> <li>卫星数据</li> <li>预测分析</li> <li>公共卫生</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预测城市地区的污染水平</li> <li>追踪野火烟雾的扩散路径</li> <li>支持监管合规性和健康建议发布</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%81%A5%E6%84%9F-remote-sensing/">遥感 (Remote Sensing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B0%94%E5%80%99%E5%BB%BA%E6%A8%A1-climate-modeling/">气候建模 (Climate Modeling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9C%B0%E7%90%83%E8%A7%82%E6%B5%8B-earth-observation/">地球观测 (Earth Observation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E8%9E%8D%E5%90%88-data-fusion/">数据融合 (Data Fusion)</a></li> </ul>Nature Machine Intelligencehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nature_machine_intelligence/Sat, 18 Jul 2026 11:28:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nature_machine_intelligence/<h2 id="definition">Definition</h2> <p>《Nature Machine Intelligence》是一本高影响力的学术期刊，致力于发表关于人工智能各个方面的原创研究。其涵盖的主题范围从基础算法到伦理和社会影响等广泛领域。</p> <h3 id="summary">Summary</h3> <p>由施普林格·自然出版的一本同行评审科学期刊，专注于人工智能领域的跨学科研究。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>学术出版</li> <li>AI 研究</li> <li>同行评审</li> <li>跨学科研究</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>跟踪前沿 AI 研究动态</li> <li>在学术论文中引用权威来源</li> <li>理解 AI 的伦理和社会趋势</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nature-%E8%87%AA%E7%84%B6-%E6%9D%82%E5%BF%97/">Nature (《自然》杂志)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A7%91%E5%AD%A6%E6%9C%9F%E5%88%8A-scientific-journals/">科学期刊 (Scientific Journals)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-machine-learning/">机器学习 (Machine Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A0%94%E7%A9%B6%E5%87%BA%E7%89%88%E7%89%A9-research-publications/">研究出版物 (Research Publications)</a></li> </ul>母语识别https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/native_language_identification/Sat, 18 Jul 2026 11:28:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/native_language_identification/<h2 id="definition">Definition</h2> <p>母语识别（NLI）是自然语言处理的一个子领域，专注于识别说话者学习的第一语言。与一般的语言检测不同，NLI 分析说话者在发音、语法结构和词汇选择上无意识的母语特征。</p> <h3 id="summary">Summary</h3> <p>自动从说话者的语音或文本样本中确定其母语的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>说话人画像</li> <li>语言特征</li> <li>口音识别</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生物特征安全认证</li> <li>个性化客户服务交互</li> <li>社会语言学人口统计分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E8%A8%80%E6%A3%80%E6%B5%8B-language-detection/">语言检测 (Language Detection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%B4%E8%AF%9D%E4%BA%BA%E5%88%86%E7%A6%BB-speaker-diarization/">说话人分离 (Speaker Diarization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%A3%E9%9F%B3%E8%AF%86%E5%88%AB-accent-identification/">口音识别 (Accent Identification)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%95%E5%8C%BB%E8%AF%AD%E8%A8%80%E5%AD%A6-forensic-linguistics/">法医语言学 (Forensic Linguistics)</a></li> </ul>乘法权重更新法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multiplicative_weight_update_method/Sat, 18 Jul 2026 11:27:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multiplicative_weight_update_method/<h2 id="definition">Definition</h2> <p>乘法权重更新法是一种基础的在线学习算法，用于在不确定环境中做出决策。它为不同的策略或专家维护一组权重，并根据其表现动态调整这些权重，从而优化长期决策效果。</p> <h3 id="summary">Summary</h3> <p>一种迭代算法，根据性能反馈以乘法方式更新权重，以最小化遗憾值。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>在线学习</li> <li>加权多数算法</li> <li>遗憾最小化</li> <li>指数加权</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>投资组合优化</li> <li>专家建议聚合</li> <li>对抗性老虎机问题</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient_descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">gradient_descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/online_learning-%E5%9C%A8%E7%BA%BF%E5%AD%A6%E4%B9%A0/">online_learning (在线学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regret_bound-%E9%81%97%E6%86%BE%E7%95%8C/">regret_bound (遗憾界)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/boosting-%E6%8F%90%E5%8D%87%E7%AE%97%E6%B3%95/">boosting (提升算法)</a></li> </ul>多模态表示学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multimodal_representation_learning/Sat, 18 Jul 2026 11:27:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multimodal_representation_learning/<h2 id="definition">Definition</h2> <p>多模态表示学习涉及训练模型以处理和整合来自不同类型数据源（如文本、图像、音频和视频）的信息，将其映射到共享的潜在空间中。</p> <h3 id="summary">Summary</h3> <p>一种同时从多个数据模态中学习统一特征表示的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>跨模态对齐</li> <li>共享潜在空间</li> <li>特征融合</li> <li>模态特定编码器</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像描述生成</li> <li>视频检索</li> <li>视觉问答</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi_modal_fusion-%E5%A4%9A%E6%A8%A1%E6%80%81%E8%9E%8D%E5%90%88/">multi_modal_fusion (多模态融合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contrastive_learning-%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/">contrastive_learning (对比学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5%E8%A1%A8%E7%A4%BA/">embeddings (嵌入表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_attention-%E4%BA%A4%E5%8F%89%E6%B3%A8%E6%84%8F%E5%8A%9B/">cross_attention (交叉注意力)</a></li> </ul>多模态情感分析https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multimodal_sentiment_analysis/Sat, 18 Jul 2026 11:27:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multimodal_sentiment_analysis/<h2 id="definition">Definition</h2> <p>多模态情感分析通过纳入面部表情、语音语调肢体语言等额外信号，扩展了传统的基于文本的情感检测。这种整体方法能够更全面地理解用户的情绪状态。</p> <h3 id="summary">Summary</h3> <p>通过整合文本、视觉和听觉线索来计算分析人类情感的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>情感计算</li> <li>特征融合</li> <li>情绪识别</li> <li>语境消歧</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户服务自动化</li> <li>心理健康监测</li> <li>市场研究分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer_vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">computer_vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">speech_recognition (语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/affective_computing-%E6%83%85%E6%84%9F%E8%AE%A1%E7%AE%97/">affective_computing (情感计算)</a></li> </ul>多任务优化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multitask_optimization/Sat, 18 Jul 2026 11:27:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multitask_optimization/<h2 id="definition">Definition</h2> <p>多任务优化涉及训练单个模型同时处理几个不同但相关的任务。通过在任务间共享中间表示，模型可以学习到更通用的特征，从而提高泛化能力和效率。</p> <h3 id="summary">Summary</h3> <p>一种训练策略，使模型能够同时优化执行多个相关任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>共享表示</li> <li>任务特定头部</li> <li>梯度平衡</li> <li>迁移学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>联合目标检测与分割</li> <li>多标签分类</li> <li>语音识别与语言建模</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi_label_classification-%E5%A4%9A%E6%A0%87%E7%AD%BE%E5%88%86%E7%B1%BB/">multi_label_classification (多标签分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/shared_layers-%E5%85%B1%E4%BA%AB%E5%B1%82/">shared_layers (共享层)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient_accumulation-%E6%A2%AF%E5%BA%A6%E7%B4%AF%E7%A7%AF/">gradient_accumulation (梯度累积)</a></li> </ul>多元自适应回归样条https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multivariate_adaptive_regression_spline/Sat, 18 Jul 2026 11:27:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multivariate_adaptive_regression_spline/<h2 id="definition">Definition</h2> <p>多元自适应回归样条（MARS）是一种灵活的回归方法，通过拟合分段线性基函数来建模复杂的非线性关系。它会自动选择断点（knots）并构建基函数，以捕捉数据中的局部变化模式。</p> <h3 id="summary">Summary</h3> <p>一种非参数回归技术，自动选择基函数以对复杂关系进行建模。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分段线性函数</li> <li>基函数</li> <li>断点选择</li> <li>非参数回归</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融预测</li> <li>环境建模</li> <li>医疗结果预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/splines-%E6%A0%B7%E6%9D%A1/">splines (样条)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/non_linear_regression-%E9%9D%9E%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92/">non_linear_regression (非线性回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature_selection-%E7%89%B9%E5%BE%81%E9%80%89%E6%8B%A9/">feature_selection (特征选择)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ensemble_methods-%E9%9B%86%E6%88%90%E6%96%B9%E6%B3%95/">ensemble_methods (集成方法)</a></li> </ul>多臂老虎机https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_armed_bandit/Sat, 18 Jul 2026 11:26:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_armed_bandit/<h2 id="definition">Definition</h2> <p>多臂老虎机问题说明了智能体面临的困境：是坚持使用已知的奖励选项（利用），还是尝试新选项以发现可能带来更高奖励的策略。该问题旨在优化长期累积奖励。</p> <h3 id="summary">Summary</h3> <p>多臂老虎机是概率论和强化学习中的一个经典问题，用于模拟探索与利用之间的权衡。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>探索与利用的权衡</li> <li>奖励最大化</li> <li>随机过程</li> <li>遗憾最小化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>A/B测试优化</li> <li>推荐系统</li> <li>广告展示策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/epsilon-greedy-%CE%B5-%E8%B4%AA%E5%BF%83%E7%AE%97%E6%B3%95/">Epsilon-Greedy (ε-贪心算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contextual-bandits-%E4%B8%8A%E4%B8%8B%E6%96%87%E8%80%81%E8%99%8E%E6%9C%BA/">Contextual Bandits (上下文老虎机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> </ul>多模态https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/muiltimodal/Sat, 18 Jul 2026 11:26:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/muiltimodal/<h2 id="definition">Definition</h2> <p>在人工智能领域，多模态描述了模型理解、生成或关联不同感官输入或数据格式信息的能力。与单模态模型不同，多模态模型能够跨越单一数据类型的限制，实现更丰富的语义理解和生成。</p> <h3 id="summary">Summary</h3> <p>多模态是指能够同时处理和整合多种数据模态（如文本、图像和音频）的人工智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据融合</li> <li>跨模态对齐</li> <li>统一表示</li> <li>传感器集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像描述生成和视觉问答</li> <li>结合音频上下文的视频理解</li> <li>结合医学影像扫描和患者病历的诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-modality-%E5%A4%9A%E6%A8%A1%E6%80%81%E6%80%A7/">Multi Modality (多模态性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-embedding-%E7%89%B9%E5%BE%81%E5%B5%8C%E5%85%A5/">Feature Embedding (特征嵌入)</a></li> </ul>多模态性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_modality/Sat, 18 Jul 2026 11:26:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_modality/<h2 id="definition">Definition</h2> <p>多模态性代表了使人工智能模型能够处理异构数据流的架构和理论框架。它涉及设计能够接受来自各种来源输入的神经网络，从而实现复杂环境下的综合感知与决策。</p> <h3 id="summary">Summary</h3> <p>多模态性是机器学习架构中使用多种不同类型数据的更广泛概念或研究领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>异构数据</li> <li>潜在空间对齐</li> <li>模态特定编码器</li> <li>注意力机制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶感知系统</li> <li>结合语音识别的多语言翻译</li> <li>分析文本和图像的内容审核</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/muiltimodal-%E5%A4%9A%E6%A8%A1%E6%80%81/">Muiltimodal (多模态)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/representation-learning-%E8%A1%A8%E7%A4%BA%E5%AD%A6%E4%B9%A0/">Representation Learning (表示学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-models-transformer%E6%A8%A1%E5%9E%8B/">Transformer Models (Transformer模型)</a></li> </ul>多任务学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_task_learning/Sat, 18 Jul 2026 11:26:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_task_learning/<h2 id="definition">Definition</h2> <p>该技术利用相关任务之间共享的归纳偏置来提高学习效率 and 性能。通过训练单个模型同时执行多项任务，模型能够学习到更具通用性的特征表示，从而提升整体表现。</p> <h3 id="summary">Summary</h3> <p>多任务学习是一种机器学习范式，其中模型同时训练多个相关任务以提高泛化能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>共享表示</li> <li>归纳偏置</li> <li>任务干扰</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理（如命名实体识别和词性标注）</li> <li>计算机视觉（如目标检测和分割）</li> <li>语音识别与合成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/joint-training-%E8%81%94%E5%90%88%E8%AE%AD%E7%BB%83/">Joint Training (联合训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-architecture-search-%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2/">Neural Architecture Search (神经架构搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> </ul>多语言https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multilingual/Sat, 18 Jul 2026 11:26:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multilingual/<h2 id="definition">Definition</h2> <p>多语言模型旨在无需为每种语言单独构建模型的情况下处理多样化的语言输入。这些系统通常利用共享的词嵌入或跨语言对齐技术，以实现不同语言间的知识迁移和统一处理。</p> <h3 id="summary">Summary</h3> <p>AI中的多语言指能够处理、理解或生成多种自然语言内容的模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>跨语言迁移</li> <li>共享词汇表</li> <li>语言识别</li> <li>零样本翻译</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器翻译服务</li> <li>全球客户支持聊天机器人</li> <li>跨语言搜索引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/translation-%E7%BF%BB%E8%AF%91/">Translation (翻译)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5/">Embeddings (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> </ul>Moshihttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moshi/Sat, 18 Jul 2026 11:26:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moshi/<h2 id="definition">Definition</h2> <p>Moshi 是由 Kyutai 创建的高级 AI 模型，它将语音和文本处理整合到一个统一的框架中。与传统系统在处理后转换语音为文本的系统不同，Moshi 学习联合表示。</p> <h3 id="summary">Summary</h3> <p>由 Kyutai 开发的语音语言模型，共同学习文本和音频表示，以实现无缝的多模态交互。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态学习</li> <li>语音-文本联合建模</li> <li>韵律保留</li> <li>实时交互</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建自然语音助手</li> <li>增强带有情感语调的互动式故事讲述</li> <li>改善听障用户的辅助工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kyutai-kyutai-%E5%85%AC%E5%8F%B8/">Kyutai (Kyutai 公司)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%9A%E6%A8%A1%E6%80%81-ai-multimodal-ai/">多模态 AI (Multimodal AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB-speech-recognition/">语音识别 (Speech Recognition)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%B9%E8%AF%9D%E5%BC%8F-ai-conversational-ai/">对话式 AI (Conversational AI)</a></li> </ul>道德外包https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moral_outsourcing/Sat, 18 Jul 2026 11:26:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moral_outsourcing/<h2 id="definition">Definition</h2> <p>道德外包是指人类将伦理判断和责任让渡给算法或人工智能系统的现象。当人们依赖自动化决策来处理具有重大道德意义的事务时，就会发生这种情况。</p> <h3 id="summary">Summary</h3> <p>个人或组织将道德决策责任委托给自动化人工智能系统所带来的伦理关切。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>问责制缺口</li> <li>算法偏见</li> <li>人类能动性</li> <li>伦理责任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析自动驾驶汽车的伦理影响</li> <li>评估自动化招聘工具的公平性</li> <li>讨论医疗诊断 AI 的责任归属</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-%E4%BC%A6%E7%90%86-ai-ethics/">AI 伦理 (AI Ethics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AE%97%E6%B3%95%E9%97%AE%E8%B4%A3%E5%88%B6-algorithmic-accountability/">算法问责制 (Algorithmic Accountability)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD-responsible-ai/">负责任的人工智能 (Responsible AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3-bias-mitigation/">偏见缓解 (Bias Mitigation)</a></li> </ul>登山车问题https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mountain_car_problem/Sat, 18 Jul 2026 11:26:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mountain_car_problem/<h2 id="definition">Definition</h2> <p>登山车问题是强化学习研究中的标准基准。目标是将一辆动力不足的车控制到陡坡顶部。由于车辆无法直接爬上山坡，智能体需要利用惯性来回摆动以积累动能。</p> <h3 id="summary">Summary</h3> <p>一个经典强化学习任务，智能体必须仅使用加速控制将车开上陡峭的山坡。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>稀疏奖励</li> <li>延迟后果</li> <li>连续控制</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>测试新的强化学习算法</li> <li>展示价值函数近似技术</li> <li>强化学习概念的教学示例</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/openai-gym-openai-%E7%8E%AF%E5%A2%83%E5%BA%93/">OpenAI Gym (OpenAI 环境库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-reinforcement-learning/">强化学习 (Reinforcement Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8D%95%E6%91%86%E4%B8%8A%E6%91%86-pendulum-swing-up/">单摆上摆 (Pendulum Swing-Up)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%80%BC%E8%BF%AD%E4%BB%A3-value-iteration/">值迭代 (Value Iteration)</a></li> </ul>混合专家模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moe/Sat, 18 Jul 2026 11:26:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moe/<h2 id="definition">Definition</h2> <p>混合专家（MoE）是一种旨在提高效率和可扩展性的机器学习架构。MoE 不使用单个大型模型处理所有任务，而是采用多个较小的“专家”网络。</p> <h3 id="summary">Summary</h3> <p>一种架构模式，通过门控机制结合多个专用神经网络（专家）来处理输入。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>稀疏激活</li> <li>门控网络</li> <li>专家专业化</li> <li>可扩展性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高效训练大型语言模型</li> <li>降低大型模型的推理延迟</li> <li>在多模态系统中处理多样化的输入类型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A8%80%E7%96%8F-transformer-sparse-transformers/">稀疏 Transformer (Sparse Transformers)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9D%A1%E4%BB%B6%E8%AE%A1%E7%AE%97-conditional-computation/">条件计算 (Conditional Computation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B-large-language-models/">大型语言模型 (Large Language Models)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2-neural-architecture-search/">神经架构搜索 (Neural Architecture Search)</a></li> </ul>模型注册表https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_registry/Sat, 18 Jul 2026 11:26:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_registry/<h2 id="definition">Definition</h2> <p>模型注册表是 MLOps 中的关键组件，提供用于存储、版本控制和管理的统一仓库。它使团队能够跟踪模型元数据、性能指标等。</p> <h3 id="summary">Summary</h3> <p>用于在整个机器学习生命周期中跟踪和管理模型的集中式存储和系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>版本控制</li> <li>元数据管理</li> <li>生命周期跟踪</li> <li>MLOps</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>跟踪从开发到生产的模型版本</li> <li>审计模型性能和血缘关系</li> <li>促进团队在模型工件上的协作</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlflow-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%B5%81%E6%B0%B4%E7%BA%BF%E5%B9%B3%E5%8F%B0/">MLflow (机器学习流水线平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E9%83%A8%E7%BD%B2-model-deployment/">模型部署 (Model Deployment)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81%E5%AD%98%E5%82%A8-feature-store/">特征存储 (Feature Store)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8C%81%E7%BB%AD%E9%9B%86%E6%88%90-%E6%8C%81%E7%BB%AD%E4%BA%A4%E4%BB%98-ci-cd/">持续集成/持续交付 (CI/CD)</a></li> </ul>MobileNethttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mobilenet/Sat, 18 Jul 2026 11:26:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mobilenet/<h2 id="definition">Definition</h2> <p>与标准卷积相比，MobileNet 利用深度可分离卷积大幅降低了计算成本和模型体积。这种架构使得在资源受限设备上高效提取特征成为可能。</p> <h3 id="summary">Summary</h3> <p>MobileNet 是一系列专为移动端和嵌入式视觉应用设计的轻量级深度神经网络。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>深度可分离卷积</li> <li>模型效率</li> <li>边缘计算</li> <li>迁移学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>智能手机上的实时目标检测</li> <li>物联网设备上的图像分类</li> <li>移动应用中的面部识别</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">tensorflow.keras.applications</span> <span style="color:#000;font-weight:bold">import</span> MobileNetV2 </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> MobileNetV2(weights<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;imagenet&#39;</span>, input_shape<span style="color:#000;font-weight:bold">=</span>(<span style="color:#099">224</span>, <span style="color:#099">224</span>, <span style="color:#099">3</span>)) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/shufflenet-%E6%B4%97%E7%89%8C%E7%BD%91%E7%BB%9C/">ShuffleNet (洗牌网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/squeezenet-%E6%8C%A4%E5%8E%8B%E7%BD%91%E7%BB%9C/">SqueezeNet (挤压网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/efficientnet-%E9%AB%98%E6%95%88%E7%BD%91%E7%BB%9C/">EfficientNet (高效网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convolutional-neural-network-%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Convolutional Neural Network (卷积神经网络)</a></li> </ul>模式崩溃https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mode_collapse/Sat, 18 Jul 2026 11:26:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mode_collapse/<h2 id="definition">Definition</h2> <p>在 GAN 中，当生成器学会利用判别器的弱点，仅产生少量看似合理的样本，而忽略数据分布的其他模式时，就会发生模式崩溃。这种现象会导致生成多样性严重不足。</p> <h3 id="summary">Summary</h3> <p>模式崩溃是生成对抗网络（GAN）中的一种失效模式，指生成器产生的输出种类有限。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>GAN 稳定性</li> <li>分布多样性</li> <li>生成器失效</li> <li>判别器反馈</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>诊断 GAN 训练的不稳定性</li> <li>提高图像生成的多样性</li> <li>分析潜在空间覆盖率</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-adversarial-networks-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">Generative Adversarial Networks (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent-space-%E6%BD%9C%E5%9C%A8%E7%A9%BA%E9%97%B4/">Latent Space (潜在空间)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/training-instability-%E8%AE%AD%E7%BB%83%E4%B8%8D%E7%A8%B3%E5%AE%9A%E6%80%A7/">Training Instability (训练不稳定性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wasserstein-distance-wasserstein-%E8%B7%9D%E7%A6%BB/">Wasserstein Distance (Wasserstein 距离)</a></li> </ul>模型索引https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_index/Sat, 18 Jul 2026 11:26:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_index/<h2 id="definition">Definition</h2> <p>索引文件（通常名为 &lsquo;model_index.json&rsquo;）包含有关模型架构的结构化信息，包括管道类型、子模型和配置路径。它使 Hub 能够正确协调多组件模型的加载。</p> <h3 id="summary">Summary</h3> <p>模型索引是 Hugging Face Hub 用于描述和组织模型组件及配置的元数据文件。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元数据</li> <li>管道配置</li> <li>模型加载</li> <li>互操作性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定义多组件管道</li> <li>上传复杂模型到 Hub</li> <li>自动化模型发现与加载</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/config-json-%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6-json/">Config JSON (配置文件 JSON)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E7%AE%A1%E9%81%93/">Pipeline (管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-hub-hugging-face-%E6%A8%A1%E5%9E%8B%E4%B8%AD%E5%BF%83/">Hugging Face Hub (Hugging Face 模型中心)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/serialization-%E5%BA%8F%E5%88%97%E5%8C%96/">Serialization (序列化)</a></li> </ul>模型压缩https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_compression/Sat, 18 Jul 2026 11:26:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_compression/<h2 id="definition">Definition</h2> <p>该类别包括剪枝、量化和知识蒸馏等方法，旨在缩小模型规模的同时保持性能。这对于部署复杂的人工智能模型至关重要，尤其是在资源受限的环境中。</p> <h3 id="summary">Summary</h3> <p>模型压缩是指减少机器学习模型体积和计算需求的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量化</li> <li>剪枝</li> <li>知识蒸馏</li> <li>推理速度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在移动设备上部署模型</li> <li>降低云端推理成本</li> <li>加速实时视频处理</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.quantization</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">quant</span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> quant<span style="color:#000;font-weight:bold">.</span>quantize_dynamic(model, {torch<span style="color:#000;font-weight:bold">.</span>nn<span style="color:#000;font-weight:bold">.</span>Linear}, dtype<span style="color:#000;font-weight:bold">=</span>torch<span style="color:#000;font-weight:bold">.</span>qint8) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">Quantization (量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pruning-%E5%89%AA%E6%9E%9D/">Pruning (剪枝)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distillation-%E8%92%B8%E9%A6%8F/">Distillation (蒸馏)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-ai-%E8%BE%B9%E7%BC%98%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Edge AI (边缘人工智能)</a></li> </ul>模型中心 Mixinhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_hub_mixin/Sat, 18 Jul 2026 11:26:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_hub_mixin/<h2 id="definition">Definition</h2> <p>Mixin 提供了保存、加载和推送模型到 Hugging Face Hub 等通用方法，无需每种模型架构单独实现这些工具。它们确保了代码的一致性和可维护性。</p> <h3 id="summary">Summary</h3> <p>模型中心 Mixin 是一个可重用的类组件，用于为 Hugging Face Transformers 模型添加标准化功能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>代码可重用性</li> <li>Hugging Face 生态系统</li> <li>标准化 API</li> <li>继承</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>创建自定义模型架构</li> <li>将新模型集成到 Hub</li> <li>跨项目共享模型工具</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers.modeling_utils</span> <span style="color:#000;font-weight:bold">import</span> PreTrainedModel </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">MyModel</span>(PreTrainedModel): <span style="color:#000;font-weight:bold">pass</span> </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-hub-hugging-face-%E6%A8%A1%E5%9E%8B%E4%B8%AD%E5%BF%83/">Hugging Face Hub (Hugging Face 模型中心)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformers-library-transformers-%E5%BA%93/">Transformers Library (Transformers 库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-modules-pytorch-%E6%A8%A1%E5%9D%97/">PyTorch Modules (PyTorch 模块)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-saving-%E6%A8%A1%E5%9E%8B%E4%BF%9D%E5%AD%98/">Model Saving (模型保存)</a></li> </ul>Mistralhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mistral/Sat, 18 Jul 2026 11:26:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mistral/<h2 id="definition">Definition</h2> <p>Mistral指的是由法国初创公司Mistral AI创建的强大开源权重LLM系列。像Mistral 7B和Mistral Large这样的模型利用了先进的滑动窗口注意力机制等技术</p> <h3 id="summary">Summary</h3> <p>由Mistral AI开发的一系列高效开源权重大型语言模型，以高性能和低计算成本著称。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源权重</li> <li>滑动窗口注意力</li> <li>效率</li> <li>Mistral AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>本地LLM部署</li> <li>特定领域的微调</li> <li>成本高效的推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mixtral-%E6%B7%B7%E5%90%88%E4%B8%93%E5%AE%B6%E6%A8%A1%E5%9E%8B%E7%B3%BB%E5%88%97/">Mixtral (混合专家模型系列)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llama-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84/">LLaMA (大型语言模型架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E8%BD%AC%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (转换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-%E5%BC%80%E6%BA%90/">Open Source (开源)</a></li> </ul>Mistral Commonhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mistral_common/Sat, 18 Jul 2026 11:26:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mistral_common/<h2 id="definition">Definition</h2> <p>Mistral Common是由Mistral AI维护的一个Python包，提供与他们的模型交互的标准化工具。它主要提供必要的分词器实现，用于将文本转换为</p> <h3 id="summary">Summary</h3> <p>一个共享库，提供与各种Mistral AI模型变体兼容的分词和实用功能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分词器</li> <li>预处理</li> <li>库</li> <li>集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本分词</li> <li>模型输入准备</li> <li>输出解码</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-tokenizers-hugging-face%E5%88%86%E8%AF%8D%E5%99%A8%E5%BA%93/">Hugging Face Tokenizers (Hugging Face分词器库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bpe-%E5%AD%97%E8%8A%82%E5%AF%B9%E7%BC%96%E7%A0%81/">BPE (字节对编码)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentencepiece-%E5%8F%A5%E5%AD%90piece%E5%88%86%E8%AF%8D%E7%AE%97%E6%B3%95/">SentencePiece (句子piece分词算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mistral-mistral%E6%A8%A1%E5%9E%8B/">Mistral (Mistral模型)</a></li> </ul>Mixtralhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mixtral/Sat, 18 Jul 2026 11:26:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mixtral/<h2 id="definition">Definition</h2> <p>Mixtral是一款开创性的开源权重LLM，利用稀疏混合专家（MoE）架构。与每个令牌都使用所有参数的密集模型不同，Mixtral将每个令牌路由通</p> <h3 id="summary">Summary</h3> <p>由Mistral AI开发的稀疏混合专家（MoE）大型语言模型，每个令牌仅激活部分参数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>稀疏MoE</li> <li>专家</li> <li>路由</li> <li>效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高吞吐量推理</li> <li>复杂推理任务</li> <li>对成本敏感的生产部署</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mistral-mistral%E6%A8%A1%E5%9E%8B/">Mistral (Mistral模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mixture-of-experts-%E6%B7%B7%E5%90%88%E4%B8%93%E5%AE%B6%E6%A8%A1%E5%9E%8B/">Mixture of Experts (混合专家模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llama-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84/">LLaMA (大型语言模型架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparsity-%E7%A8%80%E7%96%8F%E6%80%A7/">Sparsity (稀疏性)</a></li> </ul>混合精度训练https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mixed_precision_training/Sat, 18 Jul 2026 11:26:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mixed_precision_training/<h2 id="definition">Definition</h2> <p>混合精度训练（MPT）在神经网络训练过程中结合使用半精度（FP16）和全精度（FP32）数据类型。通过使用FP16处理大多数操作，MPT减少了内存占用并提</p> <h3 id="summary">Summary</h3> <p>一种使用16位和32位浮点数进行训练的技術，旨在加速计算并减少内存使用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>FP16</li> <li>FP32</li> <li>张量核心</li> <li>数值稳定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大模型训练</li> <li>GPU加速</li> <li>内存受限环境</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.cuda.amp</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">amp</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example snippet showing automatic mixed precision context</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">with</span> amp<span style="color:#000;font-weight:bold">.</span>autocast(): </span></span><span style="display:flex;"><span> output <span style="color:#000;font-weight:bold">=</span> model(<span style="color:#0086b3">input</span>) </span></span><span style="display:flex;"><span> loss <span style="color:#000;font-weight:bold">=</span> criterion(output, target) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-scaling-%E6%A2%AF%E5%BA%A6%E7%BC%A9%E6%94%BE/">gradient scaling (梯度缩放)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/amp-%E8%87%AA%E5%8A%A8%E6%B7%B7%E5%90%88%E7%B2%BE%E5%BA%A6/">AMP (自动混合精度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/half-precision-%E5%8D%8A%E7%B2%BE%E5%BA%A6/">half-precision (半精度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">optimization (优化)</a></li> </ul>虚假信息https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/misinformation/Sat, 18 Jul 2026 11:26:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/misinformation/<h2 id="definition">Definition</h2> <p>虚假信息是指在没有故意造成伤害或欺骗意图的情况下分享的错误或误导性信息。它与蓄意捏造的“恶意谣言”（disinformation）不同。在人工智能语境下</p> <h3 id="summary">Summary</h3> <p>无论是否有欺骗意图，都被传播的虚假或不准确信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>谬误</li> <li>缺乏意图</li> <li>AI幻觉</li> <li>事实核查</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>内容审核系统</li> <li>事实核查机器人</li> <li>媒介素养教育</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/disinformation-%E6%81%B6%E6%84%8F%E8%B0%A3%E8%A8%80-%E8%99%9A%E5%81%87%E4%BF%A1%E6%81%AF/">disinformation (恶意谣言/虚假信息)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hallucination-%E5%B9%BB%E8%A7%89/">hallucination (幻觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/truthfulness-%E7%9C%9F%E5%AE%9E%E6%80%A7/">truthfulness (真实性)</a></li> </ul>MindsDBhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mindsdb/Sat, 18 Jul 2026 11:26:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mindsdb/<h2 id="definition">Definition</h2> <p>MindsDB充当传统关系数据库与现代机器学习工作流之间的桥梁。它允许用户使用标准SQL查询创建预测模型，从而消除了在不同工具之间移动数据的需求。</p> <h3 id="summary">Summary</h3> <p>MindsDB是一个开源平台，使开发人员能够直接使用SQL在其现有数据库中构建、训练和部署机器学习模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基于SQL的机器学习</li> <li>数据库集成</li> <li>自动机器学习 (AutoML)</li> <li>预测建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数据库中的实时欺诈检测</li> <li>客户流失预测</li> <li>带有预测功能的自动化报告</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automl-%E8%87%AA%E5%8A%A8%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">AutoML (自动机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sql-%E7%BB%93%E6%9E%84%E5%8C%96%E6%9F%A5%E8%AF%A2%E8%AF%AD%E8%A8%80/">SQL (结构化查询语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/database-management-systems-%E6%95%B0%E6%8D%AE%E5%BA%93%E7%AE%A1%E7%90%86%E7%B3%BB%E7%BB%9F/">Database Management Systems (数据库管理系统)</a></li> </ul>人工智能的军事应用https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/military_applications_of_artificial_intelligence/Sat, 18 Jul 2026 11:26:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/military_applications_of_artificial_intelligence/<h2 id="definition">Definition</h2> <p>人工智能的军事应用涵盖了一系列旨在提高作战效能和战略优势的技术。其中包括用于侦察的自主无人机、预测性后勤以及增强指挥官决策能力的智能系统。</p> <h3 id="summary">Summary</h3> <p>这指的是在国防背景下使用AI技术，包括自主武器、监视、物流优化和决策支持系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主武器系统</li> <li>目标识别</li> <li>物流优化</li> <li>伦理AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>无人机群协同</li> <li>预测性供应链管理</li> <li>网络安全威胁检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous-systems-%E8%87%AA%E4%B8%BB%E7%B3%BB%E7%BB%9F/">Autonomous Systems (自主系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/defense-technology-%E5%9B%BD%E9%98%B2%E6%8A%80%E6%9C%AF/">Defense Technology (国防技术)</a></li> </ul>思维像素https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mindpixel/Sat, 18 Jul 2026 11:26:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mindpixel/<h2 id="definition">Definition</h2> <p>虽然这不是一个标准的学术术语，但“思维像素”通常指在专业神经技术背景下从神经信号或认知状态中派生的离散信息单位。它可能涉及对大脑活动的细粒度解析。</p> <h3 id="summary">Summary</h3> <p>思维像素是一个概念性或专有术语，通常指脑机接口研究中使用的认知数据粒度单元或神经活动指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经信号处理</li> <li>脑机接口</li> <li>数据粒度</li> <li>认知映射</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高保真BCI校准</li> <li>神经反馈系统设计</li> <li>认知负荷测量的研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eeg-%E8%84%91%E7%94%B5%E5%9B%BE/">EEG (脑电图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuroscience-%E7%A5%9E%E7%BB%8F%E7%A7%91%E5%AD%A6/">Neuroscience (神经科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/signal-processing-%E4%BF%A1%E5%8F%B7%E5%A4%84%E7%90%86/">Signal Processing (信号处理)</a></li> </ul>微服务https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/microservices/Sat, 18 Jul 2026 11:26:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/microservices/<h2 id="definition">Definition</h2> <p>在AI工程背景下，微服务允许AI管道的不同组件（如数据预处理、模型推理和结果存储）独立开发、扩展和维护，从而提高系统的灵活性和可扩展性。</p> <h3 id="summary">Summary</h3> <p>微服务是一种架构风格，将应用程序构建为一组围绕业务能力组织的、松散耦合且可独立部署的服务集合。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>松散耦合</li> <li>独立部署</li> <li>服务分解</li> <li>API网关</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>可扩展的AI推理端点</li> <li>模块化机器学习管道</li> <li>高韧性的推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/monolithic-architecture-%E5%8D%95%E4%BD%93%E6%9E%B6%E6%9E%84/">Monolithic Architecture (单体架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/containerization-%E5%AE%B9%E5%99%A8%E5%8C%96/">Containerization (容器化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/devops-%E5%BC%80%E5%8F%91%E8%BF%90%E7%BB%B4%E4%B8%80%E4%BD%93%E5%8C%96/">DevOps (开发运维一体化)</a></li> </ul>元学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/meta_learning/Sat, 18 Jul 2026 11:26:00 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/meta_learning/<h2 id="definition">Definition</h2> <p>元学习专注于设计能够从先前任务中学习以改善在新颖、未见任务上表现的算法。它不是针对每个问题从头开始训练模型，而是优化模型的学习机制，使其具备快速适应新环境的能力。</p> <h3 id="summary">Summary</h3> <p>元学习，或称“学会学习”，是一种机器学习方法，使模型能够利用以往经验，以最少数据快速适应新任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>少样本学习</li> <li>迁移学习</li> <li>模型无关元学习</li> <li>任务分布</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>快速适应新客户偏好</li> <li>多变环境下的机器人控制</li> <li>有限患者数据的医疗诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few-shot-learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">Few-Shot Learning (少样本学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> </ul>MediSafe 争议https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/medisafe_controversy/Sat, 18 Jul 2026 11:25:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/medisafe_controversy/<h2 id="definition">Definition</h2> <p>MediSafe 争议指的是数字健康技术早期关于 MediSafe 应用程序验证方法的一场重大伦理讨论。批评者对用于验证该应用有效性的方法提出了担忧，特别是涉及动物实验的部分，引发了关于数字健康工具临床验证标准和伦理合规性的广泛辩论。</p> <h3 id="summary">Summary</h3> <p>一场关于在 MediSafe 健康监控平台开发过程中使用动物测试的历史性伦理辩论。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生物伦理学</li> <li>临床验证</li> <li>动物测试</li> <li>数字健康监管</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI 伦理案例研究</li> <li>监管合规培训</li> <li>医疗政策分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bioethics-%E7%94%9F%E7%89%A9%E4%BC%A6%E7%90%86%E5%AD%A6/">bioethics (生物伦理学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clinical_trials-%E4%B8%B4%E5%BA%8A%E8%AF%95%E9%AA%8C/">clinical_trials (临床试验)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital_health-%E6%95%B0%E5%AD%97%E5%81%A5%E5%BA%B7/">digital_health (数字健康)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regulation-%E7%9B%91%E7%AE%A1/">regulation (监管)</a></li> </ul>机械可解释性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mechanistic_interpretability/Sat, 18 Jul 2026 11:25:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mechanistic_interpretability/<h2 id="definition">Definition</h2> <p>机械可解释性侧重于逆向工程神经网络，以在单个神经元、权重和电路的层面上理解它们如何计算特定功能。这种方法不将模型视为黑盒，而是试图揭示其内部工作原理，从而提供对模型决策过程的透明度和因果分析。</p> <h3 id="summary">Summary</h3> <p>一种通过分析模型的内部组件和机制而非仅关注其输入输出行为来理解 AI 模型的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经回路</li> <li>因果分析</li> <li>特征可视化</li> <li>模型透明度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计模型安全性</li> <li>理解推理能力</li> <li>调试意外行为</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable_ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">explainable_ai (可解释人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural_networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">neural_networks (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">transparency (透明度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">alignment (对齐)</a></li> </ul>手段-目的分析https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/meansends_analysis/Sat, 18 Jul 2026 11:25:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/meansends_analysis/<h2 id="definition">Definition</h2> <p>手段-目的分析是一种在人工智能和心理学中用于解决复杂问题的认知策略。它涉及将问题的当前状态与期望的目标状态进行比较，识别两者之间的差异，并选择能够最小化这些差异的操作或子目标，从而逐步逼近最终解决方案。</p> <h3 id="summary">Summary</h3> <p>一种启发式问题解决方法，通过识别子目标来减少当前状态与目标状态之间的差异。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态空间搜索</li> <li>子目标分解</li> <li>启发式规划</li> <li>差异缩减</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动定理证明</li> <li>机器人路径规划</li> <li>复杂谜题求解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hill_climbing-%E7%88%AC%E5%B1%B1%E7%AE%97%E6%B3%95/">hill_climbing (爬山算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning-%E8%A7%84%E5%88%92/">planning (规划)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state_space-%E7%8A%B6%E6%80%81%E7%A9%BA%E9%97%B4/">state_space (状态空间)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/heuristics-%E5%90%AF%E5%8F%91%E5%BC%8F%E6%96%B9%E6%B3%95/">heuristics (启发式方法)</a></li> </ul>元（Meta）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/meta/Sat, 18 Jul 2026 11:25:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/meta/<h2 id="definition">Definition</h2> <p>在人工智能中，“元”前缀表示更高层次的抽象，通常涉及自我引用或对核心流程的监督。常见例子包括“元学习”，其中算法学习如何更快地学习新任务；以及“元优化”，即优化优化器本身的过程。它强调了对模型训练和调整机制的抽象管理。</p> <h3 id="summary">Summary</h3> <p>在 AI 中，“元”通常指关于学习的学习，或控制模型适应和优化的更高层级过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元学习</li> <li>高阶抽象</li> <li>自我引用</li> <li>适应性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>少样本学习系统</li> <li>自动化机器学习 (AutoML)</li> <li>动态超参数调整</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta_learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta_learning (元学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few_shot_learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">few_shot_learning (少样本学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameters-%E8%B6%85%E5%8F%82%E6%95%B0/">hyperparameters (超参数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">optimization (优化)</a></li> </ul>最大内积搜索https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/maximum_inner_product_search/Sat, 18 Jul 2026 11:25:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/maximum_inner_product_search/<h2 id="definition">Definition</h2> <p>最大内积搜索（MIPS）是信息检索和机器学习中的一个基本问题，尤其在推荐系统中应用广泛。与衡量余弦相似度的标准搜索不同，MIPS 旨在最大化向量间的点积值，这通常能更准确地反映用户偏好或项目相关性，特别是在处理非归一化向量时。</p> <h3 id="summary">Summary</h3> <p>一种专门的向量相似度搜索技术，用于检索与查询向量具有最高点积（内积）的项目。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>点积</li> <li>向量相似度</li> <li>推荐系统</li> <li>近似最近邻</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>个性化产品推荐</li> <li>基于流行度的内容排序</li> <li>带有偏差校正的语义搜索</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cosine_similarity-%E4%BD%99%E5%BC%A6%E7%9B%B8%E4%BC%BC%E5%BA%A6/">cosine_similarity (余弦相似度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nearest_neighbor_search-%E6%9C%80%E8%BF%91%E9%82%BB%E6%90%9C%E7%B4%A2/">nearest_neighbor_search (最近邻搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">embedding (嵌入)</a></li> </ul>火柴盒可教井字棋引擎https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/matchbox_educable_noughts_and_crosses_engine/Sat, 18 Jul 2026 11:25:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/matchbox_educable_noughts_and_crosses_engine/<h2 id="definition">Definition</h2> <p>ME-Noughts-and-Crosses Engine（火柴盒可教井字棋引擎）是机器学习的早期演示，具体属于强化学习领域。该系统由304个火柴盒组成，每个盒子代表一个独特的棋盘状态，通过珠子表示动作选择，利用试错法学习获胜策略。</p> <h3 id="summary">Summary</h3> <p>由唐纳德·米奇于1961年构建的物理强化学习设备，使用火柴盒和珠子来玩井字棋。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强化学习</li> <li>试错法</li> <li>历史AI</li> <li>井字棋</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>强化学习的教育演示</li> <li>AI历史研究</li> <li>概念化基于奖励的学习</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/q-learning-q%E5%AD%A6%E4%B9%A0/">Q-learning (Q学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/donald-michie-%E5%94%90%E7%BA%B3%E5%BE%B7-%E7%B1%B3%E5%A5%87/">Donald Michie (唐纳德·米奇)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tic-tac-toe-ai-%E4%BA%95%E5%AD%97%E6%A3%8Bai/">Tic-Tac-Toe AI (井字棋AI)</a></li> </ul>矩阵正则化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/matrix_regularization/Sat, 18 Jul 2026 11:25:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/matrix_regularization/<h2 id="definition">Definition</h2> <p>矩阵正则化将标量正则化的概念扩展到矩阵，常用于多任务学习或推荐系统。它对权重矩阵的范数施加约束，例如弗罗贝尼乌斯范数或核范数，以鼓励低秩近似或稀疏解，从而提高模型的泛化能力。</p> <h3 id="summary">Summary</h3> <p>一种将惩罚项应用于矩阵值参数的技术，以防止过拟合并强制执行稀疏性等结构属性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>弗罗贝尼乌斯范数</li> <li>核范数</li> <li>防止过拟合</li> <li>低秩近似</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>协同过滤</li> <li>多任务学习</li> <li>降维</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ridge-regression-%E5%B2%AD%E5%9B%9E%E5%BD%92/">Ridge Regression (岭回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lasso-%E5%A5%97%E7%B4%A2%E5%9B%9E%E5%BD%92/">Lasso (套索回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nuclear-norm-minimization-%E6%A0%B8%E8%8C%83%E6%95%B0%E6%9C%80%E5%B0%8F%E5%8C%96/">Nuclear Norm Minimization (核范数最小化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparse-learning-%E7%A8%80%E7%96%8F%E5%AD%A6%E4%B9%A0/">Sparse Learning (稀疏学习)</a></li> </ul>流形正则化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/manifold_regularization/Sat, 18 Jul 2026 11:25:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/manifold_regularization/<h2 id="definition">Definition</h2> <p>流形正则化通过结合数据分布的内在几何结构，扩展了传统的正则化方法。它基于以下假设：高维数据点实际上分布在低维流形上，因此模型应遵循该流形的几何特性以保持平滑性。</p> <h3 id="summary">Summary</h3> <p>一种半监督学习技术，假设数据位于低维流形上，并基于此几何结构对模型进行正则化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>半监督学习</li> <li>数据流形</li> <li>图拉普拉斯算子</li> <li>平滑性先验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>标签有限的文本分类</li> <li>图像识别任务</li> <li>生物医学数据分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semi-supervised-learning-%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Semi-supervised learning (半监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/graph-based-learning-%E5%9F%BA%E4%BA%8E%E5%9B%BE%E7%9A%84%E5%AD%A6%E4%B9%A0/">Graph-based learning (基于图的学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/laplacian-eigenmaps-%E6%8B%89%E6%99%AE%E6%8B%89%E6%96%AF%E7%89%B9%E5%BE%81%E6%98%A0%E5%B0%84/">Laplacian Eigenmaps (拉普拉斯特征映射)</a></li> </ul>数学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/math/Sat, 18 Jul 2026 11:25:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/math/<h2 id="definition">Definition</h2> <p>在人工智能的背景下，数学为算法设计和分析提供了理论框架。关键分支包括用于数据表示的线性代数、用于优化的微积分、用于不确定性建模的概率论以及用于数据分析的统计学。</p> <h3 id="summary">Summary</h3> <p>涉及数字、结构、空间和变化的基础学科，对于制定和解决AI问题至关重要。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>线性代数</li> <li>微积分</li> <li>概率论</li> <li>统计学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推导反向传播算法</li> <li>建模预测中的不确定性</li> <li>优化损失函数</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/linear-algebra-%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0/">Linear Algebra (线性代数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/calculus-%E5%BE%AE%E7%A7%AF%E5%88%86/">Calculus (微积分)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistics-%E7%BB%9F%E8%AE%A1%E5%AD%A6/">Statistics (统计学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> </ul>掩码生成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mask_generation/Sat, 18 Jul 2026 11:25:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mask_generation/<h2 id="definition">Definition</h2> <p>掩码生成涉及产生空间或时间掩码，以确定在特定操作期间数据集的哪些元素是可见或激活的。在计算机视觉中，它用于对象分割、图像修复等任务；在自然语言处理中，则用于控制注意力机制。</p> <h3 id="summary">Summary</h3> <p>创建二进制或概率掩码的过程，用于在模型处理期间选择性地隐藏或强调输入数据的某些部分。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>二值掩码</li> <li>注意力掩码</li> <li>图像修复</li> <li>特征选择</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像修复与重建</li> <li>Transformer注意力机制</li> <li>目标检测与分割</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention-mechanism-%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">Attention mechanism (注意力机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-segmentation-%E8%AF%AD%E4%B9%89%E5%88%86%E5%89%B2/">Semantic segmentation (语义分割)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inpainting-%E5%9B%BE%E5%83%8F%E4%BF%AE%E5%A4%8D/">Inpainting (图像修复)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-masking-%E7%89%B9%E5%BE%81%E6%8E%A9%E7%A0%81/">Feature masking (特征掩码)</a></li> </ul>机器感知https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_perception/Sat, 18 Jul 2026 11:25:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_perception/<h2 id="definition">Definition</h2> <p>它弥合了原始传感器输入与有意义的语义理解之间的差距，模拟了人类的视觉和听觉等感官。关键技术包括用于物体识别的计算机视觉、语音&hellip;</p> <h3 id="summary">Summary</h3> <p>机器感知是指人工智能系统解释和理解来自环境的感觉数据（如图像、音频或传感器读数）的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>计算机视觉</li> <li>语音识别</li> <li>传感器融合</li> <li>模式识别</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆导航</li> <li>语音助手交互</li> <li>医学图像分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensors-%E4%BC%A0%E6%84%9F%E5%99%A8/">Sensors (传感器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/signal-processing-%E4%BF%A1%E5%8F%B7%E5%A4%84%E7%90%86/">Signal Processing (信号处理)</a></li> </ul>机器学习原子间势函数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learned_interatomic_potential/Sat, 18 Jul 2026 11:25:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learned_interatomic_potential/<h2 id="definition">Definition</h2> <p>这些势函数使得分子动力学模拟能够在接近量子力学精度的同时保持经典计算的速度。通过对密度泛函理论（DFT）的高保真数据进行训练，它们允&hellip;</p> <h3 id="summary">Summary</h3> <p>一种基于机器学习的数学函数，用于预测原子之间的力和能量，作为昂贵量子力学计算的替代方案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分子动力学</li> <li>量子力学代理模型</li> <li>力场</li> <li>材料科学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>药物发现和蛋白质折叠</li> <li>设计新型电池材料</li> <li>大规模模拟化学反应</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/density-functional-theory-%E5%AF%86%E5%BA%A6%E6%B3%9B%E5%87%BD%E7%90%86%E8%AE%BA/">Density Functional Theory (密度泛函理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/molecular-dynamics-%E5%88%86%E5%AD%90%E5%8A%A8%E5%8A%9B%E5%AD%A6/">Molecular Dynamics (分子动力学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/force-field-%E5%8A%9B%E5%9C%BA/">Force Field (力场)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational-chemistry-%E8%AE%A1%E7%AE%97%E5%8C%96%E5%AD%A6/">Computational Chemistry (计算化学)</a></li> </ul>机器遗忘https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_unlearning/Sat, 18 Jul 2026 11:25:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_unlearning/<h2 id="definition">Definition</h2> <p>这项技术通过允许模型在保留通用知识的同时“忘记”特定用户数据，来解决如GDPR“被遗忘权”等隐私法规问题。其目标是近似于从头重新训&hellip;</p> <h3 id="summary">Summary</h3> <p>机器遗忘是指在不从头重新训练模型的情况下，从已训练模型中移除特定数据点或其影响的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>被遗忘权</li> <li>模型重训练近似</li> <li>数据隐私</li> <li>梯度更新</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>遵守数据删除请求</li> <li>从模型中移除有偏见或错误的数据</li> <li>减轻数据投毒攻击的影响</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">Data Privacy (数据隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/federated-learning-%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0/">Federated Learning (联邦学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-retraining-%E6%A8%A1%E5%9E%8B%E9%87%8D%E8%AE%AD%E7%BB%83/">Model Retraining (模型重训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> </ul>流形假设https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/manifold_hypothesis/Sat, 18 Jul 2026 11:25:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/manifold_hypothesis/<h2 id="definition">Definition</h2> <p>这一假说解释了尽管存在维度灾难，深度学习为何能高效工作。它表明，尽管图像等数据存在于数百万维的空间中，但它们受到内在结构的约束&hellip;</p> <h3 id="summary">Summary</h3> <p>假设高维现实世界数据位于高维空间内的低维非线性流形上。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>降维</li> <li>内蕴维度</li> <li>非线性几何</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理解神经网络效率</li> <li>开发降维算法</li> <li>改进数据可视化技术</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/principal-component-analysis-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/">Principal Component Analysis (主成分分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autoencoders-%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">Autoencoders (自编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/curse-of-dimensionality-%E7%BB%B4%E5%BA%A6%E7%81%BE%E9%9A%BE/">Curse of Dimensionality (维度灾难)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-learning-%E7%89%B9%E5%BE%81%E5%AD%A6%E4%B9%A0/">Feature Learning (特征学习)</a></li> </ul>游戏开发中的机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_video_games/Sat, 18 Jul 2026 11:25:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_video_games/<h2 id="definition">Definition</h2> <p>该领域涉及将机器学习技术整合到视频游戏制作流程中，以实现资产创建的自动化、平衡游戏机制以及生成动态内容。其应用范围包括使用强化学习来&hellip;</p> <h3 id="summary">Summary</h3> <p>将机器学习算法应用于增强游戏开发、创建自适应非玩家角色（NPC）以及优化游戏体验。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>程序化内容生成</li> <li>自适应难度</li> <li>NPC行为建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>创建智能的非玩家角色行为</li> <li>自动化纹理和关卡生成</li> <li>基于玩家风格个性化游戏体验</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/procedural-generation-%E7%A8%8B%E5%BA%8F%E5%8C%96%E7%94%9F%E6%88%90/">Procedural Generation (程序化生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/game-ai-%E6%B8%B8%E6%88%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Game AI (游戏人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/player-analytics-%E7%8E%A9%E5%AE%B6%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90/">Player Analytics (玩家数据分析)</a></li> </ul>地球科学中的机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_earth_sciences/Sat, 18 Jul 2026 11:25:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_earth_sciences/<h2 id="definition">Definition</h2> <p>机器学习通过处理卫星图像、地震数据和气候记录来增强地球科学研究，从而模拟复杂的环境系统。这些技术有助于预测天气模式、监测冰川融化以及管理自然资源。</p> <h3 id="summary">Summary</h3> <p>使用机器学习算法分析地理空间和环境数据，以预测自然现象和管理资源。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>地理空间分析</li> <li>气候建模</li> <li>遥感</li> <li>环境监测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预测飓风路径和强度</li> <li>通过卫星图像监测冰川融化速率</li> <li>检测森林中的非法砍伐活动</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/remote-sensing-%E9%81%A5%E6%84%9F/">Remote Sensing (遥感)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/climate-science-%E6%B0%94%E5%80%99%E7%A7%91%E5%AD%A6/">Climate Science (气候科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/geophysics-%E5%9C%B0%E7%90%83%E7%89%A9%E7%90%86%E5%AD%A6/">Geophysics (地球物理学)</a></li> </ul>机器学习控制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_control/Sat, 18 Jul 2026 11:25:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_control/<h2 id="definition">Definition</h2> <p>机器学习控制将自适应算法与传统控制系统集成，以处理非线性或不确定环境。与静态控制器不同，这些系统能够从运行数据中学习并调整策略，从而在动态变化的环境中保持最优性能。</p> <h3 id="summary">Summary</h3> <p>一种控制理论方法，其中机器学习算法自适应地管理系统动态，以实时优化性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强化学习</li> <li>自适应控制</li> <li>实时优化</li> <li>系统动力学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>强风条件下自主无人机的导航</li> <li>智能电网中的能耗优化</li> <li>制造过程中机械臂的精度控制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/control-theory-%E6%8E%A7%E5%88%B6%E7%90%86%E8%AE%BA/">Control Theory (控制理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous-systems-%E8%87%AA%E4%B8%BB%E7%B3%BB%E7%BB%9F/">Autonomous Systems (自主系统)</a></li> </ul>机器学习与知识提取https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_and_knowledge_extraction/Sat, 18 Jul 2026 11:25:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_and_knowledge_extraction/<h2 id="definition">Definition</h2> <p>该领域将机器学习技术与自然语言处理和数据挖掘相结合，旨在将原始数据转化为可操作的知识。它涉及训练模型以识别实体、关系等关键要素，从而从复杂的数据中提取有价值的洞察。</p> <h3 id="summary">Summary</h3> <p>利用机器学习算法自动从大规模非结构化数据集中识别模式并推导结构化信息的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模式识别</li> <li>自然语言处理</li> <li>数据挖掘</li> <li>特征工程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>从社交媒体帖子中提取客户情感</li> <li>从临床笔记中识别疾病状况</li> <li>在法律事务所自动化文档分类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-mining-%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98/">Data Mining (数据挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-retrieval-%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/">Information Retrieval (信息检索)</a></li> </ul>生物信息学中的机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_bioinformatics/Sat, 18 Jul 2026 11:25:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_bioinformatics/<h2 id="definition">Definition</h2> <p>这一跨学科领域利用机器学习处理海量的生物数据，使研究人员能够预测基因功能、对疾病进行分类以及理解分子间的相互作用，从而加速生物医学研究的进程。</p> <h3 id="summary">Summary</h3> <p>应用计算模型分析生物数据（如基因组序列和蛋白质结构），以发现生物学见解。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基因组分析</li> <li>蛋白质折叠</li> <li>预测建模</li> <li>高通量数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>从氨基酸序列预测蛋白质结构</li> <li>基于基因表达分类癌症类型</li> <li>在分子数据库中识别潜在的药物靶点</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational-biology-%E8%AE%A1%E7%AE%97%E7%94%9F%E7%89%A9%E5%AD%A6/">Computational Biology (计算生物学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genomics-%E5%9F%BA%E5%9B%A0%E7%BB%84%E5%AD%A6/">Genomics (基因组学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/drug-discovery-%E8%8D%AF%E7%89%A9%E5%8F%91%E7%8E%B0/">Drug Discovery (药物发现)</a></li> </ul>物理学中的机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_physics/Sat, 18 Jul 2026 11:25:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning_in_physics/<h2 id="definition">Definition</h2> <p>在物理学中，机器学习有助于模拟量子力学、分析高能碰撞数据以及发现新材料。它帮助物理学家在高维参数空间中导航，并从庞大的实验数据集中提取细微的模式和规律。</p> <h3 id="summary">Summary</h3> <p>应用机器学习解决复杂的物理问题、模拟量子系统以及分析来自粒子加速器的实验数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量子模拟</li> <li>粒子物理</li> <li>材料发现</li> <li>对称性检测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析大型强子对撞机的数据</li> <li>预测新型晶体材料的性质</li> <li>模拟宇宙学中的暗物质分布</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantum-computing-%E9%87%8F%E5%AD%90%E8%AE%A1%E7%AE%97/">Quantum Computing (量子计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/particle-physics-%E7%B2%92%E5%AD%90%E7%89%A9%E7%90%86/">Particle Physics (粒子物理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational-physics-%E8%AE%A1%E7%AE%97%E7%89%A9%E7%90%86%E5%AD%A6/">Computational Physics (计算物理学)</a></li> </ul>Lyrahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lyra/Sat, 18 Jul 2026 11:24:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lyra/<h2 id="definition">Definition</h2> <p>在现代AI术语的背景下，Lyra通常指专注于通过自然语言处理增强用户交互的专用AI系统。它可能指代一个开源的大型语言模型开发</p> <h3 id="summary">Summary</h3> <p>Lyra 指代各种人工智能倡议或模型，最著名的是开源大型语言模型，或旨在增强信息检索的特定AI驱动搜索和发现工具。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>信息检索</li> <li>开源AI</li> <li>语义搜索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为对话代理提供动力</li> <li>提高搜索引擎结果的相关性</li> <li>为开发人员提供开源NLP功能</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/search-engine-optimization-%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E%E4%BC%98%E5%8C%96/">Search Engine Optimization (搜索引擎优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-%E5%BC%80%E6%BA%90/">Open Source (开源)</a></li> </ul>MAUVEhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mauve/Sat, 18 Jul 2026 11:24:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mauve/<h2 id="definition">Definition</h2> <p>MAUVE 是一种统计度量，旨在评估生成语言模型的输出在多大程度上类似于人类语言使用习惯。与简单的困惑度分数不同，MAUVE 使用虚拟嵌入</p> <h3 id="summary">Summary</h3> <p>MAUVE（基于虚拟嵌入的测量对齐）是一种用于自然语言处理的指标，用于评估生成文本分布与人类写作文本分布之间的对齐程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本生成评估</li> <li>分布匹配</li> <li>虚拟嵌入</li> <li>语言自然度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估类GPT模型的输出</li> <li>微调语言模型以生成类人文本</li> <li>基准测试生成式AI的性能</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/perplexity-%E5%9B%B0%E6%83%91%E5%BA%A6/">Perplexity (困惑度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bleu-score-bleu%E5%88%86%E6%95%B0/">BLEU Score (BLEU分数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/language-modeling-%E8%AF%AD%E8%A8%80%E5%BB%BA%E6%A8%A1/">Language Modeling (语言建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-ai-%E7%94%9F%E6%88%90%E5%BC%8Fai/">Generative AI (生成式AI)</a></li> </ul>MLOpshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mlops/Sat, 18 Jul 2026 11:24:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mlops/<h2 id="definition">Definition</h2> <p>MLOps 使组织能够可靠且高效地在生产环境中部署和维护机器学习模型。它包括数据和模型的版本控制、自动化测试、持续集成等</p> <h3 id="summary">Summary</h3> <p>MLOps（机器学习运维）是一套结合机器学习、DevOps和数据工程的实践，旨在自动化并简化机器学习模型的生命周期。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>CI/CD (持续集成/持续交付)</li> <li>模型监控</li> <li>版本控制</li> <li>自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化模型重训练流水线</li> <li>推荐系统的生产环境部署</li> <li>实时监控模型性能漂移</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/devops-%E5%BC%80%E5%8F%91%E8%BF%90%E7%BB%B4/">DevOps (开发运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-engineering-%E6%95%B0%E6%8D%AE%E5%B7%A5%E7%A8%8B/">Data Engineering (数据工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-lifecycle-%E6%A8%A1%E5%9E%8B%E7%94%9F%E5%91%BD%E5%91%A8%E6%9C%9F/">Model Lifecycle (模型生命周期)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/continuous-integration-%E6%8C%81%E7%BB%AD%E9%9B%86%E6%88%90/">Continuous Integration (持续集成)</a></li> </ul>M理论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/m_theory/Sat, 18 Jul 2026 11:24:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/m_theory/<h2 id="definition">Definition</h2> <p>虽然主要是一个理论物理概念而非计算机科学概念，但M理论偶尔被引用到高级计算模拟和量子计算研究中。它表明</p> <h3 id="summary">Summary</h3> <p>M理论是物理学中的一个理论框架，统一了五种不同版本的弦理论，提出基本粒子是十一维空间中一维膜（膜子）的振动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>弦理论</li> <li>统一</li> <li>高维空间</li> <li>膜子 (Branes)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理论物理模拟</li> <li>启发高维数据表示算法</li> <li>量子计算模型开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/string-theory-%E5%BC%A6%E7%90%86%E8%AE%BA/">String Theory (弦理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantum-mechanics-%E9%87%8F%E5%AD%90%E5%8A%9B%E5%AD%A6/">Quantum Mechanics (量子力学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dimensionality-reduction-%E9%99%8D%E7%BB%B4/">Dimensionality Reduction (降维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/unified-field-theory-%E7%BB%9F%E4%B8%80%E5%9C%BA%E8%AE%BA/">Unified Field Theory (统一场论)</a></li> </ul>琳达·索德霍姆https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lynda_soderholm/Sat, 18 Jul 2026 11:24:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lynda_soderholm/<h2 id="definition">Definition</h2> <p>琳达·索德霍姆是科技领域的知名人物，特别以其在人工智能开发与道德治理交叉领域的工作而著称。作为企业责任的领导者，</p> <h3 id="summary">Summary</h3> <p>琳达·索德霍姆（Lynda Soderholm）是一位著名的研究人员和高管，以她在人工智能伦理、负责任创新以及人工智能社会影响方面的贡献而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工智能伦理</li> <li>负责任创新</li> <li>公司治理</li> <li>透明度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>制定企业人工智能伦理准则</li> <li>就负责任的人工智能部署策略提供咨询</li> <li>就技术的社会影响进行公开演讲</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-governance-ai%E6%B2%BB%E7%90%86/">AI Governance (AI治理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical-ai-%E4%BC%A6%E7%90%86ai/">Ethical AI (伦理AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tech-policy-%E7%A7%91%E6%8A%80%E6%94%BF%E7%AD%96/">Tech Policy (科技政策)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/responsible-innovation-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E5%88%9B%E6%96%B0/">Responsible Innovation (负责任创新)</a></li> </ul>LocateAnythinghttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/locateanything/Sat, 18 Jul 2026 11:24:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/locateanything/<h2 id="definition">Definition</h2> <p>LocateAnything 是一个多功能计算机视觉框架，能够基于自然语言提示或通用先验知识，检测并分割图像中的物体。它利用预训练的基础模型泛化能力，实现零样本环境下的精准定位与分割。</p> <h3 id="summary">Summary</h3> <p>一个开源框架，旨在无需针对特定任务进行训练的情况下，跨多种视觉领域实现零样本物体定位和分割。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>零样本学习</li> <li>物体定位</li> <li>语义分割</li> <li>基础模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化库存管理</li> <li>医学影像分析</li> <li>自动驾驶场景理解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sam-segment-anything-model-%E5%88%86%E5%89%B2%E4%B8%80%E5%88%87%E6%A8%A1%E5%9E%8B/">SAM (Segment Anything Model, 分割一切模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clip-%E5%AF%B9%E6%AF%94%E8%AF%AD%E8%A8%80-%E5%9B%BE%E5%83%8F%E9%A2%84%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B/">CLIP (对比语言-图像预训练模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-vocabulary-detection-%E5%BC%80%E6%94%BE%E8%AF%8D%E6%B1%87%E6%A3%80%E6%B5%8B/">Open-vocabulary Detection (开放词汇检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vision-language-models-%E8%A7%86%E8%A7%89-%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Vision-Language Models (视觉-语言模型)</a></li> </ul>Ltx Videohttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ltx_video/Sat, 18 Jul 2026 11:24:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ltx_video/<h2 id="definition">Definition</h2> <p>Ltx Video 代表了视频生成式 AI 的进步，利用潜在空间扩散过程创建连贯的运动和视觉细节。它解决了视频生成中常见的闪烁和不一致问题，确保生成的视频在时间维度上保持平滑和逻辑连贯。</p> <h3 id="summary">Summary</h3> <p>一种专门优化的潜在扩散模型，用于从文本或图像提示生成高保真、时间一致的视频内容。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>潜在扩散</li> <li>时间一致性</li> <li>视频生成</li> <li>合成媒体</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>制作宣传视频内容</li> <li>为电影生成背景视觉效果</li> <li>动画概念原型设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-video-diffusion-%E7%A8%B3%E5%AE%9A%E8%A7%86%E9%A2%91%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Stable Video Diffusion (稳定视频扩散模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/runway-gen-2-runway-gen-2-%E8%A7%86%E9%A2%91%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/">Runway Gen-2 (Runway Gen-2 视频生成模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sora-sora-%E8%A7%86%E9%A2%91%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/">Sora (Sora 视频生成模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-models-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Diffusion Models (扩散模型)</a></li> </ul>彩票假设https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lottery_ticket_hypothesis/Sat, 18 Jul 2026 11:24:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lottery_ticket_hypothesis/<h2 id="definition">Definition</h2> <p>彩票假设指出，在一个大型随机初始化的神经网络中，存在一个稀疏的子网络（即“中奖彩票”），其初始化状态非常适合训练。通过剪枝掉不重要的权重，仅保留并训练这个子网络，可以在不损失性能的前提下大幅减少模型规模。</p> <h3 id="summary">Summary</h3> <p>该理论认为密集神经网络中包含较小的子网络，若从初始状态单独训练，其准确率可与原始网络相匹配。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>权重剪枝</li> <li>稀疏网络</li> <li>模型压缩</li> <li>初始化敏感性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在边缘设备上部署轻量级模型</li> <li>降低训练期间的计算成本</li> <li>加速推理速度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/network-pruning-%E7%BD%91%E7%BB%9C%E5%89%AA%E6%9E%9D/">Network Pruning (网络剪枝)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-distillation-%E6%A8%A1%E5%9E%8B%E8%92%B8%E9%A6%8F/">Model Distillation (模型蒸馏)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparse-training-%E7%A8%80%E7%96%8F%E8%AE%AD%E7%BB%83/">Sparse Training (稀疏训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/efficient-ai-%E9%AB%98%E6%95%88%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Efficient AI (高效人工智能)</a></li> </ul>局部病例对照采样https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/local_case_control_sampling/Sat, 18 Jul 2026 11:24:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/local_case_control_sampling/<h2 id="definition">Definition</h2> <p>局部病例对照采样是一种主要用于训练对比学习模型或推荐系统的策略。它不是随机选择负样本，而是识别出与正例在嵌入空间中距离较近、难以区分的“困难负例”，从而提升模型的判别能力。</p> <h3 id="summary">Summary</h3> <p>一种负采样技术，从嵌入空间中正例的邻近区域选择困难负例。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>困难负例</li> <li>对比学习</li> <li>嵌入空间</li> <li>负采样</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练图像检索系统</li> <li>提高推荐引擎的准确性</li> <li>针对特定任务微调大型语言模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/triplet-loss-%E4%B8%89%E5%85%83%E7%BB%84%E6%8D%9F%E5%A4%B1/">Triplet Loss (三元组损失)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/infonce-%E4%BF%A1%E6%81%AF%E5%99%AA%E5%A3%B0%E5%AF%B9%E6%AF%94%E4%BC%B0%E8%AE%A1%E6%8D%9F%E5%A4%B1/">InfoNCE (信息噪声对比估计损失)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hard-negative-mining-%E5%9B%B0%E9%9A%BE%E8%B4%9F%E4%BE%8B%E6%8C%96%E6%8E%98/">Hard Negative Mining (困难负例挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contrastive-divergence-%E5%AF%B9%E6%AF%94%E6%95%A3%E5%BA%A6/">Contrastive Divergence (对比散度)</a></li> </ul>长上下文https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long_context/Sat, 18 Jul 2026 11:24:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long_context/<h2 id="definition">Definition</h2> <p>长上下文指的是基于 Transformer 的模型处理极长输入长度的能力，通常超过标准的 2k 或 4k 标记限制。这种能力使模型能够分析完整的文档、代码库或长文本，保持全局一致性和细节记忆。</p> <h3 id="summary">Summary</h3> <p>语言模型处理并保留包含数千或数百万个标记（token）的输入序列信息的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文窗口</li> <li>标记限制</li> <li>注意力机制</li> <li>位置编码</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>总结完整的法律合同</li> <li>分析完整的源代码仓库</li> <li>处理长篇音频转录文本</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-window-%E4%B8%8A%E4%B8%8B%E6%96%87%E7%AA%97%E5%8F%A3/">Context Window (上下文窗口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-architecture-transformer-%E6%9E%B6%E6%9E%84/">Transformer Architecture (Transformer 架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rope-rotary-positional-embeddings-%E6%97%8B%E8%BD%AC%E4%BD%8D%E7%BD%AE%E7%BC%96%E7%A0%81/">RoPE (Rotary Positional Embeddings, 旋转位置编码)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kv-cache-%E9%94%AE%E5%80%BC%E7%BC%93%E5%AD%98/">KV Cache (键值缓存)</a></li> </ul>Llama 2https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama_2/Sat, 18 Jul 2026 11:24:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama_2/<h2 id="definition">Definition</h2> <p>Llama 2 由 Meta AI 于 2023 年 7 月发布，代表了开源权重大型语言模型的显著进化。它提供了从 70 亿到 700 亿参数的预训练和微调变体，</p> <h3 id="summary">Summary</h3> <p>Llama 2 是 Meta 于 2023 年 7 月发布的一系列大型语言模型，与 predecessors 相比，其架构经过优化且上下文窗口更大。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开放权重模型</li> <li>Transformer 架构</li> <li>上下文窗口</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究原型开发</li> <li>定制聊天机器人开发</li> <li>代码生成任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llama-llama-%E7%9A%84%E5%89%8D%E8%BA%AB/">LLaMA (Llama 的前身)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta-ai-meta-%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E9%83%A8%E9%97%A8/">Meta AI (Meta 的人工智能部门)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%80%E6%BA%90-llms-%E5%BC%80%E6%BA%90%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">开源 LLMs (开源大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-%E6%A8%A1%E5%9E%8B%E6%89%98%E7%AE%A1%E5%B9%B3%E5%8F%B0/">Hugging Face (模型托管平台)</a></li> </ul>Llama 3https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama_3/Sat, 18 Jul 2026 11:24:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama_3/<h2 id="definition">Definition</h2> <p>Llama 3 于 2024 年 4 月推出，建立在 Llama 2 的成功之上，在性能和能力方面有了实质性提升。该模型系列包括 80 亿和 700 亿参数的版本，</p> <h3 id="summary">Summary</h3> <p>Llama 3 是 Meta 于 2024 年发布的先进大型语言模型，在 80 亿和 700 亿参数规模上提供了显著增强的推理、编码和多语言能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>指令微调</li> <li>多语言支持</li> <li>安全对齐</li> <li>参数扩展</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业知识检索</li> <li>复杂推理任务</li> <li>多语言客户服务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llama-2-%E5%89%8D%E4%BB%A3%E6%A8%A1%E5%9E%8B/">Llama 2 (前代模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta-ai-%E5%BC%80%E5%8F%91%E8%80%85/">Meta AI (开发者)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">RAG (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E9%87%8F%E5%8C%96-%E9%99%8D%E4%BD%8E%E6%A8%A1%E5%9E%8B%E8%B5%84%E6%BA%90%E5%8D%A0%E7%94%A8%E7%9A%84%E6%8A%80%E6%9C%AF/">模型量化 (降低模型资源占用的技术)</a></li> </ul>Llama 3.1https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama31/Sat, 18 Jul 2026 11:24:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama31/<h2 id="definition">Definition</h2> <p>Llama 3.1 于 2024 年 8 月发布，将 Llama 家族扩展至包含一个庞大的 4050 亿参数模型以及较小的 80 亿和 700 亿变体。其突出特点是扩展的上下文窗口，</p> <h3 id="summary">Summary</h3> <p>Llama 3.1 是 Meta 于 2024 年 8 月推出的更新版本，包含 80 亿、700 亿和 4050 亿参数的模型，拥有扩展至 128k 的上下文窗口和本机工具使用能力。</p>LlamaIndexhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llamaindex/Sat, 18 Jul 2026 11:24:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llamaindex/<h2 id="definition">Definition</h2> <p>LlamaIndex 原名 GPT Index，是一个强大的数据框架，使 LLM 能够摄入并与结构化和非结构化数据进行交互。它提供用于索引、查询和管理</p> <h3 id="summary">Summary</h3> <p>LlamaIndex 是一个旨在将自定义数据源连接到大型语言模型的框架，便于创建检索增强生成 (RAG) 应用程序。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>RAG (检索增强生成)</li> <li>数据索引</li> <li>向量数据库</li> <li>上下文注入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建基于私有数据的聊天机器人</li> <li>文档问答系统</li> <li>企业知识库</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/langchain-%E5%8F%A6%E4%B8%80%E6%AC%BE-llm-%E6%A1%86%E6%9E%B6/">LangChain (另一款 LLM 框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">Vector Database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5%E8%A1%A8%E7%A4%BA/">Embeddings (嵌入表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval-augmented-generation-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">Retrieval-Augmented Generation (检索增强生成)</a></li> </ul>本地 LLMhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/local_llm/Sat, 18 Jul 2026 11:24:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/local_llm/<h2 id="definition">Definition</h2> <p>运行本地 LLM 涉及直接在消费级硬件（如 PC、Mac 或本地服务器）上部署开放权重模型。这种方法消除了对第三方 API 提供商的依赖，确</p> <h3 id="summary">Summary</h3> <p>本地 LLM 指的是在个人硬件上运行大型语言模型而非云服务，优先考虑数据隐私和离线可访问性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>端侧推理</li> <li>数据隐私</li> <li>量化</li> <li>硬件要求</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>私人笔记助手</li> <li>离线研究工具</li> <li>安全的企业数据处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ollama-%E6%9C%AC%E5%9C%B0%E8%BF%90%E8%A1%8C-llm-%E7%9A%84%E5%B7%A5%E5%85%B7/">Ollama (本地运行 LLM 的工具)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lm-studio-%E6%9C%AC%E5%9C%B0-llm-%E6%A1%8C%E9%9D%A2%E5%BA%94%E7%94%A8/">LM Studio (本地 LLM 桌面应用)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gguf-%E6%A8%A1%E5%9E%8B%E6%96%87%E4%BB%B6%E6%A0%BC%E5%BC%8F/">GGUF (模型文件格式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">Quantization (量化)</a></li> </ul>Llamahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama/Sat, 18 Jul 2026 11:24:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llama/<h2 id="definition">Definition</h2> <p>Llama（Large Language Model Meta AI）是 Meta 发布的一系列基础大型语言模型。与许多专有模型不同，Llama 模型通常以开放权重的形式发布，允许研究人员和开发者进行本地部署和微调。</p> <h3 id="summary">Summary</h3> <p>由 Meta AI 开发的大型语言模型系列，以其开放权重和强大的性能而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>开放权重</li> <li>Meta AI</li> <li>基础模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>聊天机器人开发</li> <li>代码生成辅助</li> <li>研究原型设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer_architecture-transformer-%E6%9E%B6%E6%9E%84/">transformer_architecture (Transformer 架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative_ai-%E7%94%9F%E6%88%90%E5%BC%8F-ai/">generative_ai (生成式 AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta_ai-meta-ai/">meta_ai (Meta AI)</a></li> </ul>代码检查工具https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linter/Sat, 18 Jul 2026 11:24:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linter/<h2 id="definition">Definition</h2> <p>代码检查工具是一种在不执行源代码的情况下对其执行静态分析的实用程序。它检查语法错误、潜在漏洞、代码异味以及偏离风格指南或最佳实践的情况。</p> <h3 id="summary">Summary</h3> <p>用于标记编程错误、漏洞、风格错误和可疑构造的静态代码分析工具。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>静态分析</li> <li>代码质量</li> <li>风格强制</li> <li>漏洞检测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化代码审查</li> <li>提交前钩子</li> <li>CI/CD 管道验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/static_analysis-%E9%9D%99%E6%80%81%E5%88%86%E6%9E%90/">static_analysis (静态分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/code_quality-%E4%BB%A3%E7%A0%81%E8%B4%A8%E9%87%8F/">code_quality (代码质量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/style_guide-%E9%A3%8E%E6%A0%BC%E6%8C%87%E5%8D%97/">style_guide (风格指南)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/refactoring-%E9%87%8D%E6%9E%84/">refactoring (重构)</a></li> </ul>开源人工智能软件列表https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lists_of_open_source_artificial_intelligence_software/Sat, 18 Jul 2026 11:24:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lists_of_open_source_artificial_intelligence_software/<h2 id="definition">Definition</h2> <p>这些指的是有组织的资源库，例如 GitHub 主题、Awesome 列表或社区维护的维基，它们汇总了与人工智能相关的开源软件。它们作为发现相关资源的重要入口。</p> <h3 id="summary">Summary</h3> <p>整理好的目录，收录公开可用的 AI 工具、库和框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源</li> <li>资源策展</li> <li>社区维护</li> <li>软件发现</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究工具发现</li> <li>初创公司技术栈选择</li> <li>教育资源收集</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/awesome_list-awesome-%E5%88%97%E8%A1%A8/">awesome_list (Awesome 列表)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/github_topics-github-%E4%B8%BB%E9%A2%98/">github_topics (GitHub 主题)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open_source_ecosystem-%E5%BC%80%E6%BA%90%E7%94%9F%E6%80%81%E7%B3%BB%E7%BB%9F/">open_source_ecosystem (开源生态系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai_frameworks-ai-%E6%A1%86%E6%9E%B6/">ai_frameworks (AI 框架)</a></li> </ul>线性可分性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linear_separability/Sat, 18 Jul 2026 11:24:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linear_separability/<h2 id="definition">Definition</h2> <p>线性可分性是指不同类别的数据点可以通过线性边界（如二维空间中的直线或高维空间中的超平面）完全分离的几何条件。</p> <h3 id="summary">Summary</h3> <p>数据集的一种属性，指两个类别可以被一条直线或超平面完美分割。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>超平面</li> <li>决策边界</li> <li>感知机收敛</li> <li>非线性分类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估感知机的适用性</li> <li>核方法选择</li> <li>降维评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/support_vector_machine-%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/">support_vector_machine (支持向量机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kernel_trick-%E6%A0%B8%E6%8A%80%E5%B7%A7/">kernel_trick (核技巧)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decision_boundary-%E5%86%B3%E7%AD%96%E8%BE%B9%E7%95%8C/">decision_boundary (决策边界)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/perceptron_algorithm-%E6%84%9F%E7%9F%A5%E6%9C%BA%E7%AE%97%E6%B3%95/">perceptron_algorithm (感知机算法)</a></li> </ul>线性预测函数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linear_predictor_function/Sat, 18 Jul 2026 11:24:20 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linear_predictor_function/<h2 id="definition">Definition</h2> <p>在统计建模和机器学习中，线性预测函数表示输入特征的加权和加上偏置项。它是广义线性模型（GLM）的核心组成部分。</p> <h3 id="summary">Summary</h3> <p>一种计算输入变量的线性组合以预测结果的数学函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>加权和</li> <li>偏置项</li> <li>广义线性模型</li> <li>特征系数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>线性回归分析</li> <li>逻辑回归分类</li> <li>支持向量机（核技巧上下文）</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span>X <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([[<span style="color:#099">1</span>, <span style="color:#099">2</span>], [<span style="color:#099">3</span>, <span style="color:#099">4</span>]]) </span></span><span style="display:flex;"><span>w <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([<span style="color:#099">0.5</span>, <span style="color:#099">1.0</span>]) </span></span><span style="display:flex;"><span>b <span style="color:#000;font-weight:bold">=</span> <span style="color:#099">0.1</span> </span></span><span style="display:flex;"><span>prediction <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>dot(X, w) <span style="color:#000;font-weight:bold">+</span> b </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regression_coefficients-%E5%9B%9E%E5%BD%92%E7%B3%BB%E6%95%B0/">regression_coefficients (回归系数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias_intercept-%E5%81%8F%E7%BD%AE-%E6%88%AA%E8%B7%9D/">bias_intercept (偏置/截距)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature_engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">feature_engineering (特征工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalized_linear_model-%E5%B9%BF%E4%B9%89%E7%BA%BF%E6%80%A7%E6%A8%A1%E5%9E%8B/">generalized_linear_model (广义线性模型)</a></li> </ul>留一法交叉验证https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/leave_one_out_cross_validation/Sat, 18 Jul 2026 11:24:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/leave_one_out_cross_validation/<h2 id="definition">Definition</h2> <p>留一法交叉验证（LOOCV）是k折交叉验证的一种特殊情况，其中k等于数据集中的样本数量。它提供了对模型性能的近乎无偏的估计，因为每次训练都使用了尽可能多的数据，从而最大限度地减少了偏差。然而，这种方法计算成本较高，因为需要为每个样本重新训练模型。</p> <h3 id="summary">Summary</h3> <p>一种严格的重采样技术，模型在除一个样本外的所有样本上进行训练，并在该单个保留样本上进行测试，对每个数据点重复此过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>重采样</li> <li>模型评估</li> <li>偏差-方差权衡</li> <li>计算成本</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在小规模医疗数据集上评估模型</li> <li>数据稀缺时的超参数调优</li> <li>严格比较算法性能</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.model_selection</span> <span style="color:#000;font-weight:bold">import</span> LeaveOneOut </span></span><span style="display:flex;"><span>loo <span style="color:#000;font-weight:bold">=</span> LeaveOneOut() </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">for</span> train_index, test_index <span style="color:#000;font-weight:bold">in</span> loo<span style="color:#000;font-weight:bold">.</span>split(X): </span></span><span style="display:flex;"><span> X_train, X_test <span style="color:#000;font-weight:bold">=</span> X[train_index], X[test_index] </span></span><span style="display:flex;"><span> y_train, y_test <span style="color:#000;font-weight:bold">=</span> y[train_index], y[test_index] </span></span><span style="display:flex;"><span> model<span style="color:#000;font-weight:bold">.</span>fit(X_train, y_train) </span></span><span style="display:flex;"><span> score <span style="color:#000;font-weight:bold">=</span> model<span style="color:#000;font-weight:bold">.</span>score(X_test, y_test) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/k-fold-cross-validation-k%E6%8A%98%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">k-fold cross-validation (k折交叉验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/train_test_split-%E8%AE%AD%E7%BB%83%E9%9B%86-%E6%B5%8B%E8%AF%95%E9%9B%86%E5%88%92%E5%88%86/">train_test_split (训练集-测试集划分)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bootstrap-%E8%87%AA%E5%8A%A9%E6%B3%95/">bootstrap (自助法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_validation_score-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81%E5%BE%97%E5%88%86/">cross_validation_score (交叉验证得分)</a></li> </ul>说谎者红利https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/liars_dividend/Sat, 18 Jul 2026 11:24:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/liars_dividend/<h2 id="definition">Definition</h2> <p>“说谎者红利”指的是由高级生成式人工智能（特别是深度伪造技术）带来的社会风险。随着合成媒体变得与现实难以区分，恶意个人可以声称真实的视频或音频是伪造的，从而为其不当行为提供合理的否认理由，削弱公众对数字证据的信任。</p> <h3 id="summary">Summary</h3> <p>一种现象，即深度伪造和人工智能生成媒体的存在使得不良行为者能够将其不当行为的真实证据斥为伪造内容。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>深度伪造</li> <li>虚假信息</li> <li>合理否认</li> <li>媒体素养</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析政治虚假信息运动</li> <li>开发事实核查协议</li> <li>涉及数字证据的法律辩护策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepfake-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">deepfake (深度伪造)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative_adversarial_networks-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">generative_adversarial_networks (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/misinformation-%E9%94%99%E8%AF%AF%E4%BF%A1%E6%81%AF/">misinformation (错误信息)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/epistemic_crisis-%E8%AE%A4%E8%AF%86%E8%AE%BA%E5%8D%B1%E6%9C%BA/">epistemic_crisis (认识论危机)</a></li> </ul>相关性寿命https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/life_time_of_correlation/Sat, 18 Jul 2026 11:24:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/life_time_of_correlation/<h2 id="definition">Definition</h2> <p>在动态系统和时间序列分析中，相关性寿命衡量两个变量保持显著统计依赖性的持续时间。这一概念对于理解模型随时间推移的性能下降至关重要，特别是在金融、气象和物联网等领域，其中变量之间的关系可能随时间迅速变化。</p> <h3 id="summary">Summary</h3> <p>一种指标，用于估算变量之间的统计关系在因概念漂移或环境变化而衰减之前保持稳定多长时间。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>概念漂移</li> <li>时间序列分析</li> <li>模型衰减</li> <li>统计稳定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融市场预测建模</li> <li>传感器网络维护计划</li> <li>自适应控制系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/concept_drift-%E6%A6%82%E5%BF%B5%E6%BC%82%E7%A7%BB/">concept_drift (概念漂移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stationarity-%E5%B9%B3%E7%A8%B3%E6%80%A7/">stationarity (平稳性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/time_series-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97/">time_series (时间序列)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_retraining-%E6%A8%A1%E5%9E%8B%E9%87%8D%E8%AE%AD%E7%BB%83/">model_retraining (模型重训练)</a></li> </ul>有限记忆AIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/limited_memory_ai/Sat, 18 Jul 2026 11:24:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/limited_memory_ai/<h2 id="definition">Definition</h2> <p>有限记忆AI代表了AI能力的第二个层次，系统可以从历史数据中学习并相应地调整其行为。与反应式机器不同，这些系统保留有关先前交互的信息，并利用这些信息来改进未来的预测或决策，例如通过监督学习或强化学习算法。</p> <h3 id="summary">Summary</h3> <p>能够存储过去数据和经验以指导未来决策的人工智能系统，构成了大多数现代机器学习应用的基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>机器学习</li> <li>数据保留</li> <li>监督学习</li> <li>强化学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>垃圾邮件过滤</li> <li>医疗诊断辅助</li> <li>个性化内容推荐</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reactive_ai-%E5%8F%8D%E5%BA%94%E5%BC%8Fai/">reactive_ai (反应式AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/theory_of_mind-%E5%BF%83%E6%99%BA%E7%90%86%E8%AE%BA/">theory_of_mind (心智理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self_aware_ai-%E8%87%AA%E6%88%91%E6%84%8F%E8%AF%86ai/">self_aware_ai (自我意识AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)</a></li> </ul>终身规划A*算法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lifelong_planning_a/Sat, 18 Jul 2026 11:24:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lifelong_planning_a/<h2 id="definition">Definition</h2> <p>终身规划A*（LPA*）是为成本随时间变化的环境设计的A<em>搜索算法的扩展。与重新启动搜索不同，LPA</em>维护一个优先级队列并仅更新受更改影响的节点，从而显著提高了在动态图环境中重新规划路径的效率。</p> <h3 id="summary">Summary</h3> <p>一种增量式路径查找算法，能够在边权重发生变化后，无需从头重新计算即可高效地更新最短路径。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>增量搜索</li> <li>路径查找</li> <li>动态图</li> <li>机器人导航</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>交通中的自动驾驶车辆路线规划</li> <li>变化仓库中的机器人导航</li> <li>实时战略游戏中的AI移动</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/a_star-a-%E7%AE%97%E6%B3%95/">a_star (A*算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/d_star-d-%E7%AE%97%E6%B3%95/">d_star (D*算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/incremental_search-%E5%A2%9E%E9%87%8F%E6%90%9C%E7%B4%A2/">incremental_search (增量搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/path_planning-%E8%B7%AF%E5%BE%84%E8%A7%84%E5%88%92/">path_planning (路径规划)</a></li> </ul>可学习函数类https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learnable_function_class/Sat, 18 Jul 2026 11:23:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learnable_function_class/<h2 id="definition">Definition</h2> <p>在统计学习理论中，可学习函数类代表了算法可用的假设空间。它定义了模型潜在能够捕捉的模式或映射的范围，决定了模型的表达能力和泛化潜力。</p> <h3 id="summary">Summary</h3> <p>可学习函数类是由特定模型架构和参数空间定义的一组数学函数，学习算法可以对其进行优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>假设空间</li> <li>模型容量</li> <li>VC维</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>选择合适的模型架构</li> <li>泛化界限的理论分析</li> <li>理解模型的局限性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-variance-tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">Bias-variance tradeoff (偏差-方差权衡)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-capacity-%E6%A8%A1%E5%9E%8B%E5%AE%B9%E9%87%8F/">Model capacity (模型容量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hypothesis-space-%E5%81%87%E8%AE%BE%E7%A9%BA%E9%97%B4/">Hypothesis space (假设空间)</a></li> </ul>排序学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_to_rank/Sat, 18 Jul 2026 11:23:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_to_rank/<h2 id="definition">Definition</h2> <p>与标准的分类或回归不同，排序学习侧重于预测项目的相对顺序。它使用成对、列表或点式方法来最小化排名误差（如NDCG），从而优化检索结果的质量。</p> <h3 id="summary">Summary</h3> <p>排序学习是一种监督机器学习技术，用于根据项目与给定查询的相关性对其进行排序，常用于搜索引擎。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>NDCG (归一化折损累计增益)</li> <li>成对排序</li> <li>信息检索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>搜索引擎结果排序</li> <li>产品推荐系统</li> <li>广告排序算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-retrieval-%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/">Information retrieval (信息检索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ndcg-%E5%BD%92%E4%B8%80%E5%8C%96%E6%8A%98%E6%8D%9F%E7%B4%AF%E8%AE%A1%E5%A2%9E%E7%9B%8A/">NDCG (归一化折损累计增益)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recommendation-systems-%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F/">Recommendation systems (推荐系统)</a></li> </ul>数据泄露https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/leakage/Sat, 18 Jul 2026 11:23:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/leakage/<h2 id="definition">Definition</h2> <p>数据泄露是机器学习中的一个关键错误，指模型在训练过程中获取了在预测时无法获得的信息。这通常是由于不恰当的数据处理（如未正确划分训练集和测试集）造成的。</p> <h3 id="summary">Summary</h3> <p>当训练数据集之外的信息无意中影响模型时，就会发生数据泄露，导致性能评估过于乐观。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>目标泄露</li> <li>训练-测试污染</li> <li>正确的数据分割</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试模型过拟合问题</li> <li>验证特征工程流程</li> <li>确保模型评估的稳健性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross-validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">Cross-validation (交叉验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">Feature engineering (特征工程)</a></li> </ul>学习曲线https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_curve/Sat, 18 Jul 2026 11:23:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_curve/<h2 id="definition">Definition</h2> <p>通常，学习曲线在y轴上显示训练得分和验证得分，在x轴上显示训练样本数量或迭代次数。它有助于诊断模型是否存在高偏差（欠拟合）或高方差（过拟合）问题。</p> <h3 id="summary">Summary</h3> <p>学习曲线将模型的性能指标与训练数据量或训练轮数进行绘图，以可视化学习进度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练得分</li> <li>验证得分</li> <li>欠拟合与过拟合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>诊断模型性能问题</li> <li>确定样本量需求</li> <li>监控训练收敛情况</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/validation-set-%E9%AA%8C%E8%AF%81%E9%9B%86/">Validation set (验证集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convergence-%E6%94%B6%E6%95%9B/">Convergence (收敛)</a></li> </ul>学习自动机https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_automaton/Sat, 18 Jul 2026 11:23:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_automaton/<h2 id="definition">Definition</h2> <p>这一概念源于强化学习，涉及智能体与未知环境的交互。自动机从有限集合中选择动作，并接收表示成功或失败的惩罚或奖励信号，从而调整其策略。</p> <h3 id="summary">Summary</h3> <p>学习自动机是一种简单的随机决策单元，它根据环境反馈迭代更新动作概率，以最大化奖励。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>动作概率向量</li> <li>奖励/惩罚信号</li> <li>随机优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>资源分配问题</li> <li>网络路由优化</li> <li>简单控制系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/markov-decision-process-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">Markov decision process (马尔可夫决策过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/q-learning-q%E5%AD%A6%E4%B9%A0/">Q-learning (Q学习)</a></li> </ul>标注数据https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/labeled_data/Sat, 18 Jul 2026 11:23:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/labeled_data/<h2 id="definition">Definition</h2> <p>标注数据由输入样本及其对应的真实标签组成，是监督机器学习的基础。它允许算法学习输入与输出之间的映射关系。</p> <h3 id="summary">Summary</h3> <p>在输入特征旁边提供正确输出或目标值的数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监督学习</li> <li>真实标签</li> <li>标注</li> <li>目标变量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练图像分类器</li> <li>构建语音识别系统</li> <li>金融领域的预测建模</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">pandas</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">pd</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example of loading labeled data</span> </span></span><span style="display:flex;"><span>df <span style="color:#000;font-weight:bold">=</span> pd<span style="color:#000;font-weight:bold">.</span>read_csv(<span style="color:#d14">&#39;train.csv&#39;</span>) </span></span><span style="display:flex;"><span>X <span style="color:#000;font-weight:bold">=</span> df<span style="color:#000;font-weight:bold">.</span>drop(<span style="color:#d14">&#39;label&#39;</span>, axis<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span><span style="display:flex;"><span>y <span style="color:#000;font-weight:bold">=</span> df[<span style="color:#d14">&#39;label&#39;</span>] </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/unlabeled_data-%E6%9C%AA%E6%A0%87%E6%B3%A8%E6%95%B0%E6%8D%AE/">unlabeled_data (未标注数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_annotation-%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8/">data_annotation (数据标注)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/training_set-%E8%AE%AD%E7%BB%83%E9%9B%86/">training_set (训练集)</a></li> </ul>层归一化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/layer_normalization/Sat, 18 Jul 2026 11:23:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/layer_normalization/<h2 id="definition">Definition</h2> <p>层归一化通过减少内部协变量偏移来稳定训练过程，尤其在循环神经网络和Transformer架构中非常有效。与依赖于批次统计信息的批归一化不同，层归一化不依赖于批次大小。</p> <h3 id="summary">Summary</h3> <p>一种技术，针对每个单独样本，对神经网络层的激活值在特征维度上进行归一化处理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>归一化</li> <li>内部协变量偏移</li> <li>Transformer模型</li> <li>循环神经网络</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练BERT等Transformer模型</li> <li>稳定RNN/LSTM的训练</li> <li>小批量大小的深度学习</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>norm_layer <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>LayerNorm(normalized_shape<span style="color:#000;font-weight:bold">=</span>[<span style="color:#099">768</span>]) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/batch_normalization-%E6%89%B9%E5%BD%92%E4%B8%80%E5%8C%96/">batch_normalization (批归一化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer/">transformer (Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/normalization-%E5%BD%92%E4%B8%80%E5%8C%96/">normalization (归一化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> </ul>惰性学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lazy_learning/Sat, 18 Jul 2026 11:23:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lazy_learning/<h2 id="definition">Definition</h2> <p>惰性学习者（如k近邻算法）会记住整个训练数据集，仅在做出预测时才进行计算。这与急切学习形成对比，后者会在训练阶段构建一个通用模型。</p> <h3 id="summary">Summary</h3> <p>一种学习方法，将泛化推迟到分类时才进行，存储训练实例而不是构建显式模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基于实例的学习</li> <li>k近邻算法</li> <li>推理成本</li> <li>泛化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推荐系统</li> <li>小数据集的模式识别</li> <li>预测模型的原型设计</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.neighbors</span> <span style="color:#000;font-weight:bold">import</span> KNeighborsClassifier </span></span><span style="display:flex;"><span>clf <span style="color:#000;font-weight:bold">=</span> KNeighborsClassifier(n_neighbors<span style="color:#000;font-weight:bold">=</span><span style="color:#099">5</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/instance_based_learning-%E5%9F%BA%E4%BA%8E%E5%AE%9E%E4%BE%8B%E7%9A%84%E5%AD%A6%E4%B9%A0/">instance_based_learning (基于实例的学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knn-k%E8%BF%91%E9%82%BB%E7%AE%97%E6%B3%95/">knn (k近邻算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eager_learning-%E6%80%A5%E5%88%87%E5%AD%A6%E4%B9%A0/">eager_learning (急切学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">generalization (泛化)</a></li> </ul>语言/行动视角https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/languageaction_perspective/Sat, 18 Jul 2026 11:23:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/languageaction_perspective/<h2 id="definition">Definition</h2> <p>植根于言语行为理论和语用学，这一视角强调话语如何执行请求、承诺或命令等功能。在自然语言处理中，它指导了意图理解和对话生成的设计。</p> <h3 id="summary">Summary</h3> <p>一种理论框架，主要将语言视为一种社会行为形式，而不仅仅是描述现实的系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>言语行为理论</li> <li>语用学</li> <li>意图识别</li> <li>对话系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计对话式AI代理</li> <li>分析客户服务交互</li> <li>理解文本中的隐含意义</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pragmatics-%E8%AF%AD%E7%94%A8%E5%AD%A6/">pragmatics (语用学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intent_classification-%E6%84%8F%E5%9B%BE%E5%88%86%E7%B1%BB/">intent_classification (意图分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dialogue_management-%E5%AF%B9%E8%AF%9D%E7%AE%A1%E7%90%86/">dialogue_management (对话管理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_act-%E8%A8%80%E8%AF%AD%E8%A1%8C%E4%B8%BA/">speech_act (言语行为)</a></li> </ul>最后一公里https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/last_mile/Sat, 18 Jul 2026 11:23:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/last_mile/<h2 id="definition">Definition</h2> <p>&ldquo;最后一公里&quot;问题指的是将模型部署到生产环境中时遇到的挑战，包括与现有基础设施的集成、确保低延迟推理以及处理边缘计算场景。</p> <h3 id="summary">Summary</h3> <p>将AI解决方案从开发环境交付到现实世界运营环境中最终用户的最后阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型部署</li> <li>MLOps</li> <li>生产就绪性</li> <li>集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>部署推荐引擎</li> <li>集成欺诈检测API</li> <li>边缘AI设备实施</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_deployment-%E6%A8%A1%E5%9E%8B%E9%83%A8%E7%BD%B2/">model_deployment (模型部署)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4/">mlops (机器学习运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/production_environment-%E7%94%9F%E4%BA%A7%E7%8E%AF%E5%A2%83/">production_environment (生产环境)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge_computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">edge_computing (边缘计算)</a></li> </ul>Kuberneteshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kubernetes/Sat, 18 Jul 2026 11:23:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kubernetes/<h2 id="definition">Definition</h2> <p>Kubernetes（通常缩写为K8s）是一个由Google开发的容器编排系统。它自动化了应用程序容器在集群中的部署、扩展和操作。通过提供声明式配置和服务发现，Kubernetes能够管理大规模分布式系统的复杂性，确保应用的高可用性和弹性。</p> <h3 id="summary">Summary</h3> <p>一个用于自动化部署、扩展和管理容器化应用程序的开源平台。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>容器编排</li> <li>Pod</li> <li>集群</li> <li>微服务</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>部署大规模Web服务</li> <li>管理微服务架构</li> <li>AI工作负载的自动扩缩容</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/docker-docker%E5%AE%B9%E5%99%A8%E6%8A%80%E6%9C%AF/">docker (Docker容器技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/containerization-%E5%AE%B9%E5%99%A8%E5%8C%96/">containerization (容器化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cloud_native-%E4%BA%91%E5%8E%9F%E7%94%9F/">cloud_native (云原生)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/devops-%E5%BC%80%E5%8F%91%E8%BF%90%E7%BB%B4%E4%B8%80%E4%BD%93%E5%8C%96/">devops (开发运维一体化)</a></li> </ul>标签噪声https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/label_noise/Sat, 18 Jul 2026 11:23:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/label_noise/<h2 id="definition">Definition</h2> <p>标签噪声指的是数据实例的真实类别标签与训练数据集中提供的标签之间的差异。这可能源于人工标注错误、模糊的数据点或数据采集过程中的缺陷。标签噪声会降低模型的泛化能力和准确性，因此研究鲁棒学习算法以减轻其影响至关重要。</p> <h3 id="summary">Summary</h3> <p>用于监督机器学习训练的数据集中，目标标签存在的错误或不一致性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据质量</li> <li>鲁棒学习</li> <li>标注错误</li> <li>对称/非对称噪声</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在众包数据上训练模型</li> <li>处理现实世界中不完美的数据集</li> <li>提高模型鲁棒性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_cleaning-%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97/">data_cleaning (数据清洗)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robust_statistics-%E9%B2%81%E6%A3%92%E7%BB%9F%E8%AE%A1%E5%AD%A6/">robust_statistics (鲁棒统计学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/outlier_detection-%E5%BC%82%E5%B8%B8%E5%80%BC%E6%A3%80%E6%B5%8B/">outlier_detection (异常值检测)</a></li> </ul>大模型作为裁判https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llm_as_a_judge/Sat, 18 Jul 2026 11:23:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llm_as_a_judge/<h2 id="definition">Definition</h2> <p>“大模型作为裁判”（LLM-as-a-Judge）是一种评估范式，其中大语言模型充当其他模型输出质量的自动化评估者。这种方法旨在减少对人工标注员或严格规则匹配的依赖，通过提示工程让LLM根据特定标准（如相关性、安全性、创造性等）对生成内容进行打分或排序，从而提高评估效率和一致性。</p> <h3 id="summary">Summary</h3> <p>一种通过使用另一个大语言模型根据标准对响应进行评分或排名，从而评估大语言模型输出的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动化评估</li> <li>提示工程</li> <li>模型对齐</li> <li>质量指标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>RLHF模型的基准测试</li> <li>创意写作评估</li> <li>安全性和偏见检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">rlhf (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evaluation_metrics-%E8%AF%84%E4%BC%B0%E6%8C%87%E6%A0%87/">evaluation_metrics (评估指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt_engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">prompt_engineering (提示工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_alignment-%E6%A8%A1%E5%9E%8B%E5%AF%B9%E9%BD%90/">model_alignment (模型对齐)</a></li> </ul>基于知识的系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_based_systems/Sat, 18 Jul 2026 11:23:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_based_systems/<h2 id="definition">Definition</h2> <p>基于知识的系统（KBS）是人工智能的一个分支，它将特定领域的知识整合到计算机系统中，以执行通常需要人类专业知识的任务。它们通过将领域专家的知识编码为规则和事实，结合推理机制，模拟人类的决策过程。</p> <h3 id="summary">Summary</h3> <p>利用显式知识库和推理引擎来解决需要人类专业知识才能解决的复杂问题的AI系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>知识库</li> <li>推理引擎</li> <li>专家系统</li> <li>基于规则的推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断支持</li> <li>工业故障排除</li> <li>金融风险评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert_systems-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">expert_systems (专家系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic_ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">symbolic_ai (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ontology-%E6%9C%AC%E4%BD%93%E8%AE%BA/">ontology (本体论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning_engine-%E6%8E%A8%E7%90%86%E5%BC%95%E6%93%8E/">reasoning_engine (推理引擎)</a></li> </ul>柯尔莫哥洛夫-阿诺德网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kolmogorovarnold_networks/Sat, 18 Jul 2026 11:23:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kolmogorovarnold_networks/<h2 id="definition">Definition</h2> <p>柯尔莫哥洛夫-阿诺德网络（KANs）是一类受柯尔莫哥洛夫-阿诺德表示定理启发的新型神经网络。该定理指出任何多元连续函数都可以表示为有限个一元连续函数的复合。与传统神经网络在连接上使用固定激活函数不同，KANs将可学习的激活函数放置在神经网络的边上，从而提高了可解释性和样本效率。</p> <h3 id="summary">Summary</h3> <p>基于柯尔莫哥洛夫-阿诺德表示定理的神经网络架构，提供了多层感知器的替代方案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>柯尔莫哥洛夫-阿诺德定理</li> <li>可学习激活函数</li> <li>科学机器学习</li> <li>函数逼近</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>物理信息神经网络</li> <li>符号回归</li> <li>高精度函数逼近</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi_layer_perceptron-%E5%A4%9A%E5%B1%82%E6%84%9F%E7%9F%A5%E5%99%A8/">multi_layer_perceptron (多层感知器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural_operators-%E7%A5%9E%E7%BB%8F%E7%AE%97%E5%AD%90/">neural_operators (神经算子)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic_regression-%E7%AC%A6%E5%8F%B7%E5%9B%9E%E5%BD%92/">symbolic_regression (符号回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/function_approximation-%E5%87%BD%E6%95%B0%E9%80%BC%E8%BF%91/">function_approximation (函数逼近)</a></li> </ul>基于知识的配置https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_based_configuration/Sat, 18 Jul 2026 11:23:17 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_based_configuration/<h2 id="definition">Definition</h2> <p>该方法在知识库中采用约束满足技术，以确保组装的产品符合所有技术和客户要求。它通过编码规则来防止无效的组合。</p> <h3 id="summary">Summary</h3> <p>一种自动化过程，利用领域特定的知识库，根据用户约束生成有效的产品配置。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>约束满足</li> <li>产品建模</li> <li>基于规则的系統</li> <li>自动推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定制计算机硬件组装</li> <li>软件许可证和功能选择</li> <li>工业机械设置</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cp-sat-%E7%BA%A6%E6%9D%9F%E8%A7%84%E5%88%92%E6%B1%82%E8%A7%A3%E5%99%A8/">CP-SAT (约束规划求解器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert-systems-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">Expert Systems (专家系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/product-lifecycle-management-%E4%BA%A7%E5%93%81%E7%94%9F%E5%91%BD%E5%91%A8%E6%9C%9F%E7%AE%A1%E7%90%86/">Product Lifecycle Management (产品生命周期管理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/constraint-programming-%E7%BA%A6%E6%9D%9F%E7%BC%96%E7%A8%8B/">Constraint Programming (约束编程)</a></li> </ul>基于知识的推荐系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_based_recommender_system/Sat, 18 Jul 2026 11:23:17 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_based_recommender_system/<h2 id="definition">Definition</h2> <p>与依赖过去用户行为的协同过滤不同，KBRS 使用关于物品和用户偏好的显式知识来推导推荐结果。它在数据稀疏的市场中特别有效。</p> <h3 id="summary">Summary</h3> <p>一种通过推理显式领域知识和用户约束来生成建议，而非依赖历史数据的推荐引擎。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>显式约束</li> <li>推理</li> <li>可解释性</li> <li>稀疏数据处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>房地产物业搜索</li> <li>复杂的 B2B 设备采购</li> <li>个性化旅行行程规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/collaborative-filtering-%E5%8D%8F%E5%90%8C%E8%BF%87%E6%BB%A4/">Collaborative Filtering (协同过滤)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/content-based-filtering-%E5%9F%BA%E4%BA%8E%E5%86%85%E5%AE%B9%E7%9A%84%E8%BF%87%E6%BB%A4/">Content-Based Filtering (基于内容的过滤)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/constraint-based-recommendation-%E5%9F%BA%E4%BA%8E%E7%BA%A6%E6%9D%9F%E7%9A%84%E6%8E%A8%E8%8D%90/">Constraint-Based Recommendation (基于约束的推荐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> </ul>知识层https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_level/Sat, 18 Jul 2026 11:23:17 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_level/<h2 id="definition">Definition</h2> <p>由艾伦·纽厄尔提出，知识层基于智能体的信念和目标来分析智能系统，独立于其物理实现。它将智能体行为的理性与其底层实现分离开来。</p> <h3 id="summary">Summary</h3> <p>一种抽象的设计视角，关注智能体“知道什么”而非其内部如何处理信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>理性</li> <li>信念与目标</li> <li>抽象</li> <li>实现独立性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>指定自主智能体的需求</li> <li>分析专家系统的行为</li> <li>设计高层 AI 架构</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic-ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Symbolic AI (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rational-agent-%E7%90%86%E6%80%A7%E6%99%BA%E8%83%BD%E4%BD%93/">Rational Agent (理性智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/epistemology-%E8%AE%A4%E8%AF%86%E8%AE%BA/">Epistemology (认识论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/heuristic-search-%E5%90%AF%E5%8F%91%E5%BC%8F%E6%90%9C%E7%B4%A2/">Heuristic Search (启发式搜索)</a></li> </ul>知识集成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_integration/Sat, 18 Jul 2026 11:23:17 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_integration/<h2 id="definition">Definition</h2> <p>知识集成涉及从不同来源（如数据库、本体和未结构化文本）合并数据，形成连贯的模式。它解决了语义异质性和不一致性问题。</p> <h3 id="summary">Summary</h3> <p>将异构知识源合并为统一、一致表示的过程，以增强推理能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据融合</li> <li>本体对齐</li> <li>语义互操作性</li> <li>模式映射</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业数据仓库</li> <li>多源医疗诊断系统</li> <li>将物联网传感器数据与历史记录集成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-fusion-%E6%95%B0%E6%8D%AE%E8%9E%8D%E5%90%88/">Data Fusion (数据融合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graph (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-web-%E8%AF%AD%E4%B9%89%E7%BD%91/">Semantic Web (语义网)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-retrieval-%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/">Information Retrieval (信息检索)</a></li> </ul>知识图谱嵌入https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_graph_embedding/Sat, 18 Jul 2026 11:23:17 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_graph_embedding/<h2 id="definition">Definition</h2> <p>知识图谱嵌入方法（如 TransE 或 DistMult）将离散的图结构转换为低维稠密向量。这使得机器学习模型能够执行数学运算，从而进行链接预测等任务。</p> <h3 id="summary">Summary</h3> <p>一种将知识图谱中的实体和关系映射到连续向量空间，同时保留结构语义的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量表示</li> <li>链接预测</li> <li>语义保留</li> <li>平移模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>利用关系数据的推荐系统</li> <li>基于结构化数据库的问答系统</li> <li>实体解析与匹配</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/word2vec-%E8%AF%8D%E5%B5%8C%E5%85%A5%E6%A8%A1%E5%9E%8B/">Word2Vec (词嵌入模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/graph-neural-networks-%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Graph Neural Networks (图神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transe-%E5%B9%B3%E7%A7%BB%E5%B5%8C%E5%85%A5%E7%AE%97%E6%B3%95/">TransE (平移嵌入算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/node-embedding-%E8%8A%82%E7%82%B9%E5%B5%8C%E5%85%A5/">Node Embedding (节点嵌入)</a></li> </ul>Kimi K2https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kimi_k2/Sat, 18 Jul 2026 11:23:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kimi_k2/<h2 id="definition">Definition</h2> <p>Kimi K2 代表了月之暗面大型语言模型系列的一次重大迭代。其特点在于增强了复杂逻辑推理和数学问题解决能力。</p> <h3 id="summary">Summary</h3> <p>Kimi K2 是由月之暗面（Moonshot AI）开发的大型语言模型，专为高级推理和长上下文理解而设计。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>推理</li> <li>长上下文</li> <li>月之暗面</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂文档分析</li> <li>逻辑推理任务</li> <li>创意写作辅助</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moonshot-ai-%E6%9C%88%E4%B9%8B%E6%9A%97%E9%9D%A2/">Moonshot AI (月之暗面)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-window-%E4%B8%8A%E4%B8%8B%E6%96%87%E7%AA%97%E5%8F%A3/">Context Window (上下文窗口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> </ul>Kimi K25https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kimi_k25/Sat, 18 Jul 2026 11:23:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kimi_k25/<h2 id="definition">Definition</h2> <p>Kimi K25 是月之暗面 Kimi 模型家族中的一个先进迭代版本。它在 Kimi K2 等先前版本的基础上，提供了推理速度等方面的改进。</p> <h3 id="summary">Summary</h3> <p>Kimi K25 是月之暗面推出的后续大型语言模型变体，相比早期版本在性能和效率方面进行了进一步优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型迭代</li> <li>效率</li> <li>推理</li> <li>月之暗面</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高并发 API 服务</li> <li>实时对话代理</li> <li>从长文本中提取数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kimi-k2-kimi-k2%E6%A8%A1%E5%9E%8B/">Kimi K2 (Kimi K2模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-integration-api%E9%9B%86%E6%88%90/">API Integration (API集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> </ul>知识编译https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_compilation/Sat, 18 Jul 2026 11:23:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_compilation/<h2 id="definition">Definition</h2> <p>知识编译是指人工智能中的一类技术，它将知识库或逻辑理论转换为不同的表示形式，从而促进更快的操作，如可满足性检查。</p> <h3 id="summary">Summary</h3> <p>知识编译是将知识表示转换为更高效形式的过程，以便更快地回答问题或进行推理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>逻辑表示</li> <li>查询优化</li> <li>可满足性</li> <li>预处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动规划系统</li> <li>约束满足问题</li> <li>实时诊断系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic-programming-%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B/">Logic Programming (逻辑编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sat-solvers-%E5%B8%83%E5%B0%94%E5%8F%AF%E6%BB%A1%E8%B6%B3%E6%80%A7%E9%97%AE%E9%A2%98%E6%B1%82%E8%A7%A3%E5%99%A8/">SAT Solvers (布尔可满足性问题求解器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ontology-%E6%9C%AC%E4%BD%93%E8%AE%BA/">Ontology (本体论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-%E6%8E%A8%E7%90%86/">Reasoning (推理)</a></li> </ul>知识截止期https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_cutoff/Sat, 18 Jul 2026 11:23:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_cutoff/<h2 id="definition">Definition</h2> <p>知识截止期定义了语言模型训练数据的时空边界。在此日期之后发生的任何信息、事件或发展，模型通常都不知晓。</p> <h3 id="summary">Summary</h3> <p>知识截止期是指语言模型未进行训练的具体日期，因此缺乏该日期之后发生的事件信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练数据</li> <li>时间局限性</li> <li>静态知识</li> <li>数据时效性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设定用户预期</li> <li>评估模型的时效性</li> <li>与搜索工具集成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/training-data-%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE/">Training Data (训练数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/web-search-%E7%BD%91%E9%A1%B5%E6%90%9C%E7%B4%A2/">Web Search (网页搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">RAG (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-limitations-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%9A%84%E5%B1%80%E9%99%90%E6%80%A7/">LLM Limitations (大语言模型的局限性)</a></li> </ul>知识蒸馏https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_distillation/Sat, 18 Jul 2026 11:23:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_distillation/<h2 id="definition">Definition</h2> <p>知识蒸馏是一种机器学习方法，用于将庞大复杂的神经网络（教师模型）压缩为更小、更高效的网络（学生模型）。学生模型经过训练以模仿教师模型的行为。</p> <h3 id="summary">Summary</h3> <p>知识蒸馏是一种模型压缩技术，其中较小的学生模型通过学习模仿较大的教师模型的行为来工作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>师生模型</li> <li>模型压缩</li> <li>软标签</li> <li>效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在边缘设备上部署模型</li> <li>降低推理延迟</li> <li>降低云计算成本</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">11 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">12 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">distillation_loss</span>(student_logits, teacher_logits, temperature<span style="color:#000;font-weight:bold">=</span><span style="color:#099">2.0</span>): </span></span><span style="display:flex;"><span> T <span style="color:#000;font-weight:bold">=</span> temperature </span></span><span style="display:flex;"><span> student_probs <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>functional<span style="color:#000;font-weight:bold">.</span>softmax(student_logits <span style="color:#000;font-weight:bold">/</span> T, dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> teacher_probs <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>functional<span style="color:#000;font-weight:bold">.</span>softmax(teacher_logits <span style="color:#000;font-weight:bold">/</span> T, dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> nn<span style="color:#000;font-weight:bold">.</span>functional<span style="color:#000;font-weight:bold">.</span>kl_div( </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>functional<span style="color:#000;font-weight:bold">.</span>log_softmax(student_logits <span style="color:#000;font-weight:bold">/</span> T, dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>), </span></span><span style="display:flex;"><span> teacher_probs, </span></span><span style="display:flex;"><span> reduction<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;batchmean&#39;</span> </span></span><span style="display:flex;"><span> ) <span style="color:#000;font-weight:bold">*</span> (T <span style="color:#000;font-weight:bold">*</span> T) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-compression-%E6%A8%A1%E5%9E%8B%E5%8E%8B%E7%BC%A9/">Model Compression (模型压缩)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pruning-%E5%89%AA%E6%9E%9D/">Pruning (剪枝)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">Quantization (量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Networks (神经网络)</a></li> </ul>KAoShttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kaos/Sat, 18 Jul 2026 11:22:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kaos/<h2 id="definition">Definition</h2> <p>KAoS是一个智能代理框架，专为处理大规模分布式企业系统的复杂性而开发。它采用基于策略的方法，将高层管理目标转化为具体的执行策略，从而实现IT基础设施的自动配置、监控和管理，提高系统的自主性和适应性。</p> <h3 id="summary">Summary</h3> <p>一个智能代理框架，旨在通过基于策略的自动化来管理复杂、分布式的企业环境。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基于策略的管理</li> <li>智能代理</li> <li>企业自动化</li> <li>分布式系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>IT基础设施自动化管理</li> <li>云环境中的动态资源分配</li> <li>跨分布式网络的政策执行</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E8%AE%A1%E7%AE%97%E6%8A%80%E6%9C%AF-autonomic-computing/">自计算技术 (Autonomic Computing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AD%96%E7%95%A5%E5%BC%95%E6%93%8E-policy-engine/">策略引擎 (Policy Engine)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B3%BB%E7%BB%9F%E7%AE%A1%E7%90%86-system-administration/">系统管理 (System Administration)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%8D%E5%8A%A1%E7%AD%89%E7%BA%A7%E5%8D%8F%E8%AE%AE-service-level-agreement/">服务等级协议 (Service Level Agreement)</a></li> </ul>K线https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/k_line/Sat, 18 Jul 2026 11:22:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/k_line/<h2 id="definition">Definition</h2> <p>K线（在西方市场常称为蜡烛图）是一种图形化表示证券、衍生品或货币价格动态的方法。它展示了四个关键数据点：开盘价、收盘价、最高价和最低价，帮助投资者分析市场趋势和价格行为。</p> <h3 id="summary">Summary</h3> <p>一种金融图表，也称为蜡烛图，用于可视化特定时间间隔内的价格变动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>蜡烛图</li> <li>OHLC数据</li> <li>技术分析</li> <li>市场趋势</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>股票市场技术分析</li> <li>加密货币交易可视化</li> <li>识别支撑位和阻力位</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8A%98%E7%BA%BF%E5%9B%BE-line-chart/">折线图 (Line Chart)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9D%A1%E5%BD%A2%E5%9B%BE-bar-chart/">条形图 (Bar Chart)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A7%BB%E5%8A%A8%E5%B9%B3%E5%9D%87%E7%BA%BF-moving-average/">移动平均线 (Moving Average)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%88%90%E4%BA%A4%E9%87%8F%E5%88%86%E5%B8%83-volume-profile/">成交量分布 (Volume Profile)</a></li> </ul>分布的核嵌入https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kernel_embedding_of_distributions/Sat, 18 Jul 2026 11:22:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kernel_embedding_of_distributions/<h2 id="definition">Definition</h2> <p>分布的核嵌入允许将概率对象视为再生核希尔伯特空间（RKHS）中的点。通过将分布映射到高维特征空间，可以将复杂的概率比较问题转化为简单的向量代数运算，如计算均值嵌入之间的距离，从而实现对不同分布的量化分析和假设检验。</p> <h3 id="summary">Summary</h3> <p>一种将概率分布映射到再生核希尔伯特空间的技术，以便通过向量运算进行比较和操作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>再生核希尔伯特空间</li> <li>均值嵌入</li> <li>非参数推断</li> <li>分布比较</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>两样本假设检验</li> <li>从观测数据中发现因果关系</li> <li>比较生成模型的输出分布</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%80%E5%A4%A7%E5%9D%87%E5%80%BC%E5%B7%AE%E5%BC%82-maximum-mean-discrepancy/">最大均值差异 (Maximum Mean Discrepancy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B8%8C%E5%B0%94%E4%BC%AF%E7%89%B9%E7%A9%BA%E9%97%B4-hilbert-space/">希尔伯特空间 (Hilbert Space)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B-gaussian-process/">高斯过程 (Gaussian Process)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BB%9F%E8%AE%A1%E6%A3%80%E9%AA%8C-statistical-testing/">统计检验 (Statistical Testing)</a></li> </ul>核密度估计https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kernel_density_estimation/Sat, 18 Jul 2026 11:22:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/kernel_density_estimation/<h2 id="definition">Definition</h2> <p>核密度估计（KDE）是一种基本的统计技术，通过对离散数据点进行平滑处理，生成连续的概率分布曲线。它在每个数据点处放置一个核函数（通常为高斯核），并将这些核函数叠加起来，从而估计出潜在的概率密度函数。</p> <h3 id="summary">Summary</h3> <p>一种非参数方法，用于根据有限的数据样本来估计随机变量的概率密度函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>概率密度函数</li> <li>非参数统计</li> <li>平滑处理</li> <li>高斯核</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>探索性数据分析 (EDA)</li> <li>单变量数据中的异常检测</li> <li>可视化数据集中的特征分布</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">scipy.stats</span> <span style="color:#000;font-weight:bold">import</span> gaussian_kde </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>data <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>normal(<span style="color:#099">0</span>, <span style="color:#099">1</span>, <span style="color:#099">100</span>) </span></span><span style="display:flex;"><span>kde <span style="color:#000;font-weight:bold">=</span> gaussian_kde(data) </span></span><span style="display:flex;"><span>x_vals <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>linspace(<span style="color:#000;font-weight:bold">-</span><span style="color:#099">3</span>, <span style="color:#099">3</span>, <span style="color:#099">100</span>) </span></span><span style="display:flex;"><span>y_vals <span style="color:#000;font-weight:bold">=</span> kde(x_vals) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9B%B4%E6%96%B9%E5%9B%BE-histogram/">直方图 (Histogram)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B8%95%E5%B0%94%E6%B3%BD%E7%AA%97-parzen-window/">帕尔泽窗 (Parzen Window)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B8%A6%E5%AE%BD%E9%80%89%E6%8B%A9-bandwidth-selection/">带宽选择 (Bandwidth Selection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scipy%E7%BB%9F%E8%AE%A1%E6%A8%A1%E5%9D%97-scipy-stats/">SciPy统计模块 (Scipy Stats)</a></li> </ul>机器学习研究期刊https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/journal_of_machine_learning_research/Sat, 18 Jul 2026 11:22:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/journal_of_machine_learning_research/<h2 id="definition">Definition</h2> <p>《机器学习研究期刊》（JMLR）是一本著名的开放获取出版物，是传播机器学习领域严谨科学发现的主要平台。它涵盖理论、应用及机器学习的所有方面，旨在促进该领域的学术交流与知识共享。</p> <h3 id="summary">Summary</h3> <p>一本领先的同行评审学术期刊，致力于发表关于机器学习各个方面的优质研究。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>同行评审</li> <li>开放获取</li> <li>学术出版</li> <li>研究成果传播</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>新算法开发的文献综述</li> <li>在学术论文中引用基础理论</li> <li>跟踪机器学习子领域的最新进展</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E4%BF%A1%E6%81%AF%E5%A4%84%E7%90%86%E7%B3%BB%E7%BB%9F-neural-information-processing-systems/">神经信息处理系统 (Neural Information Processing Systems)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BD%E9%99%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%BC%9A%E8%AE%AE-international-conference-on-machine-learning/">国际机器学习会议 (International Conference on Machine Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ieee%E6%A8%A1%E5%BC%8F%E5%88%86%E6%9E%90%E4%B8%8E%E6%9C%BA%E5%99%A8%E6%99%BA%E8%83%BD%E6%B1%87%E5%88%8A-ieee-transactions-on-pattern-analysis-and-machine-intelligence/">IEEE模式分析与机器智能汇刊 (IEEE Transactions on Pattern Analysis and Machine Intelligence)</a></li> </ul>各向同性位置https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/isotropic_position/Sat, 18 Jul 2026 11:22:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/isotropic_position/<h2 id="definition">Definition</h2> <p>在凸几何和高维概率中，如果一组点或凸体的质心位于原点，且其协方差矩阵是标量乘以</p> <h3 id="summary">Summary</h3> <p>凸体的一种几何变换，使其惯性矩阵与单位矩阵成比例，从而简化分析。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>凸几何</li> <li>协方差矩阵</li> <li>高维概率</li> <li>归一化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器学习泛化的理论分析</li> <li>计算几何算法</li> <li>统计物理模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convex-body-%E5%87%B8%E4%BD%93/">Convex Body (凸体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/covariance-%E5%8D%8F%E6%96%B9%E5%B7%AE/">Covariance (协方差)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/concentration-of-measure-%E6%B5%8B%E5%BA%A6%E9%9B%86%E4%B8%AD/">Concentration of Measure (测度集中)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/asymptotic-geometric-analysis-%E6%B8%90%E8%BF%91%E5%87%A0%E4%BD%95%E5%88%86%E6%9E%90/">Asymptotic Geometric Analysis (渐近几何分析)</a></li> </ul>内在动机https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intrinsic_motivation/Sat, 18 Jul 2026 11:22:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intrinsic_motivation/<h2 id="definition">Definition</h2> <p>在强化学习中，内在动机驱使智能体通过寻求新颖性、减少不确定性或掌握技能来探索其环境，而不依赖于外在的任务奖励。这种机</p> <h3 id="summary">Summary</h3> <p>强化学习中的一个概念，指智能体基于内部好奇心或知识获取而非外部奖励来追求目标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强化学习</li> <li>探索与利用</li> <li>好奇心驱动学习</li> <li>稀疏奖励</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>未知地形中的机器人导航</li> <li>游戏智能体发现策略</li> <li>自动驾驶汽车训练</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-shaping-%E5%A5%96%E5%8A%B1%E5%A1%91%E9%80%A0/">Reward Shaping (奖励塑造)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/curiosity-module-%E5%A5%BD%E5%A5%87%E5%BF%83%E6%A8%A1%E5%9D%97/">Curiosity Module (好奇心模块)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/exploration-strategy-%E6%8E%A2%E7%B4%A2%E7%AD%96%E7%95%A5/">Exploration Strategy (探索策略)</a></li> </ul>这是我们要的吗？https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/is_this_what_we_want/Sat, 18 Jul 2026 11:22:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/is_this_what_we_want/<h2 id="definition">Definition</h2> <p>这一短语代表了人工智能伦理和治理中的一个关键问题，促使利益相关者评估部署的人工智能技术是否符合人类价值观和公共利益。它涉及审查</p> <h3 id="summary">Summary</h3> <p>一种批判性的伦理框架，用于根据社会价值观、公平性和潜在有害后果来评估人工智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工智能伦理</li> <li>价值对齐</li> <li>社会影响</li> <li>负责任的人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人工智能监管的政策制定</li> <li>企业人工智能治理审查</li> <li>关于人脸识别的公众辩论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">Algorithmic Bias (算法偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-safety-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%AE%89%E5%85%A8/">AI Safety (人工智能安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical-ai-%E4%BC%A6%E7%90%86%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Ethical AI (伦理人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> </ul>智能决策支持系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_decision_support_system/Sat, 18 Jul 2026 11:22:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_decision_support_system/<h2 id="definition">Definition</h2> <p>智能决策支持系统（IDSS）将机器学习、自然语言处理等人工智能技术与传统决策支持框架相结合。它</p> <h3 id="summary">Summary</h3> <p>一种增强型人工智能系统，通过分析数据并提供可操作的见解，协助人类进行复杂决策。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI集成</li> <li>数据分析</li> <li>人在回路</li> <li>预测建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断辅助</li> <li>金融风险评估</li> <li>供应链优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decision-support-system-%E5%86%B3%E7%AD%96%E6%94%AF%E6%8C%81%E7%B3%BB%E7%BB%9F/">Decision Support System (决策支持系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/business-intelligence-%E5%95%86%E4%B8%9A%E6%99%BA%E8%83%BD/">Business Intelligence (商业智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert-system-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">Expert System (专家系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-computing-%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">Cognitive Computing (认知计算)</a></li> </ul>智能文字识别https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_word_recognition/Sat, 18 Jul 2026 11:22:43 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_word_recognition/<h2 id="definition">Definition</h2> <p>智能文字识别是指由神经网络驱动的高级光学字符识别（OCR）技术。它超越了简单的模式匹配，通过理解上下文并处理n</p> <h3 id="summary">Summary</h3> <p>利用人工智能算法（特别是深度学习）准确识别和解读来自图像或手写来源的文本。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>光学字符识别</li> <li>深度学习</li> <li>计算机视觉</li> <li>文本提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>历史档案数字化</li> <li>发票自动化处理</li> <li>实时翻译应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ocr-%E5%85%89%E5%AD%A6%E5%AD%97%E7%AC%A6%E8%AF%86%E5%88%AB/">OCR (光学字符识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-classification-%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB/">Image Classification (图像分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/handwriting-recognition-%E6%89%8B%E5%86%99%E8%AF%86%E5%88%AB/">Handwriting Recognition (手写识别)</a></li> </ul>指令遵循https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instruction_following/Sat, 18 Jul 2026 11:22:32 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instruction_following/<h2 id="definition">Definition</h2> <p>指令遵循是指大型语言模型及其他AI系统理解细微的人类指令并在提示词中遵守明确约束的能力。这一范式转变</p> <h3 id="summary">Summary</h3> <p>AI模型准确解释并执行特定人类命令或约束的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>提示工程</li> <li>约束满足</li> <li>对齐</li> <li>任务特异性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在特定库约束下自动生成代码</li> <li>遵循严格模式格式提取数据</li> <li>遵守合规指南的客户服务的聊天机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt_engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">prompt_engineering (提示工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few_shot_learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">few_shot_learning (少样本学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain_of_thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">chain_of_thought (思维链)</a></li> </ul>智能控制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_control/Sat, 18 Jul 2026 11:22:32 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_control/<h2 id="definition">Definition</h2> <p>智能控制采用模糊逻辑、神经网络和遗传算法等人工智能方法来调节那些传统数学建模不足或</p> <h3 id="summary">Summary</h3> <p>利用AI技术来管理复杂、非线性或不确定动态过程的控制系统的统称。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自适应控制</li> <li>非线性系统</li> <li>模糊逻辑</li> <li>神经网络</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>湍流风况下的无人机自主稳定</li> <li>智能电网能源分配优化</li> <li>工业机器人手臂的精密操作</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feedback_control-%E5%8F%8D%E9%A6%88%E6%8E%A7%E5%88%B6/">feedback_control (反馈控制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adaptive_systems-%E8%87%AA%E9%80%82%E5%BA%94%E7%B3%BB%E7%BB%9F/">adaptive_systems (自适应系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robotics-%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6/">robotics (机器人学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fuzzy_logic-%E6%A8%A1%E7%B3%8A%E9%80%BB%E8%BE%91/">fuzzy_logic (模糊逻辑)</a></li> </ul>智能数据库https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_database/Sat, 18 Jul 2026 11:22:32 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_database/<h2 id="definition">Definition</h2> <p>智能数据库利用机器学习和AI增强标准数据库功能，超越简单的存储和检索。它可以自动优化查询性能，预测用户</p> <h3 id="summary">Summary</h3> <p>集成AI能力以自动化数据管理、查询优化和洞察生成的数据库系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>查询优化</li> <li>异常检测</li> <li>自调整</li> <li>自然语言查询</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>基于负载自动扩展云数据库资源</li> <li>实时银行数据中的欺诈交易检测</li> <li>从自然语言问题生成SQL查询</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sql_generation-sql%E7%94%9F%E6%88%90/">sql_generation (SQL生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_analytics-%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90/">data_analytics (数据分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dbms-%E6%95%B0%E6%8D%AE%E5%BA%93%E7%AE%A1%E7%90%86%E7%B3%BB%E7%BB%9F/">dbms (数据库管理系统)</a></li> </ul>智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_agent/Sat, 18 Jul 2026 11:22:32 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_agent/<h2 id="definition">Definition</h2> <p>智能体是一种能够通过传感器或数据输入感知周围环境，使用推理算法处理这些信息，并通过执行器对环境采取行动的系统</p> <h3 id="summary">Summary</h3> <p>一种自主的软件实体，能够感知环境、推理行动并执行任务以实现特定目标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主性</li> <li>感知-行动循环</li> <li>目标导向</li> <li>反应性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>执行市场策略的自动交易机器人</li> <li>处理多步工作流的机器人流程自动化</li> <li>管理日历和邮件任务的个人助理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi_agent_systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">multi_agent_systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement_learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">reinforcement_learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous_driving-%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6/">autonomous_driving (自动驾驶)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rpa-%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%B5%81%E7%A8%8B%E8%87%AA%E5%8A%A8%E5%8C%96/">rpa (机器人流程自动化)</a></li> </ul>智能自动化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_automation/Sat, 18 Jul 2026 11:22:32 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/intelligent_automation/<h2 id="definition">Definition</h2> <p>智能自动化将传统的机器人流程自动化（RPA）与机器学习及自然语言处理等先进AI技术相集成。虽然RPA处理基于规则的结构化</p> <h3 id="summary">Summary</h3> <p>将人工智能与机器人流程自动化相结合，以处理复杂、非结构化的业务流程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>RPA集成</li> <li>认知处理</li> <li>流程优化</li> <li>端到端自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>结合光学字符识别（OCR）和验证的发票自动处理</li> <li>包含身份验证的动态客户入职流程</li> <li>根据需求波动进行调整的智能供应链管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rpa-%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%B5%81%E7%A8%8B%E8%87%AA%E5%8A%A8%E5%8C%96/">rpa (机器人流程自动化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/process_mining-%E6%B5%81%E7%A8%8B%E6%8C%96%E6%8E%98/">process_mining (流程挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperautomation-%E8%B6%85%E8%87%AA%E5%8A%A8%E5%8C%96/">hyperautomation (超自动化)</a></li> </ul>基于实例的学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instance_based_learning/Sat, 18 Jul 2026 11:22:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instance_based_learning/<h2 id="definition">Definition</h2> <p>也称为基于记忆的学习，该技术不在训练期间构建泛化模型。相反，它存储整个训练数据集。当需要预测时，它会找到最相似的。</p> <h3 id="summary">Summary</h3> <p>一种惰性学习方法，通过将新输入与存储的训练实例进行比较来进行预测。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>惰性学习</li> <li>相似度度量</li> <li>K近邻 (K-Nearest Neighbors)</li> <li>基于记忆</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推荐系统</li> <li>模式识别</li> <li>中小型数据集</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.neighbors</span> <span style="color:#000;font-weight:bold">import</span> KNeighborsClassifier </span></span><span style="display:flex;"><span>knn <span style="color:#000;font-weight:bold">=</span> KNeighborsClassifier(n_neighbors<span style="color:#000;font-weight:bold">=</span><span style="color:#099">3</span>) </span></span><span style="display:flex;"><span>knn<span style="color:#000;font-weight:bold">.</span>fit(X_train, y_train) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knn-k-nearest-neighbors/">KNN (K-Nearest Neighbors)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9B%B8%E4%BC%BC%E5%BA%A6%E6%90%9C%E7%B4%A2-similarity-search/">相似度搜索 (Similarity search)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%83%B0%E6%80%A7%E5%AD%A6%E4%B9%A0-lazy-learning/">惰性学习 (Lazy learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A0%B8%E6%96%B9%E6%B3%95-kernel-methods/">核方法 (Kernel methods)</a></li> </ul>实例https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instance/Sat, 18 Jul 2026 11:22:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instance/<h2 id="definition">Definition</h2> <p>在机器学习中，实例指数据集中的一个具体示例。它由一组输入特征（属性）和潜在的目标标签组成。实例是基本单位。</p> <h3 id="summary">Summary</h3> <p>用于机器学习任务的单个数据样本或观测值，通常表示为特征向量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据样本</li> <li>特征向量</li> <li>训练数据</li> <li>观测值</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监督学习训练</li> <li>数据集划分</li> <li>异常检测示例</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A0%B7%E6%9C%AC-sample/">样本 (Sample)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BE%8B%E5%AD%90-example/">例子 (Example)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81-feature/">特征 (Feature)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A0%87%E7%AD%BE-label/">标签 (Label)</a></li> </ul>实例选择https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instance_selection/Sat, 18 Jul 2026 11:22:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instance_selection/<h2 id="definition">Definition</h2> <p>实例选择旨在通过移除冗余或噪声数据点来提高计算效率和模型性能。与特征选择不同，它作用于数据集的行。其目标。</p> <h3 id="summary">Summary</h3> <p>一种预处理技术，通过选择代表性实例的子集来减小数据集的大小。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据缩减</li> <li>去噪</li> <li>代表性子集</li> <li>计算效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大规模数据集预处理</li> <li>加速最近邻搜索</li> <li>清理不平衡数据集</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E9%87%87%E6%A0%B7-data-sampling/">数据采样 (Data sampling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AC%A0%E9%87%87%E6%A0%B7-under-sampling/">欠采样 (Under-sampling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8E%8B%E7%BC%A9%E6%9C%80%E8%BF%91%E9%82%BB-condensed-nearest-neighbor/">压缩最近邻 (Condensed Nearest Neighbor)</a></li> </ul>信息空间分析https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/information_space_analysis/Sat, 18 Jul 2026 11:22:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/information_space_analysis/<h2 id="definition">Definition</h2> <p>这一概念涉及分析机器学习模型中表示结构的特性。它关注数据点在高维空间中的分布、聚类或分离情况。</p> <h3 id="summary">Summary</h3> <p>考察数据表示所在空间的几何和拓扑性质。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>流形假设</li> <li>降维</li> <li>特征几何</li> <li>表示学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>可视化高维嵌入</li> <li>改进聚类算法</li> <li>分析神经网络内部机制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5-embedding/">嵌入 (Embedding)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B5%81%E5%BD%A2%E5%AD%A6%E4%B9%A0-manifold-learning/">流形学习 (Manifold learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90-principal-component-analysis/">主成分分析 (Principal Component Analysis)</a></li> </ul>学习的推断理论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inferential_theory_of_learning/Sat, 18 Jul 2026 11:22:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inferential_theory_of_learning/<h2 id="definition">Definition</h2> <p>该理论认为，学习本质上是一个概率推断的过程。学习者不是通过死记硬背来记忆数据，而是维护一个关于可能模型或假设的概率分布。</p> <h3 id="summary">Summary</h3> <p>一种将学习视为贝叶斯推断的框架，即根据观测数据更新对假设的信念。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯推断</li> <li>先验分布</li> <li>后验更新</li> <li>模型不确定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在有限数据下的鲁棒预测</li> <li>主动学习策略</li> <li>感知不确定性的决策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%98%E5%8C%96-bayesian-optimization/">贝叶斯优化 (Bayesian optimization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%98%E5%88%86%E6%8E%A8%E6%96%AD-variational-inference/">变分推断 (Variational inference)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B-probabilistic-graphical-models/">概率图模型 (Probabilistic graphical models)</a></li> </ul>Inception Scorehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inception_score/Sat, 18 Jul 2026 11:22:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inception_score/<h2 id="definition">Definition</h2> <p>Inception Score（IS）是一种引入用于评估生成对抗网络（GANs）及其他生成模型性能的统计度量。它结合了两个因素：图像质量（清晰度）和多样性。</p> <h3 id="summary">Summary</h3> <p>一种用于评估生成图像质量的指标，通过衡量图像的清晰度和多样性来实现。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生成模型</li> <li>图像质量</li> <li>多样性度量</li> <li>GAN评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估GAN性能</li> <li>比较生成模型架构</li> <li>基准测试图像合成质量</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fr%C3%A9chet-inception-distance-%E5%BC%97%E9%9B%B7%E6%AD%87-inception-%E8%B7%9D%E7%A6%BB/">Fréchet Inception Distance (弗雷歇 Inception 距离)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/precision-and-recall-%E7%B2%BE%E7%A1%AE%E7%8E%87%E5%92%8C%E5%8F%AC%E5%9B%9E%E7%8E%87/">Precision and Recall (精确率和召回率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-adversarial-networks-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">Generative Adversarial Networks (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-synthesis-%E5%9B%BE%E5%83%8F%E5%90%88%E6%88%90/">Image Synthesis (图像合成)</a></li> </ul>Incremental Heuristic Searchhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/incremental_heuristic_search/Sat, 18 Jul 2026 11:22:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/incremental_heuristic_search/<h2 id="definition">Definition</h2> <p>增量启发式搜索指的是通过启发式算法引导，逐步细化候选解的算法，这些启发式算法估计到达目标所需的成本。与穷举搜索不同，这些方法&hellip;</p> <h3 id="summary">Summary</h3> <p>一种搜索策略，利用启发式指导逐步改进解的估计，而不是探索整个状态空间。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>启发式方法</li> <li>局部搜索</li> <li>优化</li> <li>状态空间</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>物流中的路线规划</li> <li>调度问题</li> <li>约束满足任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hill-climbing-%E7%88%AC%E5%B1%B1%E7%AE%97%E6%B3%95/">Hill Climbing (爬山算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulated-annealing-%E6%A8%A1%E6%8B%9F%E9%80%80%E7%81%AB/">Simulated Annealing (模拟退火)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/a-search-a-%E6%90%9C%E7%B4%A2/">A* Search (A* 搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/metaheuristics-%E5%85%83%E5%90%AF%E5%8F%91%E5%BC%8F%E7%AE%97%E6%B3%95/">Metaheuristics (元启发式算法)</a></li> </ul>Inductive Biashttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inductive_bias/Sat, 18 Jul 2026 11:22:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inductive_bias/<h2 id="definition">Definition</h2> <p>归纳偏置代表了内置于机器学习模型中的固有偏好或约束，使其能够从训练数据泛化到未见过的数据。如果没有这些偏置，模型将无法&hellip;</p> <h3 id="summary">Summary</h3> <p>学习算法用于预测训练期间未见过的输入输出的一组假设。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化</li> <li>假设</li> <li>模型约束</li> <li>公平性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计公平算法</li> <li>防止模型过拟合</li> <li>审计AI系统中的偏见</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-fairness-%E7%AE%97%E6%B3%95%E5%85%AC%E5%B9%B3%E6%80%A7/">Algorithmic Fairness (算法公平性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-error-%E6%B3%9B%E5%8C%96%E8%AF%AF%E5%B7%AE/">Generalization Error (泛化误差)</a></li> </ul>Inductive Probabilityhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inductive_probability/Sat, 18 Jul 2026 11:22:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inductive_probability/<h2 id="definition">Definition</h2> <p>归纳概率量化了在观察到的证据下假设为真的可能性，承认结论是概率性的而非确定性的。它是贝叶斯推断的基础，在贝叶斯推断中&hellip;</p> <h3 id="summary">Summary</h3> <p>衡量证据支持假设程度的指标，区别于演绎确定性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯推断</li> <li>不确定性</li> <li>证据</li> <li>概率论</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>贝叶斯网络</li> <li>风险评估</li> <li>医学诊断推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayes-theorem-%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%AE%9A%E7%90%86/">Bayes&rsquo; Theorem (贝叶斯定理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prior-probability-%E5%85%88%E9%AA%8C%E6%A6%82%E7%8E%87/">Prior Probability (先验概率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/posterior-probability-%E5%90%8E%E9%AA%8C%E6%A6%82%E7%8E%87/">Posterior Probability (后验概率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistical-inference-%E7%BB%9F%E8%AE%A1%E6%8E%A8%E6%96%AD/">Statistical Inference (统计推断)</a></li> </ul>Inductive Programminghttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inductive_programming/Sat, 18 Jul 2026 11:22:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inductive_programming/<h2 id="definition">Definition</h2> <p>归纳编程，通常称为程序合成，涉及基于作为输入-输出对提供的规范创建软件代码，而不是显式指令。系统从示例中推断出逻辑&hellip;</p> <h3 id="summary">Summary</h3> <p>程序合成的一个领域，根据输入-输出示例自动生成计算机程序。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>程序合成</li> <li>输入-输出示例</li> <li>自动化编码</li> <li>逻辑推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>代码补全工具</li> <li>从数据生成脚本</li> <li>教育编程辅助</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-program-synthesis-%E7%A5%9E%E7%BB%8F%E7%A8%8B%E5%BA%8F%E5%90%88%E6%88%90/">Neural Program Synthesis (神经程序合成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/example-based-learning-%E5%9F%BA%E4%BA%8E%E7%A4%BA%E4%BE%8B%E7%9A%84%E5%AD%A6%E4%B9%A0/">Example-Based Learning (基于示例的学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/code-generation-%E4%BB%A3%E7%A0%81%E7%94%9F%E6%88%90/">Code Generation (代码生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic-ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Symbolic AI (符号人工智能)</a></li> </ul>Imatrixhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/imatrix/Sat, 18 Jul 2026 11:21:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/imatrix/<h2 id="definition">Definition</h2> <p>Imatrix（Importance Matrix，重要性矩阵）是一种主要与基于GGML的大语言模型（LLM）训练和量化相关的技术。它计算损失函数关于模型参数的二阶导数（即海森矩阵的近似值），从而评估每个参数对整体模型性能的重要性。这种方法有助于更精确地进行模型量化，减少精度损失，并优化微调过程中的计算效率。</p> <h3 id="summary">Summary</h3> <p>一种用于大语言模型训练的具体算法，用于计算重要性矩阵以实现高效的参数优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>海森矩阵</li> <li>参数重要性</li> <li>模型量化</li> <li>微调优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高效的大语言模型微调</li> <li>面向边缘设备的模型量化</li> <li>降低训练过程中的计算开销</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ggml-ggml%E5%BA%93/">GGML (GGML库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora-%E4%BD%8E%E7%A7%A9%E9%80%82%E5%BA%94/">LoRA (低秩适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">Quantization (量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/second-order-optimization-%E4%BA%8C%E9%98%B6%E4%BC%98%E5%8C%96/">Second-Order Optimization (二阶优化)</a></li> </ul>非真实文本https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inauthentic_text/Sat, 18 Jul 2026 11:21:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inauthentic_text/<h2 id="definition">Definition</h2> <p>非真实文本（Inauthentic text）指的是由人工智能系统或怀有欺骗意图的人类产生的书面材料，缺乏真实的人类经验或事实依据。它包括AI生成的垃圾邮件、捏造的新闻文章、虚假评论以及旨在误导受众的内容。检测此类文本对于维护信息生态系统的完整性和信任度至关重要。</p> <h3 id="summary">Summary</h3> <p>人为生成或操纵的文本内容，旨在欺骗读者关于其来源、作者身份或事实基础的信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI检测</li> <li>虚假信息</li> <li>作者身份验证</li> <li>内容完整性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>抄袭检测系统</li> <li>事实核查与新闻业</li> <li>网络安全威胁分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hallucination-%E5%B9%BB%E8%A7%89/">Hallucination (幻觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepfake-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">Deepfake (深度伪造)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/content-moderation-%E5%86%85%E5%AE%B9%E5%AE%A1%E6%A0%B8/">Content Moderation (内容审核)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/watermarking-%E6%95%B0%E5%AD%97%E6%B0%B4%E5%8D%B0/">Watermarking (数字水印)</a></li> </ul>图像到视频https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_to_video/Sat, 18 Jul 2026 11:21:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_to_video/<h2 id="definition">Definition</h2> <p>图像到视频（Image To Video）技术接收单个静态帧，并预测后续帧以生成连贯的视频序列。这涉及对时间一致性和物理动力学的建模，以确保生成的视频在视觉上自然流畅。该技术允许用户通过一张图片启动视频生成，广泛应用于创意内容和影视制作领域。</p> <h3 id="summary">Summary</h3> <p>一种生成过程，通过动画化静态图像来创建短视频片段，添加时间动态性和运动效果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时间一致性</li> <li>帧插值</li> <li>运动建模</li> <li>视频扩散模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为静态艺术作品添加动画效果</li> <li>制作营销视频素材</li> <li>虚拟制作和故事板生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/video-generation-%E8%A7%86%E9%A2%91%E7%94%9F%E6%88%90/">Video Generation (视频生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/frame-interpolation-%E5%B8%A7%E6%8F%92%E5%80%BC/">Frame Interpolation (帧插值)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/motion-capture-%E5%8A%A8%E4%BD%9C%E6%8D%95%E6%8D%89/">Motion Capture (动作捕捉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-models-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Diffusion Models (扩散模型)</a></li> </ul>图像到图像https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_to_image/Sat, 18 Jul 2026 11:21:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_to_image/<h2 id="definition">Definition</h2> <p>图像到图像（Image To Image, I2I）涉及使用深度学习模型（如生成对抗网络GANs或扩散模型）将一张图像转换为另一张图像。与简单的滤镜不同，I2I可以极大地改变外观，例如将素描转化为逼真的照片，或将白天场景转换为夜景，同时在转换过程中保持原始图像的基本结构和语义信息。</p> <h3 id="summary">Summary</h3> <p>一种生成式AI技术，将输入图像转换为不同的风格、格式或内容，同时保留结构元素。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>风格迁移</li> <li>语义分割</li> <li>扩散模型</li> <li>条件生成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>艺术风格迁移</li> <li>照片增强与修复</li> <li>建筑可视化渲染</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-adversarial-networks-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">Generative Adversarial Networks (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3/">Stable Diffusion (稳定扩散)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/super-resolution-%E8%B6%85%E5%88%86%E8%BE%A8%E7%8E%87/">Super Resolution (超分辨率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inpainting-%E5%9B%BE%E5%83%8F%E4%BF%AE%E5%A4%8D-inpainting/">Inpainting (图像修复/ inpainting)</a></li> </ul>图像文本到文本https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_text_to_text/Sat, 18 Jul 2026 11:21:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_text_to_text/<h2 id="definition">Definition</h2> <p>图像文本到文本（Image Text To Text）指的是处理视觉输入并结合文本查询以产生连贯自然语言输出的模型。这些系统通常被称为视觉-语言模型（Vision-Language Models, VLMs），它们结合了计算机视觉和自然语言处理技术，使机器能够理解图像内容并据此生成相应的文字描述或直接回答相关问题。</p> <h3 id="summary">Summary</h3> <p>一种多模态AI能力，能够根据输入图像和可选的文本提示生成文本描述或回答问题。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态学习</li> <li>视觉问答</li> <li>图像描述生成</li> <li>跨模态注意力机制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>用于无障碍访问的自动化图像描述生成</li> <li>视觉问答系统</li> <li>内容审核分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vision-language-model-%E8%A7%86%E8%A7%89-%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Vision-Language Model (视觉-语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optical-character-recognition-%E5%85%89%E5%AD%A6%E5%AD%97%E7%AC%A6%E8%AF%86%E5%88%AB/">Optical Character Recognition (光学字符识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal-fusion-%E5%A4%9A%E6%A8%A1%E6%80%81%E8%9E%8D%E5%90%88/">Multimodal Fusion (多模态融合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> </ul>INDIAaihttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/indiaai/Sat, 18 Jul 2026 11:21:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/indiaai/<h2 id="definition">Definition</h2> <p>INDIAai 在电子信息技术部之下建立，作为人工智能资源、政策和倡议的中心枢纽。它旨在促进学术界、工业界和政府之间的合作，推动印度 AI 生态系统的发展。</p> <h3 id="summary">Summary</h3> <p>INDIAai 是印度政府推出的国家人工智能门户，旨在促进印度全国范围内的人工智能研究和应用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>国家政策</li> <li>人工智能生态系统</li> <li>政府倡议</li> <li>研究枢纽</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>获取政府人工智能数据集</li> <li>寻找人工智能研究资助</li> <li>与印度人工智能专业人士建立联系</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-india-%E6%95%B0%E5%AD%97%E5%8D%B0%E5%BA%A6/">Digital India (数字印度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-policy-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%94%BF%E7%AD%96/">AI Policy (人工智能政策)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/govtech-%E6%94%BF%E5%BA%9C%E7%A7%91%E6%8A%80/">GovTech (政府科技)</a></li> </ul>集成开发环境集成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ide_integration/Sat, 18 Jul 2026 11:21:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ide_integration/<h2 id="definition">Definition</h2> <p>这种做法涉及将大型语言模型等 AI 模型连接到 VS Code 或 IntelliJ 等软件开发环境。它实现了智能代码补全、自动重构等功能，从而提升开发效率和用户体验。</p> <h3 id="summary">Summary</h3> <p>集成开发环境（IDE）集成是指将基于人工智能的工具直接嵌入到集成开发环境中，以协助程序员完成编码任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动补全</li> <li>代码补全</li> <li>大语言模型</li> <li>开发者体验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>智能代码建议</li> <li>自动化重构</li> <li>自然语言查询执行</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/copilot-%E7%BC%96%E7%A8%8B%E5%8A%A9%E6%89%8B/">Copilot (编程助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/refactoring-%E9%87%8D%E6%9E%84/">Refactoring (重构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/software-engineering-%E8%BD%AF%E4%BB%B6%E5%B7%A5%E7%A8%8B/">Software Engineering (软件工程)</a></li> </ul>思想学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ideonomy/Sat, 18 Jul 2026 11:21:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ideonomy/<h2 id="definition">Definition</h2> <p>该领域研究想法形成、组合和演变的背后过程。它应用结构化技术来增强创造力和解决问题的能力。在人工智能背景下，思想学可用于构建自动化创意生成系统。</p> <h3 id="summary">Summary</h3> <p>思想学是研究创意生成的科学，侧重于创建和组织新概念及创新的系统化方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>创造力算法</li> <li>概念融合</li> <li>创新理论</li> <li>系统化创造力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化头脑风暴工具</li> <li>专利生成系统</li> <li>创意写作助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/creativity-%E5%88%9B%E9%80%A0%E5%8A%9B/">Creativity (创造力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/innovation-%E5%88%9B%E6%96%B0/">Innovation (创新)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-science-%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6/">Cognitive Science (认知科学)</a></li> </ul>图像到图像转换https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/i2i/Sat, 18 Jul 2026 11:21:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/i2i/<h2 id="definition">Definition</h2> <p>图像到图像（I2I）翻译涉及使用深度学习方法（如生成对抗网络 GAN 或扩散模型），将源域中的像素映射到目标域。它允许进行风格迁移、语义分割等操作，实现不同图像域之间的转换。</p> <h3 id="summary">Summary</h3> <p>图像到图像（Image-to-Image）翻译是一种计算机视觉技术，它在保留语义内容的同时将输入图像转换为相应的输出图像。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生成对抗网络</li> <li>语义分割</li> <li>风格迁移</li> <li>潜在空间</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>艺术风格迁移</li> <li>照片上色</li> <li>卫星图像增强</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-models-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Diffusion Models (扩散模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> </ul>图像生成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_generation/Sat, 18 Jul 2026 11:21:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/image_generation/<h2 id="definition">Definition</h2> <p>这一范式利用 Stable Diffusion 或 DALL-E 等模型，根据文本提示或其他输入生成高质量图像。它涉及学习复杂的数据分布，以合成逼真的视觉内容。</p> <h3 id="summary">Summary</h3> <p>图像生成是利用生成式人工智能模型从头创建新视觉内容或修改现有图像的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文生图</li> <li>扩散模型</li> <li>潜在扩散</li> <li>合成数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数字艺术创作</li> <li>营销材料设计</li> <li>用于训练的数据增强</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Stable Diffusion (稳定扩散模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dall-e-dall-e-%E6%A8%A1%E5%9E%8B/">DALL-E (DALL-E 模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gans-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GANs (生成对抗网络)</a></li> </ul>超参数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hyperparameter/Sat, 18 Jul 2026 11:21:34 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hyperparameter/<h2 id="definition">Definition</h2> <p>与模型参数（权重和偏置）不同，后者是在训练过程中从数据中学习得到的，而超参数是实践者在训练开始前选择的外部设置。它们控制着模型的结构、学习过程以及正则化强度等关键方面。</p> <h3 id="summary">Summary</h3> <p>一种在训练过程之前设定其值的配置变量，用于控制学习算法的行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>学习率</li> <li>批次大小</li> <li>模型架构</li> <li>正则化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>配置神经网络训练</li> <li>设置梯度下降步骤</li> <li>定义随机森林中的树深度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter_tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">hyperparameter_tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_parameters-%E6%A8%A1%E5%9E%8B%E5%8F%82%E6%95%B0/">model_parameters (模型参数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/learning_rate-%E5%AD%A6%E4%B9%A0%E7%8E%87/">learning_rate (学习率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/batch_size-%E6%89%B9%E6%AC%A1%E5%A4%A7%E5%B0%8F/">batch_size (批次大小)</a></li> </ul>超参数调优https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hyperparameter_tuning/Sat, 18 Jul 2026 11:21:34 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hyperparameter_tuning/<h2 id="definition">Definition</h2> <p>超参数调优涉及评估不同的超参数集，以找到能产生最高模型准确率或最低错误率的配置。常见的策略包括网格搜索、随机搜索以及基于贝叶斯优化的方法，旨在通过迭代改进来寻找最优解。</p> <h3 id="summary">Summary</h3> <p>系统地搜索最佳超参数组合以优化模型性能的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>网格搜索</li> <li>随机搜索</li> <li>交叉验证</li> <li>性能指标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>优化深度学习模型</li> <li>提高分类器准确率</li> <li>减少模型偏差和方差</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter_optimization-%E8%B6%85%E5%8F%82%E6%95%B0%E4%BC%98%E5%8C%96/">hyperparameter_optimization (超参数优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/grid_search-%E7%BD%91%E6%A0%BC%E6%90%9C%E7%B4%A2/">grid_search (网格搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/random_search-%E9%9A%8F%E6%9C%BA%E6%90%9C%E7%B4%A2/">random_search (随机搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">cross_validation (交叉验证)</a></li> </ul>超参数优化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hyperparameter_optimization/Sat, 18 Jul 2026 11:21:34 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hyperparameter_optimization/<h2 id="definition">Definition</h2> <p>超参数优化（HPO）指的是自动化选择超参数的更广泛领域。虽然“调优”是一个通用术语，但“优化”通常暗示使用复杂的算法（如贝叶斯优化）来高效地探索超参数空间，从而在有限的计算资源下找到最优配置。</p> <h3 id="summary">Summary</h3> <p>一种自动寻找最佳超参数配置的方法，通常使用概率模型来指导搜索过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯优化</li> <li>代理模型</li> <li>自动化机器学习</li> <li>搜索空间</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AutoML 管道</li> <li>大规模模型训练</li> <li>资源受限环境下的优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter_tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">hyperparameter_tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian_optimization-%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%98%E5%8C%96/">bayesian_optimization (贝叶斯优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automl-%E8%87%AA%E5%8A%A8%E5%8C%96%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">automl (自动化机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural_architecture_search-%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2/">neural_architecture_search (神经架构搜索)</a></li> </ul>混合搜索https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hybrid_search/Sat, 18 Jul 2026 11:21:34 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hybrid_search/<h2 id="definition">Definition</h2> <p>混合搜索整合了两种不同的检索方法：捕捉语义含义和上下文的稠密向量搜索，以及匹配确切术语的稀疏向量（关键词）搜索。通过利用这两种方法的互补优势，混合搜索能够显著提升检索结果的质量。</p> <h3 id="summary">Summary</h3> <p>一种检索策略，将语义向量搜索与传统基于关键词的索引相结合，以提高准确性和相关性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量搜索</li> <li>关键词匹配</li> <li>重排序</li> <li>倒数排名融合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业文档检索</li> <li>电子商务产品搜索</li> <li>高级检索增强生成（RAG）管道</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic_search-%E8%AF%AD%E4%B9%89%E6%90%9C%E7%B4%A2/">semantic_search (语义搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparse_vectors-%E7%A8%80%E7%96%8F%E5%90%91%E9%87%8F/">sparse_vectors (稀疏向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dense_vectors-%E7%A8%A0%E5%AF%86%E5%90%91%E9%87%8F/">dense_vectors (稠密向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> </ul>混合智能系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hybrid_intelligent_system/Sat, 18 Jul 2026 11:21:34 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hybrid_intelligent_system/<h2 id="definition">Definition</h2> <p>混合智能系统（HIS）融合了不同的人工智能范式，通常将连接主义方法（如神经网络）与符号方法（如专家系统或模糊逻辑）相结合。这种集成旨在利用各自的优势，克服单一范式的局限性，从而更有效地处理复杂任务。</p> <h3 id="summary">Summary</h3> <p>一种人工智能架构，结合多种计算智能技术（如神经网络和符号逻辑），以解决复杂问题。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经符号人工智能</li> <li>模糊逻辑</li> <li>专家系统</li> <li>可解释性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断支持</li> <li>自动驾驶车辆决策制定</li> <li>金融欺诈检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuro_symbolic_ai-%E7%A5%9E%E7%BB%8F%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">neuro_symbolic_ai (神经符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert_systems-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">expert_systems (专家系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fuzzy_logic-%E6%A8%A1%E7%B3%8A%E9%80%BB%E8%BE%91/">fuzzy_logic (模糊逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> </ul>Hugging Facehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hugging_face/Sat, 18 Jul 2026 11:21:11 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hugging_face/<h2 id="definition">Definition</h2> <p>Hugging Face 是一家知名公司兼在线平台，已成为开源人工智能生态系统的核心。它提供了庞大的预训练模型、数据集和演示应用程序库。</p> <h3 id="summary">Summary</h3> <p>一个领先的平台和社区，为机器学习开发提供开源工具、模型和数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源</li> <li>模型中心</li> <li>Transformers 库</li> <li>社区协作</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>获取用于文本分类的预训练自然语言处理（NLP）模型</li> <li>与社区共享自定义机器学习模型</li> <li>使用 Gradio 或 Streamlit 集成构建演示应用程序</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> pipeline </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Load a pre-trained sentiment analysis model from Hugging Face</span> </span></span><span style="display:flex;"><span>classifier <span style="color:#000;font-weight:bold">=</span> pipeline(<span style="color:#d14">&#39;sentiment-analysis&#39;</span>) </span></span><span style="display:flex;"><span>result <span style="color:#000;font-weight:bold">=</span> classifier(<span style="color:#d14">&#39;I love using Hugging Face!&#39;</span>) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(result) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformers-transformer-%E6%9E%B6%E6%9E%84%E5%BA%93/">Transformers (Transformer 架构库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-repository-%E6%A8%A1%E5%9E%8B%E4%BB%93%E5%BA%93/">Model Repository (模型仓库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-ai-%E5%BC%80%E6%BA%90%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Open Source AI (开源人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-hub-%E6%95%B0%E6%8D%AE%E9%9B%86%E4%B8%AD%E5%BF%83/">Dataset Hub (数据集中心)</a></li> </ul>人工监督https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_oversight/Sat, 18 Jul 2026 11:21:11 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_oversight/<h2 id="definition">Definition</h2> <p>人工监督是指人类监控、评估并介入由人工智能驱动的决策或行动中的机制和流程。这一概念对于确保自动化系统安全运行至关重要。</p> <h3 id="summary">Summary</h3> <p>在自动化人工智能系统中保持人类控制和审查的做法，以确保安全性、准确性和道德合规性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人在回路中</li> <li>问责制</li> <li>安全监控</li> <li>道德合规</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在治疗前审查人工智能生成的医学诊断</li> <li>在边缘情况下监控自动驾驶车辆的干预措施</li> <li>审计算法招聘决策中的偏见</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">Algorithmic Bias (算法偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human-in-the-loop-%E4%BA%BA%E5%9C%A8%E5%9B%9E%E8%B7%AF%E4%B8%AD/">Human-in-the-loop (人在回路中)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-governance-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%B2%BB%E7%90%86/">AI Governance (人工智能治理)</a></li> </ul>人机交互https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/humanai_interaction/Sat, 18 Jul 2026 11:21:11 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/humanai_interaction/<h2 id="definition">Definition</h2> <p>人机交互（HAI）是一门跨学科领域，考察人与人工智能技术之间的动态关系。它专注于设计直观的界面、通信协议和协作&hellip;</p> <h3 id="summary">Summary</h3> <p>研究人类如何与人工智能系统进行沟通、控制和协作的学科与实践。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>界面设计</li> <li>信任校准</li> <li>协作</li> <li>通信协议</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>开发具有自然语言理解能力的聊天机器人以提供客户服务</li> <li>为数据科学家创建仪表板以解读人工智能模型的输出</li> <li>为智能家居环境设计语音助手</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">11 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">12 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">13 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">speech_recognition</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">sr</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example of basic Human-AI interaction via voice</span> </span></span><span style="display:flex;"><span>recognizer <span style="color:#000;font-weight:bold">=</span> sr<span style="color:#000;font-weight:bold">.</span>Recognizer() </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">with</span> sr<span style="color:#000;font-weight:bold">.</span>Microphone() <span style="color:#000;font-weight:bold">as</span> source: </span></span><span style="display:flex;"><span> <span style="color:#0086b3">print</span>(<span style="color:#d14">&#34;Listening...&#34;</span>) </span></span><span style="display:flex;"><span> audio <span style="color:#000;font-weight:bold">=</span> recognizer<span style="color:#000;font-weight:bold">.</span>listen(source) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">try</span>: </span></span><span style="display:flex;"><span> text <span style="color:#000;font-weight:bold">=</span> recognizer<span style="color:#000;font-weight:bold">.</span>recognize_google(audio) </span></span><span style="display:flex;"><span> <span style="color:#0086b3">print</span>(<span style="color:#d14">f</span><span style="color:#d14">&#34;You said: </span><span style="color:#d14">{</span>text<span style="color:#d14">}</span><span style="color:#d14">&#34;</span>) </span></span><span style="display:flex;"><span> <span style="color:#998;font-style:italic"># AI processes the input here</span> </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">except</span> <span style="color:#900;font-weight:bold">Exception</span> <span style="color:#000;font-weight:bold">as</span> e: </span></span><span style="display:flex;"><span> <span style="color:#0086b3">print</span>(<span style="color:#d14">&#34;Error:&#34;</span>, e) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hci-%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/">HCI (人机交互)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/user-experience-%E7%94%A8%E6%88%B7%E4%BD%93%E9%AA%8C/">User Experience (用户体验)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/conversational-ai-%E5%AF%B9%E8%AF%9D%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Conversational AI (对话式人工智能)</a></li> </ul>人类问题解决https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_problem_solving/Sat, 18 Jul 2026 11:21:11 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_problem_solving/<h2 id="definition">Definition</h2> <p>人类问题解决涵盖了人类用来应对挑战的多方面认知能力，从简单任务到抽象的概念困难。与算法方法不同，人类&hellip;（原文截断，此处翻译现有部分）</p> <h3 id="summary">Summary</h3> <p>个人运用推理、创造力和经验来识别、分析和解决复杂问题的认知过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>认知过程</li> <li>创造力</li> <li>直觉</li> <li>情境推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计补充人类决策的人工智能界面</li> <li>开发用于复杂战略规划的混合系统</li> <li>训练人工智能识别并协助处理细微的人类任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-science-%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6/">Cognitive Science (认知科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/augmented-intelligence-%E5%A2%9E%E5%BC%BA%E6%99%BA%E8%83%BD/">Augmented Intelligence (增强智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/heuristics-%E5%90%AF%E5%8F%91%E5%BC%8F%E6%96%B9%E6%B3%95/">Heuristics (启发式方法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decision-making-%E5%86%B3%E7%AD%96%E5%88%B6%E5%AE%9A/">Decision Making (决策制定)</a></li> </ul>以人为本的人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_centered_ai/Sat, 18 Jul 2026 11:21:11 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_centered_ai/<h2 id="definition">Definition</h2> <p>以人为本的人工智能是一种设计哲学，将人类置于人工智能发展的核心。它强调创建透明、公平且对社会有益的系统，而非&hellip;</p> <h3 id="summary">Summary</h3> <p>一种人工智能设计与开发方法，在整个系统生命周期中优先考虑人类的价值观、需求和福祉。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>以用户为中心的设计</li> <li>道德人工智能</li> <li>透明度</li> <li>社会影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为残障用户设计无障碍人工智能工具</li> <li>创建适应学生学习风格的教育人工智能导师</li> <li>开发尊重患者隐私和自主权的医疗助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical-ai-%E9%81%93%E5%BE%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Ethical AI (道德人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ux-design-%E7%94%A8%E6%88%B7%E4%BD%93%E9%AA%8C%E8%AE%BE%E8%AE%A1/">UX Design (用户体验设计)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Responsible AI (负责任的人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/accessibility-%E6%97%A0%E9%9A%9C%E7%A2%8D%E6%80%A7/">Accessibility (无障碍性)</a></li> </ul>方向位移直方图https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/histogram_of_oriented_displacements/Sat, 18 Jul 2026 11:20:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/histogram_of_oriented_displacements/<h2 id="definition">Definition</h2> <p>方向位移直方图（HOD）是一种用于视频分析的特征提取方法，它将HOG（方向梯度直方图）的概念扩展到时间维度。它在光流向量中计算位移的方向和幅度分布，从而能够有效地描述视频片段中的动态行为和动作模式。</p> <h3 id="summary">Summary</h3> <p>一种用于计算机视觉的特征描述符，通过分析视频序列中的位移直方图来捕捉运动模式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>光流</li> <li>特征描述符</li> <li>运动分析</li> <li>视频处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>动作识别</li> <li>人类活动分析</li> <li>视频监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hog-%E6%96%B9%E5%90%91%E6%A2%AF%E5%BA%A6%E7%9B%B4%E6%96%B9%E5%9B%BE/">HOG (方向梯度直方图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optical-flow-%E5%85%89%E6%B5%81/">Optical Flow (光流)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sift-%E5%B0%BA%E5%BA%A6%E4%B8%8D%E5%8F%98%E7%89%B9%E5%BE%81%E5%8F%98%E6%8D%A2/">SIFT (尺度不变特征变换)</a></li> </ul>分层风险平价https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical_risk_parity/Sat, 18 Jul 2026 11:20:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical_risk_parity/<h2 id="definition">Definition</h2> <p>分层风险平价（HRP）是一种投资组合构建方法，通过纳入相关性结构来解决传统均值-方差优化的局限性。它利用层次聚类算法对资产进行分组，并基于聚类树状图在层级结构中分配风险，从而避免了对协方差矩阵求逆的数值不稳定问题。</p> <h3 id="summary">Summary</h3> <p>一种利用聚类处理资产相关性并在分层集群间分配风险的投资组合优化技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>聚类</li> <li>树状图</li> <li>风险分配</li> <li>协方差矩阵</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>投资组合管理</li> <li>资产配置</li> <li>风险缓解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mean-variance-optimization-%E5%9D%87%E5%80%BC-%E6%96%B9%E5%B7%AE%E4%BC%98%E5%8C%96/">Mean-Variance Optimization (均值-方差优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/black-litterman-model-%E5%B8%83%E8%8E%B1%E5%85%8B-%E5%88%A9%E7%89%B9%E6%9B%BC%E6%A8%A1%E5%9E%8B/">Black-Litterman Model (布莱克-利特曼模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cluster-analysis-%E8%81%9A%E7%B1%BB%E5%88%86%E6%9E%90/">Cluster Analysis (聚类分析)</a></li> </ul>分层可导航小世界https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical_navigable_small_world/Sat, 18 Jul 2026 11:20:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical_navigable_small_world/<h2 id="definition">Definition</h2> <p>分层可导航小世界（HNSW）算法构建了一个多层图结构，其中每一层包含下一层节点的子集。导航从顶层开始，逐步向下移动到更详细的层级，直到找到最近的邻居。这种方法结合了小世界网络的快速收敛特性和分层结构的效率，实现了高维向量的高效近似最近邻搜索。</p> <h3 id="summary">Summary</h3> <p>一种基于图的数据结构，用于在高维空间中实现高效的近似最近邻搜索。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图搜索</li> <li>近似最近邻</li> <li>多层图</li> <li>对数复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>向量搜索</li> <li>推荐引擎</li> <li>图像检索</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/k-nearest-neighbors-k%E8%BF%91%E9%82%BB/">K-Nearest Neighbors (K近邻)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/faiss-facebook-ai-similarity-search%E5%BA%93/">Faiss (Facebook AI Similarity Search库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/annoy-spotify%E5%BC%80%E5%8F%91%E7%9A%84%E8%BF%91%E4%BC%BC%E6%9C%80%E8%BF%91%E9%82%BB%E5%BA%93/">Annoy (Spotify开发的近似最近邻库)</a></li> </ul>分层控制系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical_control_system/Sat, 18 Jul 2026 11:20:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical_control_system/<h2 id="definition">Definition</h2> <p>分层控制系统将控制逻辑组织成多个层级，通常从高层战略规划到低层实时执行。高层定义目标和约束条件，低层负责具体的执行和反馈。这种架构有助于简化复杂系统的控制设计，提高模块化和可扩展性。</p> <h3 id="summary">Summary</h3> <p>一种将决策组织成多个层级的控制架构，高层级为低层控制器设定目标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分层架构</li> <li>抽象</li> <li>反馈回路</li> <li>分解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人技术</li> <li>工业自动化</li> <li>自动驾驶</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pid-control-pid%E6%8E%A7%E5%88%B6/">PID Control (PID控制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state-machine-%E7%8A%B6%E6%80%81%E6%9C%BA/">State Machine (状态机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervisory-control-%E7%9B%91%E7%9D%A3%E6%8E%A7%E5%88%B6/">Supervisory Control (监督控制)</a></li> </ul>高速公路网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/highway_network/Sat, 18 Jul 2026 11:20:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/highway_network/<h2 id="definition">Definition</h2> <p>高速公路网络旨在通过引入自适应门控来控制信息流，从而解决深度学习中的梯度消失问题。类似于LSTM单元，这些门允许网络决定保留多少原始输入信息以及多少经过变换的信息。这使得训练非常深的网络成为可能，而不会遇到传统的梯度消失或爆炸问题。</p> <h3 id="summary">Summary</h3> <p>一种深度神经网络架构，引入门控机制以促进梯度在极深网络中的流动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>门控机制</li> <li>梯度消失</li> <li>深度学习</li> <li>信息流</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度神经网络</li> <li>语音识别</li> <li>计算机视觉</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/residual-network-%E6%AE%8B%E5%B7%AE%E7%BD%91%E7%BB%9C/">Residual Network (残差网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lstm-%E9%95%BF%E7%9F%AD%E6%9C%9F%E8%AE%B0%E5%BF%86%E7%BD%91%E7%BB%9C/">LSTM (长短期记忆网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/skip-connection-%E8%B7%B3%E8%B7%83%E8%BF%9E%E6%8E%A5/">Skip Connection (跳跃连接)</a></li> </ul>Hawhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/haw/Sat, 18 Jul 2026 11:20:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/haw/<h2 id="definition">Definition</h2> <p>在一般语言处理语境中，“haw”是一种非正式的感叹或犹豫声。虽然它不代表人工智能中的核心算法概念，但自然语言处理模型需要&hellip;</p> <h3 id="summary">Summary</h3> <p>一种在非正式数字通信中常用的口语感叹词，在人工智能语境中没有特定的技术含义。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>俗语</li> <li>语用学</li> <li>语音识别</li> <li>对话式人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>转录优化</li> <li>日常对话的情感分析</li> <li>语音助手意图消歧</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interjection-%E6%84%9F%E5%8F%B9%E8%AF%8D/">interjection (感叹词)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/filler_words-%E5%A1%AB%E5%85%85%E8%AF%8D/">filler_words (填充词)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_to_text-%E8%AF%AD%E9%9F%B3%E8%BD%AC%E6%96%87%E6%9C%AC/">speech_to_text (语音转文本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pragmatics-%E8%AF%AD%E7%94%A8%E5%AD%A6/">pragmatics (语用学)</a></li> </ul>Hugging Face ASR 排行榜https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hf_asr_leaderboard/Sat, 18 Jul 2026 11:20:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hf_asr_leaderboard/<h2 id="definition">Definition</h2> <p>HF ASR 排行榜是由 Hugging Face 托管的一个社区驱动指标平台，追踪自动语音识别领域的最新性能表现。它允许研究人员和开发者&hellip;</p> <h3 id="summary">Summary</h3> <p>Hugging Face 上的一个排名系统，用于评估和比较自动语音识别模型的性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基准测试</li> <li>自动语音识别</li> <li>开源</li> <li>性能指标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>部署时的模型选择</li> <li>研究进展跟踪</li> <li>社区贡献评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging_face-hugging-face/">hugging_face (Hugging Face)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wer-%E8%AF%8D%E9%94%99%E8%AF%AF%E7%8E%87/">wer (词错误率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech_model-%E8%AF%AD%E9%9F%B3%E6%A8%A1%E5%9E%8B/">speech_model (语音模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/benchmark-%E5%9F%BA%E5%87%86/">benchmark (基准)</a></li> </ul>你好世界：机器时代如何做人https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hello_world_how_to_be_human_in_the_age_of_the_machine/Sat, 18 Jul 2026 11:20:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hello_world_how_to_be_human_in_the_age_of_the_machine/<h2 id="definition">Definition</h2> <p>该短语指的是一部特定的文学作品，考察人类如何在快速的技术进步中保持相关性和尊严。在人工智能话语中，它作为一个文化参考点&hellip;</p> <h3 id="summary">Summary</h3> <p>一本探讨人性与技术交汇处的书籍标题，常在关于人工智能伦理和未来工作的讨论中被引用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机交互</li> <li>科技伦理</li> <li>未来工作</li> <li>文化参考</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>伦理培训材料</li> <li>政策讨论框架</li> <li>社会影响评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automation_impact-%E8%87%AA%E5%8A%A8%E5%8C%96%E5%BD%B1%E5%93%8D/">automation_impact (自动化影响)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human_centered_ai-%E4%BB%A5%E4%BA%BA%E4%B8%BA%E6%9C%AC%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">human_centered_ai (以人为本的人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tech_philosophy-%E7%A7%91%E6%8A%80%E5%93%B2%E5%AD%A6/">tech_philosophy (科技哲学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/workforce_displacement-%E5%8A%B3%E5%8A%A8%E5%8A%9B%E6%9B%BF%E4%BB%A3/">workforce_displacement (劳动力替代)</a></li> </ul>隐藏层https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hidden_layer/Sat, 18 Jul 2026 11:20:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hidden_layer/<h2 id="definition">Definition</h2> <p>隐藏层由神经元组成，这些神经元接收来自前一层层的输入，应用权重和偏置，并通过激活函数将转换后的数据传递到下一层。这些层使神经网络能够&hellip;</p> <h3 id="summary">Summary</h3> <p>神经网络中输入层和输出层之间的中间层，负责处理特征。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经网络</li> <li>特征提取</li> <li>激活函数</li> <li>深度学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像识别系统</li> <li>自然语言处理模型</li> <li>预测性分析</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Sequential( </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>Linear(<span style="color:#099">784</span>, <span style="color:#099">128</span>), </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>ReLU(), </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>Linear(<span style="color:#099">128</span>, <span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuron-%E7%A5%9E%E7%BB%8F%E5%85%83/">neuron (神经元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/activation_function-%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0/">activation_function (激活函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> </ul>有害内容https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/harmful_content/Sat, 18 Jul 2026 11:20:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/harmful_content/<h2 id="definition">Definition</h2> <p>有害内容是指可能造成身体、心理或社会损害的数字媒体或文本。在人工智能安全领域，检测并过滤此类内容至关重要，以防止模型生成&hellip;</p> <h3 id="summary">Summary</h3> <p>对个人或社会构成风险的信息，包括仇恨言论、暴力和非法行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内容审核</li> <li>人工智能安全</li> <li>毒性检测</li> <li>伦理准则</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交媒体平台过滤</li> <li>自动化内容审查系统</li> <li>人工智能模型对齐训练</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/toxicity-%E6%AF%92%E6%80%A7/">toxicity (毒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/misinformation-%E8%99%9A%E5%81%87%E4%BF%A1%E6%81%AF/">misinformation (虚假信息)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/content_policy-%E5%86%85%E5%AE%B9%E6%94%BF%E7%AD%96/">content_policy (内容政策)</a></li> </ul>H2Ohttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/h2o/Sat, 18 Jul 2026 11:20:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/h2o/<h2 id="definition">Definition</h2> <h3 id="summary">Summary</h3> <p>H2O是一个广泛使用的开源内存中平台，用于分布式、可扩展的机器学习和预测分析。最初由两名哈佛大学博士生开发，它提供了一个统一的框架，支持从传统机器学习到深度学习的多种算法，并具备自动机器学习功能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内存计算</li> <li>自动机器学习</li> <li>深度学习</li> <li>分布式处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建用于金融风险评估的预测模型</li> <li>自动化特征工程和模型选择</li> <li>在大规模数据集上部署深度学习模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pandas-python%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%BA%93/">Pandas (Python数据分析库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scikit-learn-python%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%BA%93/">Scikit-learn (Python机器学习库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/spark-mllib-spark%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%BA%93/">Spark MLlib (Spark机器学习库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automl-%E8%87%AA%E5%8A%A8%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">AutoML (自动机器学习)</a></li> </ul>Halite AI编程竞赛https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/halite_ai_programming_competition/Sat, 18 Jul 2026 11:20:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/halite_ai_programming_competition/<h2 id="definition">Definition</h2> <p>Halite是由Two Sigma公司主办的年度AI编程竞赛，开发者在此创建自主代理以在网格上进行回合制策略游戏。目标包括收集资源、种植树木、生产单位以及与其他玩家的代理进行战斗，旨在测试AI在动态环境下的决策能力。</p> <h3 id="summary">Summary</h3> <p>一项竞争性编程比赛，参与者编写人工智能代理来玩涉及资源管理和战斗的策略游戏。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多智能体系统</li> <li>强化学习</li> <li>博弈论</li> <li>启发式搜索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>多智能体强化学习研究</li> <li>基准测试AI策略能力</li> <li>算法游戏设计的教育工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/starcraft-ai-%E6%98%9F%E9%99%85%E4%BA%89%E9%9C%B8ai/">StarCraft AI (星际争霸AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alphastar-%E9%98%BF%E5%B0%94%E6%B3%95%E6%98%9F/">AlphaStar (阿尔法星)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/competitive-programming-%E7%AB%9E%E6%8A%80%E7%BC%96%E7%A8%8B/">Competitive Programming (竞技编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/two-sigma-%E9%87%8F%E5%8C%96%E6%8A%95%E8%B5%84%E5%85%AC%E5%8F%B8/">Two Sigma (量化投资公司)</a></li> </ul>哥德尔机https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/g%C3%B6del_machine/Sat, 18 Jul 2026 11:20:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/g%C3%B6del_machine/<h2 id="definition">Definition</h2> <p>哥德尔机是由于尔根·施密德胡伯提出的假设性通用问题求解器，基于形式逻辑和可计算性理论。它通过持续分析自身的源代码来寻找更高效的算法实现方式，并在证明新代码能带来更高效用时进行自我修改。</p> <h3 id="summary">Summary</h3> <p>一种理论上的自我改进人工智能程序，能够在不改变目标的情况下重写自身源代码以提高效率。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自我修改</li> <li>效用函数</li> <li>形式验证</li> <li>计算效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人工通用智能的理论研究</li> <li>研究算法自我改进的极限</li> <li>探索人工智能安全中的形式化方法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agi-%E4%BA%BA%E5%B7%A5%E9%80%9A%E7%94%A8%E6%99%BA%E8%83%BD/">AGI (人工通用智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recursive-self-improvement-%E9%80%92%E5%BD%92%E8%87%AA%E6%88%91%E6%94%B9%E8%BF%9B/">Recursive Self-Improvement (递归自我改进)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-information-theory-%E7%AE%97%E6%B3%95%E4%BF%A1%E6%81%AF%E8%AE%BA/">Algorithmic Information Theory (算法信息论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/schmidhuber-%E4%BA%8E%E5%B0%94%E6%A0%B9-%E6%96%BD%E5%AF%86%E5%BE%B7%E8%83%A1%E4%BC%AF/">Schmidhuber (于尔根·施密德胡伯)</a></li> </ul>护栏https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/guardrails/Sat, 18 Jul 2026 11:20:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/guardrails/<h2 id="definition">Definition</h2> <p>护栏指的是一组集成在人工智能应用（特别是大型语言模型）中的软件控制和策略执行层，以确保安全且合规的行为。它们充当过滤器，拦截不当输入并规范输出结果，从而降低风险。</p> <h3 id="summary">Summary</h3> <p>旨在限制人工智能模型输出，以防止生成有害、有偏见或未经授权内容的安全机制。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>输入/输出过滤</li> <li>策略执行</li> <li>毒性检测</li> <li>提示注入防御</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>需要严格品牌合规性的企业聊天机器人</li> <li>确保医疗准确性和隐私的医疗助手</li> <li>防止使用冒犯性语言的客户服务机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/content-moderation-%E5%86%85%E5%AE%B9%E5%AE%A1%E6%A0%B8/">Content Moderation (内容审核)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84ai/">Responsible AI (负责任的AI)</a></li> </ul>人工智能硬件https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hardware_for_artificial_intelligence/Sat, 18 Jul 2026 11:20:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hardware_for_artificial_intelligence/<h2 id="definition">Definition</h2> <p>人工智能硬件指的是针对机器学习工作负载所需的巨大并行处理能力进行优化的专用计算设备。这包括用于通用并行计算的图形处理器（GPU），以及专门针对张量运算定制的张量处理单元（TPU）等加速器，旨在提高训练和推理效率。</p> <h3 id="summary">Summary</h3> <p>专为加速机器学习算法和神经网络训练的计算需求而设计的专用物理组件。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>并行处理</li> <li>GPU/TPU</li> <li>推理加速</li> <li>内存带宽</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高效训练大型语言模型</li> <li>自动驾驶汽车中的实时物体检测</li> <li>高频交易算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tpu-%E5%BC%A0%E9%87%8F%E5%A4%84%E7%90%86%E5%8D%95%E5%85%83/">TPU (张量处理单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuromorphic-computing-%E7%A5%9E%E7%BB%8F%E5%BD%A2%E6%80%81%E8%AE%A1%E7%AE%97/">Neuromorphic Computing (神经形态计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-ai-%E8%BE%B9%E7%BC%98%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Edge AI (边缘人工智能)</a></li> </ul>Grokhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grok/Sat, 18 Jul 2026 11:20:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grok/<h2 id="definition">Definition</h2> <p>Grok是由埃隆·马斯克的公司xAI创建的大型语言模型聊天机器人。它主要面向X平台（前身为Twitter）的订阅用户开放。Grok的独特之处在于其实时访问社交媒体数据的能力，这使其能够提供基于最新事件的回答，并具备独特的“叛逆”或幽默的人格设定。与许多其他注重安全过滤的AI助手不同，Grok旨在提供更直接、更少受限的回答风格，从而在生成创意内容和处理时事话题时表现出不同的特点。</p> <h3 id="summary">Summary</h3> <p>由xAI开发的人工智能聊天机器人，集成于X平台，以其对社交媒体数据的实时访问能力和幽默风趣的性格而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>实时数据访问</li> <li>xAI</li> <li>对话式人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>基于当前事件回答问题</li> <li>生成创意和幽默内容</li> <li>总结社交媒体趋势</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">llm (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chatbot-%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA/">chatbot (聊天机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/xai-xai%E5%85%AC%E5%8F%B8/">xai (xAI公司)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)</a></li> </ul>Grok 1https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grok_1/Sat, 18 Jul 2026 11:20:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grok_1/<h2 id="definition">Definition</h2> <p>Grok-1是xAI于2023年11月发布的开创性产品。它是一个仅解码器（decoder-only）的基于Transformer架构的大型语言模型，拥有约330亿个参数。值得注意的是，它采用了混合专家（Mixture-of-Experts, MoE）架构，这意味着在每次推理过程中，并非所有参数都被激活，而是根据输入动态选择特定的“专家”子网络进行处理。这种设计提高了计算效率，允许模型在处理复杂任务时保持较高的性能，同时减少了资源消耗。</p> <h3 id="summary">Summary</h3> <p>xAI发布的首个版本的Grok语言模型，采用混合专家（MoE）架构，参数量约为330亿。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混合专家架构</li> <li>Transformer架构</li> <li>参数量</li> <li>仅解码器模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本生成与补全</li> <li>代码合成</li> <li>复杂推理任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/grok-grok%E7%B3%BB%E5%88%97/">grok (Grok系列)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moe_architecture-%E6%B7%B7%E5%90%88%E4%B8%93%E5%AE%B6%E6%9E%B6%E6%9E%84/">moe_architecture (混合专家架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">transformer (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/large_language_model-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">large_language_model (大型语言模型)</a></li> </ul>顿悟学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grokking/Sat, 18 Jul 2026 11:20:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grokking/<h2 id="definition">Definition</h2> <p>顿悟学习（Grokking）是指深度学习中观察到的一种反直觉行为：模型在训练数据上长时间过拟合，表现出较差的泛化能力，但在经过漫长的训练周期后，突然在测试集上实现近乎完美的泛化。这种现象表明，优化过程可能存在两个截然不同的阶段：首先是记忆训练样本，随后是理解数据背后的潜在规律。顿悟学习对于理解神经网络的泛化界限、训练动力学以及记忆与学习之间的关系具有重要意义，尤其是在小数据集场景下。</p> <h3 id="summary">Summary</h3> <p>一种现象，指神经网络在小数据集上经过长时间训练后，突然展现出良好的泛化能力，远超记忆训练数据的阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>延迟泛化</li> <li>过拟合</li> <li>小数据集</li> <li>优化动力学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究模型泛化能力的极限</li> <li>分析训练动力学</li> <li>理解记忆与学习的区别</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">generalization (泛化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning_theory-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%90%86%E8%AE%BA/">deep_learning_theory (深度学习理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/training_dynamics-%E8%AE%AD%E7%BB%83%E5%8A%A8%E5%8A%9B%E5%AD%A6/">training_dynamics (训练动力学)</a></li> </ul>接地https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grounding/Sat, 18 Jul 2026 11:20:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grounding/<h2 id="definition">Definition</h2> <p>在人工智能中，“接地”（Grounding）指的是将符号表示或生成的文本与具体的现实世界实体、数据或感官体验联系起来的过程。对于语言模型而言，这通常涉及检索增强生成（RAG），即从外部知识库中检索相关事实来支持生成内容，从而减少幻觉。在多模态AI中，接地还涉及将语言描述与图像、音频或机器人传感器数据对齐，使AI系统能够真正“理解”其所处理的信息与现实世界的对应关系，提高系统的可靠性和可解释性。</p> <h3 id="summary">Summary</h3> <p>将抽象的人工智能输出与现实世界的事实、数据来源或物理情境相连接的过程，以确保准确性和相关性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>检索增强生成</li> <li>上下文准确性</li> <li>事实性</li> <li>感知运动整合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>减少大语言模型中的幻觉</li> <li>将自然语言处理与机器人控制连接</li> <li>对照知识库验证声明</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">rag (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hallucination_reduction-%E5%B9%BB%E8%A7%89%E6%8A%91%E5%88%B6/">hallucination_reduction (幻觉抑制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge_graphs-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">knowledge_graphs (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal_ai-%E5%A4%9A%E6%A8%A1%E6%80%81%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">multimodal_ai (多模态人工智能)</a></li> </ul>图形处理器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graphics_processing_unit/Sat, 18 Jul 2026 11:20:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graphics_processing_unit/<h2 id="definition">Definition</h2> <p>GPU（图形处理器）是一种高性能处理器，最初是为处理图形渲染任务而开发的。与拥有少量针对顺序串行处理进行优化的核心的CPU不同，GPU包含数千个核心，使其能够同时执行大量计算任务。这种架构特别适合需要高吞吐量的并行运算场景，如深度学习训练、科学模拟和实时图形渲染。GPU通过其大规模并行处理能力，显著加速了人工智能模型的训练和推理过程。</p> <h3 id="summary">Summary</h3> <p>一种专为快速图像处理和渲染而设计的专用电子电路，现广泛用于人工智能中的并行计算。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>并行处理</li> <li>CUDA核心</li> <li>矩阵乘法</li> <li>硬件加速</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型神经网络</li> <li>实时计算机视觉推理</li> <li>在模拟中渲染3D图形</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensor_processing_unit-%E5%BC%A0%E9%87%8F%E5%A4%84%E7%90%86%E5%8D%95%E5%85%83/">tensor_processing_unit (张量处理单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/central_processing_unit-%E4%B8%AD%E5%A4%AE%E5%A4%84%E7%90%86%E5%99%A8/">central_processing_unit (中央处理器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/parallel_computing-%E5%B9%B6%E8%A1%8C%E8%AE%A1%E7%AE%97/">parallel_computing (并行计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu_memory-%E6%98%BE%E5%AD%98/">gpu_memory (显存)</a></li> </ul>GPT-2https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt2/Sat, 18 Jul 2026 11:19:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt2/<h2 id="definition">Definition</h2> <p>生成式预训练 Transformer 2（GPT-2）是一个自回归语言模型，它利用 Transformer 架构来生成类人文本。它在海量的互联网文本数据集上进行了训练。</p> <h3 id="summary">Summary</h3> <p>GPT-2 是由 OpenAI 开发的一个基于 Transformer 架构的大规模语言模型，用于文本生成和理解。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Transformer 架构</li> <li>自回归建模</li> <li>自然语言处理</li> <li>少样本学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本补全与生成</li> <li>机器翻译</li> <li>对话智能体</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert/">BERT</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">注意力机制</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E8%AF%8D/">分词</a></li> </ul>GraphQLhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graphql/Sat, 18 Jul 2026 11:19:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graphql/<h2 id="definition">Definition</h2> <p>由 Facebook 开发，GraphQL 提供了对 API 中数据的完整且易于理解的描述，赋予客户端只请求所需数据的能力。它取代了传统的 REST API 模式，减少了过度获取或获取不足的问题。</p> <h3 id="summary">Summary</h3> <p>GraphQL 是一种用于 API 的查询语言，以及根据现有数据满足这些查询的运行时，允许客户端请求它们确切需要的内容。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模式定义</li> <li>查询语言</li> <li>单一端点</li> <li>类型安全</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>现代 Web 应用后端</li> <li>移动应用数据获取</li> <li>微服务编排</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rest-api/">REST API</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/apollo-server/">Apollo Server</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/json/">JSON</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%BC%8F/">模式</a></li> </ul>粒计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/granular_computing/Sat, 18 Jul 2026 11:19:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/granular_computing/<h2 id="definition">Definition</h2> <p>这种方法通过将数据分组为更高层级的实体或“粒”，而不是处理单个元素，从而模仿人类的认知过程。它涵盖了粗糙集、模糊逻辑等技术。</p> <h3 id="summary">Summary</h3> <p>粒计算是一种在不同抽象层次上处理信息的范式，将数据组织成称为信息粒的有意义结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息粒</li> <li>粗糙集</li> <li>模糊逻辑</li> <li>抽象层次</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数据挖掘与聚类</li> <li>决策支持系统</li> <li>处理不确定数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B2%97%E7%B3%99%E9%9B%86%E7%90%86%E8%AE%BA/">粗糙集理论</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E7%B3%8A%E7%B3%BB%E7%BB%9F/">模糊系统</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%81%9A%E7%B1%BB/">聚类</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">认知计算</a></li> </ul>梯度累积https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gradient_accumulation/Sat, 18 Jul 2026 11:19:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gradient_accumulation/<h2 id="definition">Definition</h2> <p>这种优化策略允许深度学习模型使用超出 GPU 显存容量的有效批量大小进行训练。通过从多个小批量中累积梯度并执行权重更新，可以实现这一目标。</p> <h3 id="summary">Summary</h3> <p>梯度累积是一种通过在前向/反向传播过程中累加多个步骤的梯度，从而模拟更大批量大小的技术，之后才更新权重。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>批量大小模拟</li> <li>内存优化</li> <li>随机梯度下降</li> <li>权重更新</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>微调大模型</li> <li>在有限显存下训练</li> <li>稳定损失收敛</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%89%B9%E5%BD%92%E4%B8%80%E5%8C%96/">批归一化</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AD%A6%E4%B9%A0%E7%8E%87%E7%BC%A9%E6%94%BE/">学习率缩放</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BC%98%E5%8C%96%E5%99%A8/">优化器</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">反向传播</a></li> </ul>语法系统理论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grammar_systems_theory/Sat, 18 Jul 2026 11:19:45 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grammar_systems_theory/<h2 id="definition">Definition</h2> <p>该领域起源于理论计算机科学和语言学，将经典的乔姆斯基层级概念扩展到多组件系统。它研究了多个语法或组件如何相互作用以产生复杂的计算行为。</p> <h3 id="summary">Summary</h3> <p>语法系统理论是形式语言理论的一个分支，研究基于在并行或分布式环境中相互作用的语法的计算模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>形式语言</li> <li>并行计算</li> <li>乔姆斯基层级</li> <li>膜计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理论计算机科学的研究</li> <li>生物系统的建模</li> <li>分布式算法设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E5%8A%A8%E6%9C%BA%E7%90%86%E8%AE%BA/">自动机理论</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/p%E7%B3%BB%E7%BB%9F/">P系统</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BD%A2%E5%BC%8F%E6%96%87%E6%B3%95/">形式文法</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%AE%A1%E7%AE%97%E6%80%A7/">可计算性</a></li> </ul>Google Colabhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/google_colab/Sat, 18 Jul 2026 11:19:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/google_colab/<h2 id="definition">Definition</h2> <p>Google Colaboratory（通常简称为 Colab）是一项托管的 Jupyter Notebook 服务，无需进行任何设置即可使用，并提供免费的计算资源访问权限，包括图形处理器（GPU）。</p> <h3 id="summary">Summary</h3> <p>一种基于云的 Jupyter Notebook 环境，允许用户通过浏览器编写和执行 Python 代码，并提供免费的 GPU 访问权限。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>云计算</li> <li>Jupyter Notebook</li> <li>GPU 加速</li> <li>Python 编程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器学习原型开发</li> <li>数据科学教育</li> <li>协作式编码</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/jupyterlab-jupyterlab-%E9%9B%86%E6%88%90%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83/">JupyterLab (JupyterLab 集成开发环境)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kaggle-notebooks-kaggle-%E7%AC%94%E8%AE%B0%E6%9C%AC%E5%B9%B3%E5%8F%B0/">Kaggle Notebooks (Kaggle 笔记本平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/google-drive-google-%E4%BA%91%E7%AB%AF%E7%A1%AC%E7%9B%98/">Google Drive (Google 云端硬盘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/python-python-%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80/">Python (Python 编程语言)</a></li> </ul>Google Researchhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/google_research/Sat, 18 Jul 2026 11:19:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/google_research/<h2 id="definition">Definition</h2> <p>Google Research 是谷歌有限责任公司的学术和工业研究部门，专注于在人工智能、自然语言处理和量子计算等领域突破技术边界。</p> <h3 id="summary">Summary</h3> <p>谷歌致力于通过基础和应用研究推动人工智能、机器学习和计算机科学发展的研究部门。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工智能</li> <li>开源</li> <li>深度学习</li> <li>科学出版</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推进自然语言处理模型</li> <li>开发硬件加速器</li> <li>发表学术论文</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepmind-%E6%B7%B1%E5%BA%A6%E6%80%9D%E7%BB%B4/">DeepMind (深度思维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BA/">BERT (双向编码器表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tpu-%E5%BC%A0%E9%87%8F%E5%A4%84%E7%90%86%E5%8D%95%E5%85%83/">TPU (张量处理单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">AI Ethics (人工智能伦理)</a></li> </ul>Gpt Bigcodehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt_bigcode/Sat, 18 Jul 2026 11:19:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt_bigcode/<h2 id="definition">Definition</h2> <p>GPT Bigcode 通常与 StarCoder 等模型相关联，代表了编码辅助人工智能的重大进步。这些模型在庞大的公共代码库上进行预训练，以理解编程语言的语法和语义。</p> <h3 id="summary">Summary</h3> <p>一个专门针对代码生成和理解进行训练的大型语言模型家族，由 BigCode 项目开发。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>代码生成</li> <li>大型语言模型</li> <li>软件开发</li> <li>多语言支持</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化代码补全</li> <li>错误检测</li> <li>代码翻译</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/starcoder-%E6%98%9F%E7%A0%81%E6%A8%A1%E5%9E%8B/">StarCoder (星码模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/github-copilot-github-%E6%99%BA%E8%83%BD%E7%BC%96%E7%A0%81%E5%8A%A9%E6%89%8B/">GitHub Copilot (GitHub 智能编码助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/programming-languages-%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80/">Programming Languages (编程语言)</a></li> </ul>Gpt Osshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt_oss/Sat, 18 Jul 2026 11:19:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt_oss/<h2 id="definition">Definition</h2> <p>GPT OSS 通常指专有生成式预训练 Transformer 模型的开源替代品或衍生项目。这些项目允许开发者访问、修改和部署大型语言模型。</p> <h3 id="summary">Summary</h3> <p>指可供公众修改和分发的、基于 GPT 类架构的开源软件（OSS）实现或变体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源</li> <li>Transformer 架构</li> <li>模型权重</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>本地模型部署</li> <li>自定义领域训练</li> <li>学术研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llama-%E5%85%83%E5%85%AC%E5%8F%B8%E5%BC%80%E6%BA%90%E5%A4%A7%E6%A8%A1%E5%9E%8B/">Llama (元公司开源大模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-hugging-face-%E5%B9%B3%E5%8F%B0/">Hugging Face (Hugging Face 平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-%E5%BC%80%E6%BA%90/">Open Source (开源)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E8%BD%AC%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (转换器架构)</a></li> </ul>治理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/governance/Sat, 18 Jul 2026 11:19:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/governance/<h2 id="definition">Definition</h2> <p>AI 治理是指管理人工智能创建、使用和审计的一套规则、指南和机构结构。它涵盖法律合规性、伦理考量以及风险管理。</p> <h3 id="summary">Summary</h3> <p>为确保人工智能系统以负责任和合乎道德的方式开发和部署而建立的政策、标准和监督机制框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>伦理</li> <li>合规</li> <li>风险管理</li> <li>问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监管合规</li> <li>偏见缓解</li> <li>政策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-safety-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%AE%89%E5%85%A8/">AI Safety (人工智能安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Responsible AI (负责任的人工智能)</a></li> </ul>Gibberlinkhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gibberlink/Sat, 18 Jul 2026 11:19:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gibberlink/<h2 id="definition">Definition</h2> <p>在人工智能、机器学习或计算机科学领域，并不存在名为“Gibberlink”的既定概念、技术或方法论。它可能是一个拼写错误，或者是虚构的概念。</p> <h3 id="summary">Summary</h3> <p>Gibberlink 并非人工智能文献中公认的标准术语。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>术语验证</li> <li>非标准术语</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>识别研究中的未定义术语</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-glossary-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%9C%AF%E8%AF%AD%E8%A1%A8/">AI glossary (人工智能术语表)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-basics-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F%BA%E7%A1%80/">Machine learning basics (机器学习基础)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> </ul>GLMhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/glm/Sat, 18 Jul 2026 11:19:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/glm/<h2 id="definition">Definition</h2> <p>在统计建模中，GLM 代表广义线性模型（Generalized Linear Models），它将线性回归扩展到允许响应变量具有正态分布以外的误差分布模型。在人工智能领域，GLM 也常指代智谱 AI 推出的通用语言模型系列。</p> <h3 id="summary">Summary</h3> <p>GLM 通常指统计学中的广义线性模型，或智谱 AI 开发的通用语言模型系列。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>广义线性模型</li> <li>大语言模型</li> <li>前缀语言模型</li> <li>双向编码</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>统计预测</li> <li>自然语言处理</li> <li>文本生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-bert%E6%A8%A1%E5%9E%8B/">BERT (BERT模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/linear-regression-%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92/">Linear Regression (线性回归)</a></li> </ul>GLM MoE DSAhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/glm_moe_dsa/Sat, 18 Jul 2026 11:19:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/glm_moe_dsa/<h2 id="definition">Definition</h2> <p>不存在单一的标准术语“GLM MoE DSA”。然而，它很可能结合了 GLM（一种特定的大型语言模型架构）、MoE（混合专家，一种通过仅激活部分专家来高效扩展模型规模的技术）以及 DSA（可能指动态稀疏注意力或其他类似机制）。</p> <h3 id="summary">Summary</h3> <p>这似乎是不同概念的混合：GLM（通用语言模型）、MoE（混合专家）以及可能的 DSA（动态稀疏注意力等）。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混合专家</li> <li>稀疏注意力</li> <li>模型扩展</li> <li>高效推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>扩展大型语言模型</li> <li>降低推理成本</li> <li>高性能自然语言处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moe-%E6%B7%B7%E5%90%88%E4%B8%93%E5%AE%B6/">MoE (混合专家)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparse-transformers-%E7%A8%80%E7%96%8Ftransformer/">Sparse Transformers (稀疏Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/glm-%E9%80%9A%E7%94%A8%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">GLM (通用语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/switch-transformer-%E5%BC%80%E5%85%B3transformer/">Switch Transformer (开关Transformer)</a></li> </ul>Glossary of Artificial Intelligencehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/glossary_of_artificial_intelligence/Sat, 18 Jul 2026 11:19:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/glossary_of_artificial_intelligence/<h2 id="definition">Definition</h2> <p>人工智能术语表作为参考文档，定义了该领域的专业术语、缩写和概念。它有助于研究人员、开发者和学生理解复杂的技术内容，并促进学术交流的一致性。</p> <h3 id="summary">Summary</h3> <p>人工智能术语表是人工智能研发中使用的术语定义的精选列表。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>术语</li> <li>教育</li> <li>标准化</li> <li>参考资料</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>新研究人员入职培训</li> <li>澄清技术文档</li> <li>学术研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">AI Ethics (人工智能伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> </ul>Google Clipshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/google_clips/Sat, 18 Jul 2026 11:19:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/google_clips/<h2 id="definition">Definition</h2> <p>Google Clips 是谷歌开发的一款消费电子产品，它利用设备端的机器学习来识别有趣的场景和主体（如人脸或宠物），并自动拍摄照片或视频。该产品旨在简化摄影过程，让用户专注于体验而非操作。</p> <h3 id="summary">Summary</h3> <p>Google Clips 是一款口袋大小的 AI 驱动相机，旨在利用机器学习自动捕捉精彩瞬间。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>计算机视觉</li> <li>边缘 AI</li> <li>自动摄影</li> <li>物联网</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>休闲摄影</li> <li>宠物监控</li> <li>家庭记忆捕捉</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/smart-camera-%E6%99%BA%E8%83%BD%E7%9B%B8%E6%9C%BA/">Smart Camera (智能相机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/object-detection-%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B/">Object Detection (目标检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorflow-lite-tensorflow-lite%E6%A1%86%E6%9E%B6/">TensorFlow Lite (TensorFlow Lite框架)</a></li> </ul>Genie（视频生成模型）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/genie/Sat, 18 Jul 2026 11:18:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/genie/<h2 id="definition">Definition</h2> <p>Genie指的是一类专为视频合成设计的生成模型家族。由包括Google DeepMind研究人员在内的团队开发，这些模型旨在根据给定的输入（如文本描述或起始图像）生成连贯的视频序列。它们通常利用世界模型的概念，通过预测下一帧来模拟物理世界的动态变化。</p> <h3 id="summary">Summary</h3> <p>一类特定的视频生成模型，以谷歌的Genie为代表，可根据文本或视觉输入预测视频的未来帧。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>视频合成</li> <li>时间一致性</li> <li>帧预测</li> <li>多模态输入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>动画内容创作</li> <li>机器人仿真环境</li> <li>视觉特效预可视化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sora-sora/">Sora (Sora)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%A7%86%E9%A2%91%E6%89%A9%E6%95%A3-video-diffusion/">视频扩散 (Video Diffusion)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%B6%E5%BA%8F%E5%BB%BA%E6%A8%A1-temporal-modeling/">时序建模 (Temporal Modeling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%9A%E6%A8%A1%E6%80%81ai-multimodal-ai/">多模态AI (Multimodal AI)</a></li> </ul>创世使命https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/genesis_mission/Sat, 18 Jul 2026 11:18:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/genesis_mission/<h2 id="definition">Definition</h2> <p>“创世使命”通常指组织内旨在为高级AI能力奠定基础的战略性阶段或项目。这涉及搭建核心基础设施、定义开发标准以及确立伦理准则。该阶段的目标是确保AI系统的引入是可持续、合规且符合组织长期愿景的，为后续的大规模应用铺平道路。</p> <h3 id="summary">Summary</h3> <p>一项专注于为未来生成式AI发展建立基础AI原则、基础设施和伦理指南的组织倡议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>战略基础</li> <li>伦理框架</li> <li>基础设施搭建</li> <li>试点项目</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业AI战略制定</li> <li>初始模型选择与测试</li> <li>建立AI伦理委员会</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E6%88%98%E7%95%A5-ai-strategy/">AI战略 (AI Strategy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B-foundation-model/">基础模型 (Foundation Model)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%88%E8%A7%84%E6%80%A7-compliance/">合规性 (Compliance)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%9B%E6%96%B0%E5%AE%9E%E9%AA%8C%E5%AE%A4-innovation-lab/">创新实验室 (Innovation Lab)</a></li> </ul>几何特征学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/geometric_feature_learning/Sat, 18 Jul 2026 11:18:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/geometric_feature_learning/<h2 id="definition">Definition</h2> <p>几何特征学习专注于处理具有非欧几里得结构的数据，例如社交网络、分子图或3D网格。传统的卷积神经网络难以直接应用于此类数据，因此该技术利用图神经网络（GNNs）和流形学习等方法，保留数据的拓扑结构和对称性，从而有效提取特征并进行分析。</p> <h3 id="summary">Summary</h3> <p>一种深度学习技术，使用专用神经网络从具有固有几何结构（如图或流形）的数据中提取特征。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图神经网络</li> <li>流形学习</li> <li>对称性保持</li> <li>拓扑数据分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>药物发现与分子建模</li> <li>社交网络分析</li> <li>3D物体识别</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E5%8D%B7%E7%A7%AF%E7%BD%91%E7%BB%9C-graph-convolutional-network/">图卷积网络 (Graph Convolutional Network)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AD%89%E5%8F%98%E6%80%A7-equivariance/">等变性 (Equivariance)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B5%81%E5%BD%A2%E5%81%87%E8%AE%BE-manifold-hypothesis/">流形假设 (Manifold Hypothesis)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%B3%E7%B3%BB%E5%AD%A6%E4%B9%A0-relational-learning/">关系学习 (Relational Learning)</a></li> </ul>生成模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generative_model/Sat, 18 Jul 2026 11:18:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generative_model/<h2 id="definition">Definition</h2> <p>生成模型是旨在理解给定数据集中模式和结构的算法，以便创建与原始数据相似的新数据实例。与判别模型不同，生成模型不仅区分数据类别，还学习数据本身的联合概率分布，从而能够“创造”新的数据点，如图像、文本或音频。</p> <h3 id="summary">Summary</h3> <p>一类机器学习模型，通过学习数据的潜在分布来生成与训练数据相似的新颖合成样本。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>概率分布</li> <li>合成数据</li> <li>潜空间</li> <li>训练目标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像生成与编辑</li> <li>自然语言处理</li> <li>小数据集的数据增强</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%A4%E5%88%AB%E6%A8%A1%E5%9E%8B-discriminative-model/">判别模型 (Discriminative Model)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B-diffusion-model/">扩散模型 (Diffusion Model)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer%E6%9E%B6%E6%9E%84-transformer/">Transformer架构 (Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8-autoencoder/">自编码器 (Autoencoder)</a></li> </ul>生成式人工智能依赖https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generative_artificial_intelligence_dependency/Sat, 18 Jul 2026 11:18:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generative_artificial_intelligence_dependency/<h2 id="definition">Definition</h2> <p>这一概念指企业在内容创作、客户服务和数据分析等必要任务中，在战略和运营层面对生成式AI模型产生的依赖。随着采用率的提高，这种依赖性使得企业在系统中断、输出错误或安全漏洞面前变得脆弱，从而凸显了管理此类依赖关系的必要性。</p> <h3 id="summary">Summary</h3> <p>组织对生成式AI系统进行关键业务操作所形成的依赖关系，由此产生与可用性、准确性和安全性相关的风险。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>运营韧性</li> <li>供应商锁定</li> <li>风险管理</li> <li>治理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业风险评估框架</li> <li>业务连续性规划</li> <li>AI采购策略制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E6%B2%BB%E7%90%86-ai-governance/">AI治理 (AI Governance)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E9%A3%8E%E9%99%A9%E7%AE%A1%E7%90%86-model-risk-management/">模型风险管理 (Model Risk Management)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E5%AD%97%E5%8C%96%E8%BD%AC%E5%9E%8B-digital-transformation/">数字化转型 (Digital Transformation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BE%9B%E5%BA%94%E9%93%BE%E5%AE%89%E5%85%A8-supply-chain-security/">供应链安全 (Supply Chain Security)</a></li> </ul>Gemmahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gemma/Sat, 18 Jul 2026 11:18:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gemma/<h2 id="definition">Definition</h2> <p>Gemma 模型旨在为研究人员和开发者提供高效且易于访问的体验。它们提供多种尺寸，包括 2B 和 7B 参数版本，允许在各种硬件上进行部署。</p> <h3 id="summary">Summary</h3> <p>Gemma 是由 Google DeepMind 基于 Gemini 的研究和技术构建的一系列轻量级、最先进的开源模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开放权重</li> <li>Transformer 架构</li> <li>高效推理</li> <li>Google DeepMind</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>本地大语言模型部署</li> <li>研究原型开发</li> <li>边缘计算应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gemini-%E5%8F%8C%E5%AD%90%E5%BA%A7/">Gemini (双子座)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-ai-%E5%BC%80%E6%BA%90%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Open Source AI (开源人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8/">Transformer (变换器)</a></li> </ul>Gemma4https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gemma4/Sat, 18 Jul 2026 11:18:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gemma4/<h2 id="definition">Definition</h2> <p>截至目前的知识，并没有官方发布的专门命名为“Gemma4”的模型，它与现有的 Gemma 2 系列不同。它可能指的是一种推测性的未来发布，或者是特定的内部&hellip;</p> <h3 id="summary">Summary</h3> <p>Gemma4 指的是谷歌 Gemma 模型家族的一种假设性或未来的迭代版本，可能暗示第四代主要版本或该谱系中的特定变体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型迭代</li> <li>版本控制</li> <li>推测性术语</li> <li>进化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>未来规划</li> <li>假设性分析</li> <li>术语澄清</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gemma-gemma%E6%A8%A1%E5%9E%8B/">Gemma (Gemma模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gemma-2-gemma%E7%AC%AC%E4%BA%8C%E4%BB%A3/">Gemma 2 (Gemma第二代)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-versioning-%E6%A8%A1%E5%9E%8B%E7%89%88%E6%9C%AC%E6%8E%A7%E5%88%B6/">Model Versioning (模型版本控制)</a></li> </ul>生成式人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generative_ai/Sat, 18 Jul 2026 11:18:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generative_ai/<h2 id="definition">Definition</h2> <p>这些系统（包括大型语言模型和扩散模型）不仅仅是检索现有信息，而是合成新颖的输出。它们学习其训练数据的底层结构和风格&hellip;</p> <h3 id="summary">Summary</h3> <p>生成式人工智能是一种能够基于从训练数据中学到的模式创建新内容（如文本、图像、音频和代码）的人工智能类型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内容合成</li> <li>模式学习</li> <li>LLMs (大型语言模型)</li> <li>Diffusion models (扩散模型)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本生成</li> <li>图像创作</li> <li>代码补全</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Networks (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/creative-ai-%E5%88%9B%E6%84%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Creative AI (创意人工智能)</a></li> </ul>位置、尺度和形状广义加性模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generalized_additive_model_for_location_scale_and_shape/Sat, 18 Jul 2026 11:18:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generalized_additive_model_for_location_scale_and_shape/<h2 id="definition">Definition</h2> <p>与传统回归模型仅关注均值不同，GAMLSS 对整个分布进行建模，包括位置（均值/中位数）、尺度（方差）、偏度和峰度。它使用广义&hellip;</p> <h3 id="summary">Summary</h3> <p>GAMLSS 是一种灵活的统计框架，允许使用加性平滑函数将所有分布参数建模为解释变量的函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分布建模</li> <li>加性平滑</li> <li>方差建模</li> <li>统计灵活性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生长曲线分析</li> <li>风险评估</li> <li>复杂数据分布拟合</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/glm-%E5%B9%BF%E4%B9%89%E7%BA%BF%E6%80%A7%E6%A8%A1%E5%9E%8B/">GLM (广义线性模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/smoothing-splines-%E5%B9%B3%E6%BB%91%E6%A0%B7%E6%9D%A1/">Smoothing Splines (平滑样条)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistical-modeling-%E7%BB%9F%E8%AE%A1%E5%BB%BA%E6%A8%A1/">Statistical Modeling (统计建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regression-analysis-%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90/">Regression Analysis (回归分析)</a></li> </ul>性别数字鸿沟https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gender_digital_divide/Sat, 18 Jul 2026 11:18:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gender_digital_divide/<h2 id="definition">Definition</h2> <p>这一社会技术概念突出了女性与女孩在数字设备访问、互联网连接和数字素养技能方面往往少于男性和男孩的差异。这些差&hellip;</p> <h3 id="summary">Summary</h3> <p>性别数字鸿沟是指男性与女性在获取、使用信息通信技术以及从中获益方面存在的差距。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数字公平</li> <li>接入差异</li> <li>社会经济因素</li> <li>包容性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政策制定</li> <li>社会影响评估</li> <li>人工智能偏见缓解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-literacy-%E6%95%B0%E5%AD%97%E7%B4%A0%E5%85%BB/">Digital Literacy (数字素养)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/equity-%E5%85%AC%E5%B9%B3/">Equity (公平)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">Bias (偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ict-access-%E4%BF%A1%E6%81%AF%E9%80%9A%E4%BF%A1%E6%8A%80%E6%9C%AF%E6%8E%A5%E5%85%A5/">ICT Access (信息通信技术接入)</a></li> </ul>Galaxy AIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/galaxy_ai/Sat, 18 Jul 2026 11:18:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/galaxy_ai/<h2 id="definition">Definition</h2> <p>Galaxy AI是三星专有的AI功能生态系统，旨在通过增强其硬件产品线（主要是智能手机）的用户体验来发挥作用。它包括实时翻译等功能。</p> <h3 id="summary">Summary</h3> <p>三星对其集成在其Galaxy智能手机和设备中的端侧及云端人工智能功能套件的品牌命名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>端侧AI</li> <li>生成式AI</li> <li>移动计算</li> <li>用户体验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时语言翻译</li> <li>照片编辑与增强</li> <li>会议笔记摘要生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/samsung-%E4%B8%89%E6%98%9F/">Samsung (三星)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/smartphone-ai-%E6%99%BA%E8%83%BD%E6%89%8B%E6%9C%BAai/">Smartphone AI (智能手机AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-edit-%E7%94%9F%E6%88%90%E5%BC%8F%E7%BC%96%E8%BE%91/">Generative Edit (生成式编辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/live-translate-%E5%AE%9E%E6%97%B6%E7%BF%BB%E8%AF%91/">Live Translate (实时翻译)</a></li> </ul>GPT-5.6https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt_56/Sat, 18 Jul 2026 11:18:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gpt_56/<h2 id="definition">Definition</h2> <p>GPT-5.6指的是OpenAI大型语言模型谱系中一个推测性的或即将推出的版本。虽然具体细节可能因开发时间线的不同而有所差异，但此类迭代通常体现了技术的进一步演进。</p> <h3 id="summary">Summary</h3> <p>OpenAI的生成式预训练Transformer系列的一个假设性或未来迭代版本，代表了超越当前GPT模型的进步。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>Transformer架构</li> <li>模型迭代</li> <li>通用人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高级自然语言处理</li> <li>复杂推理任务</li> <li>多模态内容生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt-4/">GPT-4</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/openai/">OpenAI</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">神经网络</a></li> </ul>博弈论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/game_theory/Sat, 18 Jul 2026 11:18:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/game_theory/<h2 id="definition">Definition</h2> <p>博弈论是应用数学的一个分支，用于建模理性主体之间的战略互动。它分析了其中一个参与者的成功取决于其他人选择的情境。关键概念包括纳什均衡等。</p> <h3 id="summary">Summary</h3> <p>对理性决策者之间战略互动的数学研究，其中结果取决于所有参与者的行动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>纳什均衡</li> <li>理性主体</li> <li>战略互动</li> <li>支付矩阵</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>多智能体强化学习</li> <li>经济建模</li> <li>谈判算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nash-equilibrium-%E7%BA%B3%E4%BB%80%E5%9D%87%E8%A1%A1/">Nash Equilibrium (纳什均衡)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zero-sum-game-%E9%9B%B6%E5%92%8C%E5%8D%9A%E5%BC%88/">Zero-Sum Game (零和博弈)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mechanism-design-%E6%9C%BA%E5%88%B6%E8%AE%BE%E8%AE%A1/">Mechanism Design (机制设计)</a></li> </ul>加贝分离定理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gabbays_separation_theorem/Sat, 18 Jul 2026 11:18:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gabbays_separation_theorem/<h2 id="definition">Definition</h2> <p>加贝分离定理是数学逻辑中的一个基本概念，特别是在时序逻辑和模态逻辑的研究中。它提供了在何种条件下逻辑系统可以被分解或分离的条件。</p> <h3 id="summary">Summary</h3> <p>非经典逻辑中的一个结果，指出某些时序逻辑或模态逻辑可以根据其结构特性分解为不同的组成部分。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时序逻辑</li> <li>模态逻辑</li> <li>可判定性</li> <li>逻辑分解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>系统的形式化验证</li> <li>自动定理证明</li> <li>分析逻辑表达能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%91%BD%E9%A2%98%E9%80%BB%E8%BE%91/">命题逻辑</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%80%E9%98%B6%E9%80%BB%E8%BE%91/">一阶逻辑</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%B6%E5%BA%8F%E6%8E%A8%E7%90%86/">时序推理</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dovetailing-%E5%B9%B6%E8%A1%8C%E6%90%9C%E7%B4%A2%E6%8A%80%E6%9C%AF/">Dovetailing (并行搜索技术)</a></li> </ul>门控循环单元https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gated_recurrent_unit/Sat, 18 Jul 2026 11:18:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gated_recurrent_unit/<h2 id="definition">Definition</h2> <p>门控循环单元（GRU）是一种专门的循环神经网络（RNN）单元，旨在捕捉序列数据中的长期依赖关系。它简化了长短期记忆（LSTM）架构。</p> <h3 id="summary">Summary</h3> <p>一种使用门控机制控制信息流动的循环神经网络架构，作为LSTM的简化替代方案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>循环神经网络</li> <li>更新门</li> <li>重置门</li> <li>序列建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理</li> <li>时间序列预测</li> <li>语音识别</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Define a simple GRU layer</span> </span></span><span style="display:flex;"><span>gru <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>GRU(input_size<span style="color:#000;font-weight:bold">=</span><span style="color:#099">10</span>, hidden_size<span style="color:#000;font-weight:bold">=</span><span style="color:#099">20</span>, num_layers<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example input: (seq_len, batch, input_size)</span> </span></span><span style="display:flex;"><span>input_data <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>randn(<span style="color:#099">5</span>, <span style="color:#099">3</span>, <span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>hidden_state <span style="color:#000;font-weight:bold">=</span> <span style="color:#000;font-weight:bold">None</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>output, hidden <span style="color:#000;font-weight:bold">=</span> gru(input_data, hidden_state) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lstm-%E9%95%BF%E7%9F%AD%E6%9C%9F%E8%AE%B0%E5%BF%86%E7%BD%91%E7%BB%9C/">LSTM (长短期记忆网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rnn-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">RNN (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-to-sequence-%E5%BA%8F%E5%88%97%E5%88%B0%E5%BA%8F%E5%88%97/">Sequence-to-Sequence (序列到序列)</a></li> </ul>FrontierMathhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/frontiermath/Sat, 18 Jul 2026 11:17:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/frontiermath/<h2 id="definition">Definition</h2> <p>FrontierMath是一个专门的评估套件，用于测试大型语言模型在复杂数学问题解决方面的极限。与标准的算术基准不同，它侧重于高水平（high-scoring）的数学推理能力评估。</p> <h3 id="summary">Summary</h3> <p>一个旨在评估最先进AI模型高级数学推理能力的基准数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数学推理</li> <li>基准评估</li> <li>思维链</li> <li>最先进水平</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估大型语言模型在复杂数学问题上的表现</li> <li>研究模型推理能力的改进</li> <li>比较不同模型架构的定量技能</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/math-benchmark-math%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/">MATH Benchmark (MATH基准测试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">Chain-of-Thought (思维链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-models-%E6%8E%A8%E7%90%86%E6%A8%A1%E5%9E%8B/">Reasoning Models (推理模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-evaluation-ai%E8%AF%84%E4%BC%B0/">AI Evaluation (AI评估)</a></li> </ul>GDPR合规性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gdpr_compliance/Sat, 18 Jul 2026 11:17:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gdpr_compliance/<h2 id="definition">Definition</h2> <p>GDPR合规性是指AI开发者必须实施的法律和技术措施，以保护欧盟境内个人的个人数据。对于AI系统而言，这涉及数据最小化、目的限制等原则，以及确保算法透明度和用户权利的实现。</p> <h3 id="summary">Summary</h3> <p>遵守《通用数据保护条例》，确保AI系统尊重用户隐私和数据权利。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据隐私</li> <li>法律框架</li> <li>算法透明度</li> <li>用户权利</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计保护隐私的机器学习流水线</li> <li>审计AI系统以符合监管要求</li> <li>在AI应用中实施同意管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-sovereignty-%E6%95%B0%E6%8D%AE%E4%B8%BB%E6%9D%83/">Data Sovereignty (数据主权)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical-ai-%E4%BC%A6%E7%90%86ai/">Ethical AI (伦理AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/privacy-by-design-%E9%9A%90%E7%A7%81%E8%AE%BE%E8%AE%A1/">Privacy by Design (隐私设计)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/right-to-explanation-%E8%A7%A3%E9%87%8A%E6%9D%83/">Right to Explanation (解释权)</a></li> </ul>GGUFhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gguf/Sat, 18 Jul 2026 11:17:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gguf/<h2 id="definition">Definition</h2> <p>GGUF（GPT-Generated Unified Format，GPT生成统一格式）是一种专为在消费级硬件上运行大型语言模型而设计的二进制文件格式。它支持各种量化技术，允许模型在资源受限的设备上更高效地运行。</p> <h3 id="summary">Summary</h3> <p>由gger.ai开发的一种文件格式，用于在本地硬件上高效存储和加载量化大型语言模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量化</li> <li>模型序列化</li> <li>本地推理</li> <li>内存优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在笔记本电脑或台式机上本地运行LLM</li> <li>在资源受限的边缘设备上部署模型</li> <li>在开源社区中分享优化的模型权重</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llama-cpp-llama-cpp%E5%BA%93/">LLAMA.cpp (LLAMA.cpp库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">Quantization (量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/onnx-%E5%BC%80%E6%94%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%BA%A4%E6%8D%A2%E6%A0%BC%E5%BC%8F/">ONNX (开放神经网络交换格式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-weights-%E6%A8%A1%E5%9E%8B%E6%9D%83%E9%87%8D/">Model Weights (模型权重)</a></li> </ul>GOLOGhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/golog/Sat, 18 Jul 2026 11:17:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/golog/<h2 id="definition">Definition</h2> <p>GOLOG是一种基于逻辑的编程语言，主要用于人工智能领域，用于在动态环境中进行规划和行动。它建立在Reiter的情境演算之上，允许开发人员指定动作序列并推理动态领域的变化。</p> <h3 id="summary">Summary</h3> <p>一种基于情境演算的高级编程语言，用于指定动作并对动态领域进行推理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>情境演算</li> <li>高级编程</li> <li>自动规划</li> <li>动作规范</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人任务规划与执行</li> <li>模拟复杂的动态系统</li> <li>验证自动化工作流的正确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/situation-calculus-%E6%83%85%E5%A2%83%E6%BC%94%E7%AE%97/">Situation Calculus (情境演算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning-domain-definition-language-%E8%A7%84%E5%88%92%E5%9F%9F%E5%AE%9A%E4%B9%89%E8%AF%AD%E8%A8%80/">Planning Domain Definition Language (规划域定义语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic-programming-%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B/">Logic Programming (逻辑编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/temporal-reasoning-%E6%97%B6%E5%BA%8F%E6%8E%A8%E7%90%86/">Temporal Reasoning (时序推理)</a></li> </ul>模糊智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fuzzy_agent/Sat, 18 Jul 2026 11:17:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fuzzy_agent/<h2 id="definition">Definition</h2> <p>模糊智能体运行在数据往往具有歧义或不完整的环境中，采用模糊逻辑系统而非二元真假状态。通过使用隶属函数和语言变量，它能够更灵活地应对现实世界中的不确定性。</p> <h3 id="summary">Summary</h3> <p>一种利用模糊逻辑在决策过程中处理不确定性和不精确信息的自主实体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模糊逻辑</li> <li>不确定性处理</li> <li>自主决策</li> <li>隶属函数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>非结构化环境中的机器人导航</li> <li>具有可变输入的工业过程控制</li> <li>基于舒适度水平的智能恒温器调节</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert-systems-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">Expert Systems (专家系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/control-theory-%E6%8E%A7%E5%88%B6%E7%90%86%E8%AE%BA/">Control Theory (控制理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/probabilistic-agents-%E6%A6%82%E7%8E%87%E6%99%BA%E8%83%BD%E4%BD%93/">Probabilistic Agents (概率智能体)</a></li> </ul>FP8https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fp8/Sat, 18 Jul 2026 11:17:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fp8/<h2 id="definition">Definition</h2> <p>8位浮点数（FP8）是一种数值数据类型，在现代AI硬件上进行了专门优化，以在计算效率和准确性之间取得平衡。它减少了内存带宽需求并提高了吞吐量，特别适用于大规模语言模型训练和边缘设备上的实时推理。</p> <h3 id="summary">Summary</h3> <p>FP8是一种专为加速深度学习训练和推理而设计的8位浮点格式，同时保持可接受的精度水平。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量化</li> <li>精度</li> <li>内存带宽</li> <li>硬件加速</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型训练</li> <li>边缘AI推理</li> <li>实时视频处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">quantization (量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fp16-%E5%8D%8A%E7%B2%BE%E5%BA%A6%E6%B5%AE%E7%82%B9/">fp16 (半精度浮点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fp32-%E5%8D%95%E7%B2%BE%E5%BA%A6%E6%B5%AE%E7%82%B9/">fp32 (单精度浮点)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mixed_precision-%E6%B7%B7%E5%90%88%E7%B2%BE%E5%BA%A6/">mixed_precision (混合精度)</a></li> </ul>基础原理 (Foundational Principles)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fon/Sat, 18 Jul 2026 11:17:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fon/<h2 id="definition">Definition</h2> <p>在AI术语的语境中，“基础原理”通常用于描述定义AI模型如何解释输入并生成输出的核心功能本体或基础逻辑结构。它构成了AI系统运作的基石，确保了系统行为的可预测性和一致性。</p> <h3 id="summary">Summary</h3> <p>基础原理是指指导人工智能系统设计与运行的根本原则和理论依据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基础逻辑</li> <li>本体论</li> <li>系统架构</li> <li>核心原则</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计模块化AI架构</li> <li>标准化数据表示</li> <li>理论框架开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ontology-%E6%9C%AC%E4%BD%93%E8%AE%BA/">ontology (本体论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/axiom-%E5%85%AC%E7%90%86/">axiom (公理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic-%E9%80%BB%E8%BE%91/">logic (逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/framework-%E6%A1%86%E6%9E%B6/">framework (框架)</a></li> </ul>力控制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/force_control/Sat, 18 Jul 2026 11:17:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/force_control/<h2 id="definition">Definition</h2> <p>力控制使机器人能够通过主动管理接触力而非仅仅控制位置，来执行组装、抛光或抓取易碎物体等精细操作。与纯位置控制不同，力控制允许机器人在遇到阻力时进行适应性调整，从而避免损坏物体或自身。</p> <h3 id="summary">Summary</h3> <p>力控制是一种机器人技术，用于调节机器人在物理任务中与环境的交互力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>阻抗控制</li> <li>导纳控制</li> <li>触觉反馈</li> <li>顺应性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人装配线</li> <li>手术机器人</li> <li>表面抛光与研磨</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/impedance_control-%E9%98%BB%E6%8A%97%E6%8E%A7%E5%88%B6/">impedance_control (阻抗控制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/haptics-%E8%A7%A6%E8%A7%89%E6%8A%80%E6%9C%AF/">haptics (触觉技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robotics-%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6/">robotics (机器人学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensors-%E4%BC%A0%E6%84%9F%E5%99%A8/">sensors (传感器)</a></li> </ul>前瞻技术https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/forethought_technologies/Sat, 18 Jul 2026 11:17:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/forethought_technologies/<h2 id="definition">Definition</h2> <p>这一概念涉及设计具有前瞻性能力的AI系统，使其能够模拟潜在结果并主动适应变化。它整合了预测分析、情景规划和风险管理，旨在提高系统的鲁棒性和决策质量，从而在问题发生前进行干预。</p> <h3 id="summary">Summary</h3> <p>前瞻技术是指通过预测建模和模拟来预见未来系统状态、风险和需求的工程实践。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预测建模</li> <li>风险评估</li> <li>情景规划</li> <li>主动设计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶导航</li> <li>金融欺诈检测</li> <li>基础设施维护预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/predictive_analytics-%E9%A2%84%E6%B5%8B%E5%88%86%E6%9E%90/">predictive_analytics (预测分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulation-%E6%A8%A1%E6%8B%9F/">simulation (模拟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/risk_management-%E9%A3%8E%E9%99%A9%E7%AE%A1%E7%90%86/">risk_management (风险管理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning-%E8%A7%84%E5%88%92/">planning (规划)</a></li> </ul>形式概念分析https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/formal_concept_analysis/Sat, 18 Jul 2026 11:17:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/formal_concept_analysis/<h2 id="definition">Definition</h2> <p>FCA为分析对象与其属性之间的关系提供了严谨的框架，最终形成一种称为概念格的层级结构。它广泛应用于知识发现、数据挖掘和语义网开发，帮助理解复杂数据结构中的内在联系。</p> <h3 id="summary">Summary</h3> <p>形式概念分析（FCA）是一种利用形式背景和概念格从数据中推导概念层级的数学方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>概念格</li> <li>形式背景</li> <li>对象-属性矩阵</li> <li>层级聚类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>知识库组织</li> <li>数据挖掘与分类</li> <li>语义网开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lattice_theory-%E6%A0%BC%E8%AE%BA/">lattice_theory (格论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge_representation-%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/">knowledge_representation (知识表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_mining-%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98/">data_mining (数据挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ontology-%E6%9C%AC%E4%BD%93%E8%AE%BA/">ontology (本体论)</a></li> </ul>反馈神经网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feedback_neural_network/Sat, 18 Jul 2026 11:17:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feedback_neural_network/<h2 id="definition">Definition</h2> <p>反馈神经网络（也称为循环神经网络 RNN）包含允许信号传播回之前层的环路。这种递归性使网络能够维持内部状态，从而处理序列数据和时间依赖关系。</p> <h3 id="summary">Summary</h3> <p>一种连接形成有向循环的神经网络架构，允许信息随时间持久存在。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>递归性</li> <li>内部状态</li> <li>时间动态</li> <li>记忆</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语音识别</li> <li>时间序列预测</li> <li>自然语言处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recurrent-neural-network-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Recurrent Neural Network (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lstm-%E9%95%BF%E7%9F%AD%E6%9C%9F%E8%AE%B0%E5%BF%86%E7%BD%91%E7%BB%9C/">LSTM (长短期记忆网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gru-%E9%97%A8%E6%8E%A7%E5%BE%AA%E7%8E%AF%E5%8D%95%E5%85%83/">GRU (门控循环单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hopfield-network-%E9%9C%8D%E6%99%AE%E8%8F%B2%E5%B0%94%E5%BE%B7%E7%BD%91%E7%BB%9C/">Hopfield Network (霍普菲尔德网络)</a></li> </ul>基于流的生成模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/flow_based_generative_model/Sat, 18 Jul 2026 11:17:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/flow_based_generative_model/<h2 id="definition">Definition</h2> <p>基于流的生成模型通过对简单的基分布（如高斯分布）应用一系列可逆且可微的变换来构建复杂的概率分布。由于变换是可逆的，模型可以精确计算似然值，便于密度估计和采样。</p> <h3 id="summary">Summary</h3> <p>一类利用可逆变换将简单分布映射到复杂数据分布的生成模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可逆变换</li> <li>精确似然</li> <li>归一化流</li> <li>变量变换</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像生成</li> <li>密度估计</li> <li>异常检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/normalizing-flow-%E5%BD%92%E4%B8%80%E5%8C%96%E6%B5%81/">Normalizing Flow (归一化流)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vae-%E5%8F%98%E5%88%86%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">VAE (变分自编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/coupling-layer-%E8%80%A6%E5%90%88%E5%B1%82/">Coupling Layer (耦合层)</a></li> </ul>适应度近似https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fitness_approximation/Sat, 18 Jul 2026 11:17:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fitness_approximation/<h2 id="definition">Definition</h2> <p>当评估真实适应度函数在计算上昂贵或耗时较长时，适应度近似被用于进化计算中。与其计算精确值，不如使用代理模型来估算适应度，从而加速搜索过程并减少资源消耗。</p> <h3 id="summary">Summary</h3> <p>进化算法中的一种技术，通过估计解的质量来降低优化过程中的计算成本。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>代理建模</li> <li>计算效率</li> <li>进化算法</li> <li>选择压力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>工程设计优化</li> <li>复杂的基于仿真的问题</li> <li>大规模参数调优</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genetic-algorithm-%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/">Genetic Algorithm (遗传算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/surrogate-model-%E4%BB%A3%E7%90%86%E6%A8%A1%E5%9E%8B/">Surrogate Model (代理模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-optimization-%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%98%E5%8C%96/">Bayesian Optimization (贝叶斯优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evolutionary-computation-%E8%BF%9B%E5%8C%96%E8%AE%A1%E7%AE%97/">Evolutionary Computation (进化计算)</a></li> </ul>微调过的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/finetuned/Sat, 18 Jul 2026 11:17:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/finetuned/<h2 id="definition">Definition</h2> <p>微调是指采用已在大型通用数据集上训练好的模型，并在较小、特定领域的数据集上继续训练的技术。这使得模型能够保留通用知识的同时，针对特定任务进行优化和适配。</p> <h3 id="summary">Summary</h3> <p>在特定数据集上进一步训练预训练模型的过程，以使其适应特定任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>参数调整</li> <li>领域自适应</li> <li>预训练模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自定义图像分类</li> <li>专用情感分析</li> <li>医疗诊断辅助</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pre-training-%E9%A2%84%E8%AE%AD%E7%BB%83/">Pre-training (预训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter Tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>掩码填充https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fill_mask/Sat, 18 Jul 2026 11:17:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fill_mask/<h2 id="definition">Definition</h2> <p>掩码填充是 BERT 等基于 Transformer 模型中使用的一种基本预训练目标。该过程涉及掩盖文本序列中的随机标记，并训练模型预测被掩盖的原始标记，从而学习语言的深层语义表示。</p> <h3 id="summary">Summary</h3> <p>一种自然语言处理任务，模型根据上下文预测句子中缺失的标记。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>掩码语言建模</li> <li>上下文理解</li> <li>自监督学习</li> <li>标记预测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本补全</li> <li>语义角色标注</li> <li>预训练基础</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BA/">BERT (双向编码器表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/masked-language-model-%E6%8E%A9%E7%A0%81%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Masked Language Model (掩码语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E8%BD%AC%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (转换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenization-%E5%88%86%E8%AF%8D/">Tokenization (分词)</a></li> </ul>前馈网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feed_forward_network/Sat, 18 Jul 2026 11:17:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feed_forward_network/<h2 id="definition">Definition</h2> <p>前馈网络（FFN），也称为多层感知机（MLP），通过从输入层到输出层的神经元层顺序处理数据，没有反馈回路。每个神经元接收输入信号的加权总和，并通过激活函数进行处理，将结果传递给下一层。这种架构是许多深度学习模型的基础组件。</p> <h3 id="summary">Summary</h3> <p>一类人工神经网络，节点间的连接不形成循环，信息沿单一方向传播。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>无循环</li> <li>层级（输入、隐藏、输出）</li> <li>激活函数</li> <li>加权和</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>简单回归任务</li> <li>表格数据的分类问题</li> <li>构建更深层次架构的基础模块</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">11 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">12 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">13 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">14 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">SimpleFFN</span>(nn<span style="color:#000;font-weight:bold">.</span>Module): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> __init__(<span style="color:#999">self</span>, input_size, hidden_size, output_size): </span></span><span style="display:flex;"><span> <span style="color:#0086b3">super</span>(SimpleFFN, <span style="color:#999">self</span>)<span style="color:#000;font-weight:bold">.</span>__init__() </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>fc1 <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(input_size, hidden_size) </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>relu <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>ReLU() </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>fc2 <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(hidden_size, output_size) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">forward</span>(<span style="color:#999">self</span>, x): </span></span><span style="display:flex;"><span> x <span style="color:#000;font-weight:bold">=</span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>fc1(x) </span></span><span style="display:flex;"><span> x <span style="color:#000;font-weight:bold">=</span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>relu(x) </span></span><span style="display:flex;"><span> x <span style="color:#000;font-weight:bold">=</span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>fc2(x) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> x </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-layer-perceptron-%E5%A4%9A%E5%B1%82%E6%84%9F%E7%9F%A5%E6%9C%BA/">Multi-Layer Perceptron (多层感知机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/activation-function-%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0/">Activation Function (激活函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-network-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Network (神经网络)</a></li> </ul>特征存储https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_store/Sat, 18 Jul 2026 11:17:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_store/<h2 id="definition">Definition</h2> <p>特征存储在数据工程和机器学习团队之间起到桥梁作用，为批量训练和实时推理提供统一的特征视图。它通过确保训练时使用的特征与在线推理时使用的特征完全一致，解决了训练-服务偏差问题，并支持特征版本控制和重用。</p> <h3 id="summary">Summary</h3> <p>一个集中式仓库，旨在跨机器学习训练和推理一致地管理、共享和服务特征。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练-服务偏差</li> <li>集中式管理</li> <li>特征版本控制</li> <li>MLOps基础设施</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业级机器学习平台</li> <li>实时欺诈检测系统</li> <li>协作式模型开发团队</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4/">MLOps (机器学习运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-pipeline-%E6%95%B0%E6%8D%AE%E7%AE%A1%E9%81%93/">Data Pipeline (数据管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-serving-%E6%A8%A1%E5%9E%8B%E6%9C%8D%E5%8A%A1/">Model Serving (模型服务)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">Feature Engineering (特征工程)</a></li> </ul>特征哈希https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_hashing/Sat, 18 Jul 2026 11:17:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_hashing/<h2 id="definition">Definition</h2> <p>特征哈希，也称为哈希技巧（hashing trick），允许机器学习模型处理大型稀疏特征空间，而无需维护特征与索引之间的显式映射。通过应用哈希函数，模型可以直接将任意特征映射到固定的向量维度中，从而节省内存并简化特征工程流程。</p> <h3 id="summary">Summary</h3> <p>一种利用哈希函数将高维稀疏特征映射到固定大小向量的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>哈希函数</li> <li>稀疏向量</li> <li>降维</li> <li>内存效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有大型词汇表的文本分类</li> <li>拥有海量物品集的推荐系统</li> <li>实时流数据处理</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.feature_extraction</span> <span style="color:#000;font-weight:bold">import</span> FeatureHasher </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example: Hashing text features</span> </span></span><span style="display:flex;"><span>hasher <span style="color:#000;font-weight:bold">=</span> FeatureHasher(n_features<span style="color:#000;font-weight:bold">=</span><span style="color:#099">10</span>, input_type<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;string&#39;</span>) </span></span><span style="display:flex;"><span>docs <span style="color:#000;font-weight:bold">=</span> [<span style="color:#d14">&#39;hello world&#39;</span>, <span style="color:#d14">&#39;hello python&#39;</span>, <span style="color:#d14">&#39;world python&#39;</span>] </span></span><span style="display:flex;"><span>hashed <span style="color:#000;font-weight:bold">=</span> hasher<span style="color:#000;font-weight:bold">.</span>transform(docs) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(hashed<span style="color:#000;font-weight:bold">.</span>toarray()) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/one-hot-encoding-%E7%8B%AC%E7%83%AD%E7%BC%96%E7%A0%81/">One-hot encoding (独热编码)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bag-of-words-%E8%AF%8D%E8%A2%8B%E6%A8%A1%E5%9E%8B/">Bag of Words (词袋模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dimensionality-reduction-%E9%99%8D%E7%BB%B4/">Dimensionality reduction (降维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparse-matrix-%E7%A8%80%E7%96%8F%E7%9F%A9%E9%98%B5/">Sparse matrix (稀疏矩阵)</a></li> </ul>特征缩放https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_scaling/Sat, 18 Jul 2026 11:17:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_scaling/<h2 id="definition">Definition</h2> <p>特征缩放通过标准化输入变量的范围，防止量级较大的特征主导学习过程。常见方法包括归一化（最小-最大缩放）和标准化（Z-score标准化）。这一预处理步骤对于基于距离的算法和梯度下降优化至关重要，能加速收敛并提高模型性能。</p> <h3 id="summary">Summary</h3> <p>将数据的独立变量或特征的范围进行归一化，以确保量级一致性的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>归一化</li> <li>标准化</li> <li>梯度下降</li> <li>数据预处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>神经网络训练</li> <li>K-means聚类</li> <li>支持向量机 (SVM)</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.preprocessing</span> <span style="color:#000;font-weight:bold">import</span> StandardScaler </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>X <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([[<span style="color:#099">1</span>, <span style="color:#099">2</span>], [<span style="color:#099">3</span>, <span style="color:#099">4</span>], [<span style="color:#099">5</span>, <span style="color:#099">6</span>]]) </span></span><span style="display:flex;"><span>scaler <span style="color:#000;font-weight:bold">=</span> StandardScaler() </span></span><span style="display:flex;"><span>X_scaled <span style="color:#000;font-weight:bold">=</span> scaler<span style="color:#000;font-weight:bold">.</span>fit_transform(X) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(X_scaled) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/min-max-scaling-%E6%9C%80%E5%B0%8F-%E6%9C%80%E5%A4%A7%E7%BC%A9%E6%94%BE/">Min-Max Scaling (最小-最大缩放)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/z-score-normalization-z-score%E6%A0%87%E5%87%86%E5%8C%96/">Z-score Normalization (Z-score标准化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-preprocessing-%E6%95%B0%E6%8D%AE%E9%A2%84%E5%A4%84%E7%90%86/">Data preprocessing (数据预处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">Gradient Descent (梯度下降)</a></li> </ul>特征学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_learning/Sat, 18 Jul 2026 11:17:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_learning/<h2 id="definition">Definition</h2> <p>特征学习通常与深度学习相关联，使模型能够直接从原始输入数据中学习分层表示，而不是依赖人工特征工程。通过多层网络结构，模型可以自动提取从低级到高级的抽象特征，从而减少对领域专家手动设计特征的依赖。</p> <h3 id="summary">Summary</h3> <p>一种算法从原始数据中自动发现检测或分类所需特征的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动表示</li> <li>分层层级</li> <li>深度学习</li> <li>避免人工工程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像识别与目标检测</li> <li>语音转文字转录</li> <li>自然语言理解任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">Feature engineering (特征工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autoencoder-%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">Autoencoder (自编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> </ul>Facebookhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/facebook/Sat, 18 Jul 2026 11:17:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/facebook/<h2 id="definition">Definition</h2> <p>Facebook（现隶属于Meta Platforms Inc.）是人工智能研究与应用的领军力量。它拥有海量的用户生成数据，这些数据被用于训练机器学习模型。</p> <h3 id="summary">Summary</h3> <p>一家主要的社交媒体平台和科技公司，通过其开源研究和大规模数据生态系统对人工智能发展产生重大影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Meta Platforms</li> <li>PyTorch</li> <li>开源AI</li> <li>社交数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大规模自然语言处理模型</li> <li>开发推荐算法</li> <li>推进计算机视觉技术</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta-%E5%85%83%E5%85%AC%E5%8F%B8/">Meta (元公司)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch/">PyTorch</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face/">Hugging Face</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A4%BE%E4%BA%A4%E5%AA%92%E4%BD%93%E5%88%86%E6%9E%90/">社交媒体分析</a></li> </ul>Falconhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/falcon/Sat, 18 Jul 2026 11:17:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/falcon/<h2 id="definition">Definition</h2> <p>Falcon指的是由技术创新研究所（TII）创建的一系列强大大型语言模型（LLM）。这些模型（如Falcon-40B和Falcon-180B）旨在与专有模型竞争。</p> <h3 id="summary">Summary</h3> <p>由技术创新研究所（Technology Innovation Institute）开发的一系列大型语言模型，与其他开源大语言模型相比，以其高性能和高效能著称。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>开放权重</li> <li>LLM</li> <li>TII</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本生成与摘要</li> <li>代码补全与调试</li> <li>模型缩放定律研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm/">LLM</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%80%E6%BA%90ai/">开源AI</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer/">Transformer</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tii/">TII</a></li> </ul>特征https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature/Sat, 18 Jul 2026 11:17:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature/<h2 id="definition">Definition</h2> <p>在机器学习中，特征是描述数据集中某个实例的独特属性或变量。特征可以是数值型、类别型或文本型，它们构成了机器学习模型的基本输入要素。</p> <h3 id="summary">Summary</h3> <p>被观察现象的单个可测量属性或特征，作为机器学习模型的输入数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>输入变量</li> <li>属性</li> <li>数据集列</li> <li>机器学习输入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预测建模输入</li> <li>数据分析与可视化</li> <li>特征选择流程</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">特征工程</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A0%87%E7%AD%BE/">标签</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E9%9B%86/">数据集</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%98%E9%87%8F/">变量</a></li> </ul>特征工程https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_engineering/Sat, 18 Jul 2026 11:17:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_engineering/<h2 id="definition">Definition</h2> <p>特征工程是利用领域专业知识，将原始数据转换为更能代表底层模式的特征的艺术。该过程包括创建新变量、转换现有数据以及选择最具预测力的特征，从而提升算法效果。</p> <h3 id="summary">Summary</h3> <p>利用领域知识创建新特征或修改现有特征，以增强机器学习模型性能的做法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>领域知识</li> <li>数据转换</li> <li>模型性能</li> <li>变量创建</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提高回归模型准确性</li> <li>增强分类边界</li> <li>优化时间序列预测</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>df[<span style="color:#d14">&#39;new_feature&#39;</span>] <span style="color:#000;font-weight:bold">=</span> df[<span style="color:#d14">&#39;feature_a&#39;</span>] <span style="color:#000;font-weight:bold">*</span> df[<span style="color:#d14">&#39;feature_b&#39;</span>] </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96/">特征提取</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E9%A2%84%E5%A4%84%E7%90%86/">数据预处理</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E8%B0%83%E4%BC%98/">模型调优</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%A2%86%E5%9F%9F%E4%B8%93%E9%95%BF/">领域专长</a></li> </ul>特征提取https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_extraction/Sat, 18 Jul 2026 11:17:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feature_extraction/<h2 id="definition">Definition</h2> <p>特征提取涉及将原始数据转换为一组更能代表潜在问题的特征，从而提高预测模型的准确性。该技术有助于减少数据维度并增强模型表现。</p> <h3 id="summary">Summary</h3> <p>从原始数据中推导有意义信息的过程，旨在降低维度并提高机器学习模型的性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>降维</li> <li>原始数据转换</li> <li>模式识别</li> <li>主成分</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像识别任务</li> <li>自然语言处理</li> <li>音频信号处理</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.decomposition</span> <span style="color:#000;font-weight:bold">import</span> PCA </span></span><span style="display:flex;"><span>pca <span style="color:#000;font-weight:bold">=</span> PCA(n_components<span style="color:#000;font-weight:bold">=</span><span style="color:#099">2</span>) </span></span><span style="display:flex;"><span>reduced_data <span style="color:#000;font-weight:bold">=</span> pca<span style="color:#000;font-weight:bold">.</span>fit_transform(raw_data) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pca/">PCA</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5/">嵌入</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%B9%E5%BE%81%E9%80%89%E6%8B%A9/">特征选择</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">深度学习</a></li> </ul>基于解释的学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explanation_based_learning/Sat, 18 Jul 2026 11:16:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explanation_based_learning/<h2 id="definition">Definition</h2> <p>EBL将符号推理与机器学习相结合，以加速学习过程。它不依赖大型数据集，而是采用一个正例并利用预先存在的领域理论。</p> <h3 id="summary">Summary</h3> <p>基于解释的学习是一种机器学习方法，它利用领域理论和单个训练样本来生成解释，然后将其概括为新规则。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>领域理论</li> <li>操作化</li> <li>单样本学习</li> <li>符号推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>有限样本下的机器人技能获取</li> <li>自动定理证明</li> <li>专业领域的诊断系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BD%92%E7%BA%B3%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B/">归纳逻辑编程</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E4%BA%8E%E7%9F%A5%E8%AF%86%E7%9A%84%E7%B3%BB%E7%BB%9F/">基于知识的系统</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%80%E6%AC%A1%E6%80%A7%E5%AD%A6%E4%B9%A0/">一次性学习</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">符号人工智能</a></li> </ul>极值优化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/extremal_optimization/Sat, 18 Jul 2026 11:16:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/extremal_optimization/<h2 id="definition">Definition</h2> <p>与维持种群的遗传算法不同，EO作用于单个解。它识别对整体适应度贡献最小的组件，并用随机替代方案替换它。</p> <h3 id="summary">Summary</h3> <p>极值优化是一种受自组织临界性启发的启发式搜索算法，旨在通过迭代移除表现最差的组件来解决组合优化问题。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>启发式搜索</li> <li>组合优化</li> <li>自组织临界性</li> <li>局部改进</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图划分问题</li> <li>计算集群中的任务调度</li> <li>优化网络路由路径</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/">遗传算法</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E6%8B%9F%E9%80%80%E7%81%AB/">模拟退火</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B2%92%E5%AD%90%E7%BE%A4%E4%BC%98%E5%8C%96/">粒子群优化</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%83%E5%90%AF%E5%8F%91%E5%BC%8F%E7%AE%97%E6%B3%95/">元启发式算法</a></li> </ul>可解释人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explainable_artificial_intelligence/Sat, 18 Jul 2026 11:16:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explainable_artificial_intelligence/<h2 id="definition">Definition</h2> <p>随着机器学习模型变得越来越复杂，特别是深度神经网络，其决策过程往往变得不透明的“黑盒”。XAI旨在使这些决策具有可解释性。</p> <h3 id="summary">Summary</h3> <p>可解释人工智能（XAI）是指应用人工智能技术的方法和技巧，使得解决方案的结果能够被人类专家理解。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可解释性</li> <li>透明度</li> <li>信任</li> <li>黑盒模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医生需要证明治疗计划合理性的医疗诊断</li> <li>需要符合监管规定的金融贷款决策</li> <li>自动驾驶汽车的安全审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/shap/">SHAP</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lime/">LIME</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">模型可解释性</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">人工智能伦理</a></li> </ul>实验跟踪https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/experiment_tracking/Sat, 18 Jul 2026 11:16:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/experiment_tracking/<h2 id="definition">Definition</h2> <p>这种做法涉及在训练过程中记录超参数、数据集版本、模型架构和性能指标。它使数据科学家能够比较不同的实验配置。</p> <h3 id="summary">Summary</h3> <p>实验跟踪是系统记录机器学习实验的元数据、指标和工件的过程，以确保可复现性并促进比较。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可复现性</li> <li>超参数记录</li> <li>工件管理</li> <li>版本控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>比较不同超参数设置下的模型性能</li> <li>通过查看记录的指标来调试训练故障</li> <li>与团队成员协作进行共享实验</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlflow/">MLflow</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E6%B3%A8%E5%86%8C%E8%A1%A8/">模型注册表</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">超参数调优</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E7%89%88%E6%9C%AC%E6%8E%A7%E5%88%B6/">数据版本控制</a></li> </ul>探索-利用困境https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explorationexploitation_dilemma/Sat, 18 Jul 2026 11:16:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explorationexploitation_dilemma/<h2 id="definition">Definition</h2> <p>在决策过程中，智能体面临权衡：它们可以利用当前知识获得最佳即时奖励，或者探索未知选项以潜在地找到更好的长期策略。</p> <h3 id="summary">Summary</h3> <p>探索-利用困境是强化学习中的一个基本问题，智能体必须在探索新动作以收集信息和利用已知动作以最大化奖励之间做出选择。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>奖励最大化</li> <li>ε-贪婪算法</li> <li>上置信界</li> <li>强化学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推荐系统决定是否建议热门商品还是新商品</li> <li>营销活动中的A/B测试</li> <li>动态环境中的资源分配</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">强化学习</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%9A%E8%87%82%E8%80%81%E8%99%8E%E6%9C%BA/">多臂老虎机</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/q%E5%AD%A6%E4%B9%A0/">Q学习</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AD%96%E7%95%A5%E6%A2%AF%E5%BA%A6/">策略梯度</a></li> </ul>ExBERThttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/exbert/Sat, 18 Jul 2026 11:16:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/exbert/<h2 id="definition">Definition</h2> <p>ExBERT通过分析不同层中单个注意力头的重要性，为BERT Transformer模型提供可解释性。它使用基于梯度的归因或其他技术来量化每个组件对最终预测的贡献，从而帮助理解模型的决策过程。</p> <h3 id="summary">Summary</h3> <p>一种通过识别对特定输出贡献最大的注意力头和层来解释BERT预测的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>注意力头</li> <li>模型可解释性</li> <li>梯度归因</li> <li>Transformer架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试NLP模型</li> <li>理解句法与语义处理</li> <li>医疗文本分析中的可解释AI</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-bert%E6%A8%A1%E5%9E%8B/">bert (BERT模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention_mechanism-%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">attention_mechanism (注意力机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable_ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">explainable_ai (可解释人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer_models-transformer%E6%A8%A1%E5%9E%8B/">transformer_models (Transformer模型)</a></li> </ul>二分类器评估https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evaluation_of_binary_classifiers/Sat, 18 Jul 2026 11:16:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evaluation_of_binary_classifiers/<h2 id="definition">Definition</h2> <p>该领域涉及分析准确率、精确率、召回率、F1分数以及接收者操作特征曲线下面积（AUC-ROC）等指标。它有助于确定模型在区分正负样本方面的表现，并揭示模型在不同阈值下的权衡情况。</p> <h3 id="summary">Summary</h3> <p>评估预测两种可能结果之一的机器学习模型性能的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混淆矩阵</li> <li>精确率-召回率权衡</li> <li>ROC曲线</li> <li>F1分数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医学疾病筛查</li> <li>垃圾邮件过滤</li> <li>信用风险评估</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.metrics</span> <span style="color:#000;font-weight:bold">import</span> classification_report </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(classification_report(y_true, y_pred)) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/confusion_matrix-%E6%B7%B7%E6%B7%86%E7%9F%A9%E9%98%B5/">confusion_matrix (混淆矩阵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/roc_auc-roc%E6%9B%B2%E7%BA%BF%E4%B8%8B%E9%9D%A2%E7%A7%AF/">roc_auc (ROC曲线下面积)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/precision_recall-%E7%B2%BE%E7%A1%AE%E7%8E%87%E4%B8%8E%E5%8F%AC%E5%9B%9E%E7%8E%87/">precision_recall (精确率与召回率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">cross_validation (交叉验证)</a></li> </ul>进化发育机器人学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evolutionary_developmental_robotics/Sat, 18 Jul 2026 11:16:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evolutionary_developmental_robotics/<h2 id="definition">Definition</h2> <p>受生物个体发育的启发，ED机器人学探索复杂的行為和物理结构如何通过与环境互动随时间涌现，而不是被硬编码。它利用进化算法优化神经控制器和机器人身体结构，以增强适应性和鲁棒性。</p> <h3 id="summary">Summary</h3> <p>机器人学的一个子领域，结合进化算法与发展过程来设计机器人的形态和控制系统的。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经进化</li> <li>形态计算</li> <li>发育轨迹</li> <li>具身认知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自适应机器人运动</li> <li>自修复机器人系统</li> <li>生物启发的感觉运动学习</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuroevolution-%E7%A5%9E%E7%BB%8F%E8%BF%9B%E5%8C%96/">neuroevolution (神经进化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/morphogenesis-%E5%BD%A2%E6%80%81%E5%8F%91%E7%94%9F/">morphogenesis (形态发生)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embodied_ai-%E5%85%B7%E8%BA%AB%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">embodied_ai (具身人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genotype_phenotype_map-%E5%9F%BA%E5%9B%A0%E5%9E%8B-%E8%A1%A8%E5%9E%8B%E6%98%A0%E5%B0%84/">genotype_phenotype_map (基因型-表型映射)</a></li> </ul>可进化性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evolvability/Sat, 18 Jul 2026 11:16:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evolvability/<h2 id="definition">Definition</h2> <p>在计算语境中，可进化性指算法或神经网络架构在代际或训练步骤中提高其适应度的难易程度。高可进化性意味着微小的变化就能导致显著的适应性改进，这对于进化算法和神经架构搜索至关重要。</p> <h3 id="summary">Summary</h3> <p>基因型或系统产生可遗传的表型变异以供选择适应的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>遗传变异</li> <li>适应速率</li> <li>搜索空间结构</li> <li>鲁棒性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>遗传算法优化</li> <li>神经架构搜索</li> <li>研究生物进化模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genetic_algorithms-%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/">genetic_algorithms (遗传算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fitness_landscape-%E9%80%82%E5%BA%94%E5%BA%A6%E6%99%AF%E8%A7%82/">fitness_landscape (适应度景观)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mutation_rate-%E7%AA%81%E5%8F%98%E7%8E%87/">mutation_rate (突变率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuroevolution-%E7%A5%9E%E7%BB%8F%E8%BF%9B%E5%8C%96/">neuroevolution (神经进化)</a></li> </ul>期望传播https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/expectation_propagation/Sat, 18 Jul 2026 11:16:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/expectation_propagation/<h2 id="definition">Definition</h2> <p>期望传播（EP）通过迭代 refine 高斯近似值来逼近难以处理的积分，从而估计真实后验分布。它最小化近似分布与真实分布之间的Kullback-Leibler散度，常用于贝叶斯推断和稀疏高斯过程。</p> <h3 id="summary">Summary</h3> <p>一种用于估计复杂概率图模型中后验分布的近似推理算法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>后验近似</li> <li>矩匹配</li> <li>Kullback-Leibler散度</li> <li>高斯过程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>稀疏高斯过程</li> <li>贝叶斯逻辑回归</li> <li>概率矩阵分解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/variational_inference-%E5%8F%98%E5%88%86%E6%8E%A8%E6%96%AD/">variational_inference (变分推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gaussian_processes-%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B/">gaussian_processes (高斯过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian_inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">bayesian_inference (贝叶斯推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mean_field_approximation-%E5%B9%B3%E5%9D%87%E5%9C%BA%E8%BF%91%E4%BC%BC/">mean_field_approximation (平均场近似)</a></li> </ul>AI的环境影响https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/environmental_impact_of_ai/Sat, 18 Jul 2026 11:16:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/environmental_impact_of_ai/<h2 id="definition">Definition</h2> <p>该术语指与AI技术相关的显著资源需求，特别是在大型模型的训练阶段。它涵盖了数据中心使用的电力、制造硬件所需的资源以及模型运行期间的碳足迹。随着AI模型规模的扩大，其对环境的影响日益受到关注，促使业界寻求更高效的算法和绿色计算解决方案。</p> <h3 id="summary">Summary</h3> <p>开发、训练和部署AI模型带来的生态后果，包括能源消耗和碳排放。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>碳足迹</li> <li>能源效率</li> <li>数据中心能耗</li> <li>绿色AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计AI模型的可持续性</li> <li>优化训练算法以降低功耗</li> <li>科技基础设施的政策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sustainable-computing-%E5%8F%AF%E6%8C%81%E7%BB%AD%E8%AE%A1%E7%AE%97/">Sustainable Computing (可持续计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-compression-%E6%A8%A1%E5%9E%8B%E5%8E%8B%E7%BC%A9/">Model Compression (模型压缩)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-ai-%E8%BE%B9%E7%BC%98ai/">Edge AI (边缘AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/carbon-offset-%E7%A2%B3%E6%8A%B5%E6%B6%88/">Carbon Offset (碳抵消)</a></li> </ul>等几率公平https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/equalized_odds/Sat, 18 Jul 2026 11:16:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/equalized_odds/<h2 id="definition">Definition</h2> <p>等几率公平是算法公平性中使用的一种统计parity约束，旨在确保模型对所有受保护群体具有同等良好的表现。具体而言，它要求模型在不同群体中的真正例率（TPR）和假正例率（FPR）保持一致。这意味着无论个体的敏感属性如何，模型做出正确预测的概率以及错误预测的概率应当是均衡的，从而减少系统性偏见。</p> <h3 id="summary">Summary</h3> <p>一种公平性指标，要求不同人口统计群体的真正例率和假正例率相等。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法公平性</li> <li>真正例率</li> <li>假正例率</li> <li>偏见缓解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>公平借贷算法</li> <li>招聘推荐系统</li> <li>刑事司法风险评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/demographic-parity-%E4%BA%BA%E5%8F%A3%E7%BB%9F%E8%AE%A1%E5%9D%87%E7%AD%89/">Demographic Parity (人口统计均等)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/individual-fairness-%E4%B8%AA%E4%BD%93%E5%85%AC%E5%B9%B3/">Individual Fairness (个体公平)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-audit-%E5%81%8F%E8%A7%81%E5%AE%A1%E8%AE%A1/">Bias Audit (偏见审计)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fairness-constraints-%E5%85%AC%E5%B9%B3%E6%80%A7%E7%BA%A6%E6%9D%9F/">Fairness Constraints (公平性约束)</a></li> </ul>轮次 (Epoch)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/epoch/Sat, 18 Jul 2026 11:16:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/epoch/<h2 id="definition">Definition</h2> <p>在机器学习中，一个轮次代表对整个训练数据集的一次单遍迭代。在每个轮次中，模型处理所有训练样本，通过反向传播更新其权重，并评估损失函数。增加轮次数通常可以提高模型性能，但过多轮次可能导致过拟合。因此，监控验证集上的表现对于确定最佳轮次数至关重要。</p> <h3 id="summary">Summary</h3> <p>在模型训练期间，整个训练数据集通过机器学习算法的一次完整遍历。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练迭代</li> <li>反向传播</li> <li>收敛</li> <li>超参数调优</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>配置神经网络训练循环</li> <li>监控每个周期的验证损失</li> <li>实施早停策略</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">for</span> epoch <span style="color:#000;font-weight:bold">in</span> <span style="color:#0086b3">range</span>(num_epochs): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">for</span> inputs, labels <span style="color:#000;font-weight:bold">in</span> dataloader: </span></span><span style="display:flex;"><span> optimizer<span style="color:#000;font-weight:bold">.</span>zero_grad() </span></span><span style="display:flex;"><span> outputs <span style="color:#000;font-weight:bold">=</span> model(inputs) </span></span><span style="display:flex;"><span> loss <span style="color:#000;font-weight:bold">=</span> criterion(outputs, labels) </span></span><span style="display:flex;"><span> loss<span style="color:#000;font-weight:bold">.</span>backward() </span></span><span style="display:flex;"><span> optimizer<span style="color:#000;font-weight:bold">.</span>step() </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/batch-size-%E6%89%B9%E6%AC%A1%E5%A4%A7%E5%B0%8F/">Batch Size (批次大小)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/iteration-%E8%BF%AD%E4%BB%A3/">Iteration (迭代)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/learning-rate-%E5%AD%A6%E4%B9%A0%E7%8E%87/">Learning Rate (学习率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>企业认知系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/enterprise_cognitive_system/Sat, 18 Jul 2026 11:16:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/enterprise_cognitive_system/<h2 id="definition">Definition</h2> <p>企业认知系统将人工智能、自然语言处理和机器学习相结合，在企业环境中模拟人类的思维过程。这些系统通过分析数据、理解非结构化信息并从中学习，以支持复杂的业务决策。它们能够处理大量数据，识别模式，并提供基于证据的建议，从而帮助企业提高效率、减少错误并发现新的商业机会。</p> <h3 id="summary">Summary</h3> <p>一个集成的AI平台，应用高级分析和机器学习来自动化复杂的业务流程和决策制定。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言处理</li> <li>机器学习</li> <li>业务自动化</li> <li>决策支持</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动客户服务聊天机器人</li> <li>制造业预测性维护</li> <li>金融欺诈检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-intelligence-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial Intelligence (人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/enterprise-software-%E4%BC%81%E4%B8%9A%E8%BD%AF%E4%BB%B6/">Enterprise Software (企业软件)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-computing-%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">Cognitive Computing (认知计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/process-mining-%E6%B5%81%E7%A8%8B%E6%8C%96%E6%8E%98/">Process Mining (流程挖掘)</a></li> </ul>认识模态逻辑https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/epistemic_modal_logic/Sat, 18 Jul 2026 11:16:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/epistemic_modal_logic/<h2 id="definition">Definition</h2> <p>认识模态逻辑通过引入表示智能体“知道”或“相信”什么的算子，扩展了经典逻辑。它在多智能体系统中至关重要，因为需要推理其他参与者的知识状态。这种逻辑框架允许形式化地分析知识、信念及其变化，广泛应用于计算机科学中的协议验证、博弈论和多智能体协调等领域。</p> <h3 id="summary">Summary</h3> <p>模态逻辑的一个分支，使用形式系统来表示和推理智能体的知识和信念状态。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>知识算子</li> <li>多智能体系统</li> <li>形式化验证</li> <li>信念状态</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>验证安全协议</li> <li>设计协作机器人行为</li> <li>分析博弈论场景</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/modal-logic-%E6%A8%A1%E6%80%81%E9%80%BB%E8%BE%91/">Modal Logic (模态逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed-systems-%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/">Distributed Systems (分布式系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/game-theory-%E5%8D%9A%E5%BC%88%E8%AE%BA/">Game Theory (博弈论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/formal-methods-%E5%BD%A2%E5%BC%8F%E5%8C%96%E6%96%B9%E6%B3%95/">Formal Methods (形式化方法)</a></li> </ul>赋能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/empowerment/Sat, 18 Jul 2026 11:16:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/empowerment/<h2 id="definition">Definition</h2> <p>在强化学习和人工智能中，赋能是一种内在动机指标，量化了智能体对其环境的控制程度。它被定义为智能体的动作与其未来状态之间的互信息，反映了智能体能够产生多少种不同的可预测结果。</p> <h3 id="summary">Summary</h3> <p>一种强化学习目标，衡量智能体通过其行为影响未来状态的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>互信息</li> <li>内在动机</li> <li>控制论</li> <li>探索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自主机器人探索</li> <li>程序化关卡生成</li> <li>开发通用人工智能代理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intrinsic-motivation-%E5%86%85%E5%9C%A8%E5%8A%A8%E6%9C%BA/">Intrinsic motivation (内在动机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-bottleneck-%E4%BF%A1%E6%81%AF%E7%93%B6%E9%A2%88/">Information bottleneck (信息瓶颈)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/curiosity-driven-learning-%E5%A5%BD%E5%A5%87%E5%BF%83%E9%A9%B1%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Curiosity-driven learning (好奇心驱动学习)</a></li> </ul>基于能量的模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/energy_based_model/Sat, 18 Jul 2026 11:16:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/energy_based_model/<h2 id="definition">Definition</h2> <p>基于能量的模型（EBM）使用源自能量函数的未归一化密度函数来定义输入数据的概率分布。能量函数将数据点映射到实数，合理的配置具有较低的能量，而不合理的配置具有较高的能量。模型通常通过马尔可夫链蒙特卡洛方法进行采样和训练。</p> <h3 id="summary">Summary</h3> <p>一种概率模型，为合理的配置分配低能量值，为不合理的配置分配高能量值。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>未归一化概率</li> <li>配分函数</li> <li>能量函数</li> <li>马尔可夫链蒙特卡洛</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像生成与修复</li> <li>密度估计</li> <li>异常检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/boltzmann-machine-%E7%8E%BB%E5%B0%94%E5%85%B9%E6%9B%BC%E6%9C%BA/">Boltzmann machine (玻尔兹曼机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-boltzmann-machine-%E6%B7%B1%E5%BA%A6%E7%8E%BB%E5%B0%94%E5%85%B9%E6%9B%BC%E6%9C%BA/">Deep Boltzmann machine (深度玻尔兹曼机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/variational-inference-%E5%8F%98%E5%88%86%E6%8E%A8%E6%96%AD/">Variational inference (变分推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/probabilistic-graphical-models-%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B/">Probabilistic graphical models (概率图模型)</a></li> </ul>经验动态建模https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/empirical_dynamic_modeling/Sat, 18 Jul 2026 11:16:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/empirical_dynamic_modeling/<h2 id="definition">Definition</h2> <p>经验动态建模（EDM）是一种分析非线性动力系统的框架，它利用观测数据而不假设特定的参数形式。该方法依赖于Takens嵌入定理，通过重建状态空间来揭示系统内部的因果结构和动态规律。</p> <h3 id="summary">Summary</h3> <p>一种非参数统计方法，用于从观测时间序列数据中重构复杂系统的动态特性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态空间重构</li> <li>Takens定理</li> <li>非线性</li> <li>因果推断</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生态种群预测</li> <li>神经科学信号分析</li> <li>金融市场波动性预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/time-series-analysis-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90/">Time series analysis (时间序列分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chaos-theory-%E6%B7%B7%E6%B2%8C%E7%90%86%E8%AE%BA/">Chaos theory (混沌理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state-space-%E7%8A%B6%E6%80%81%E7%A9%BA%E9%97%B4/">State space (状态空间)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/causal-discovery-%E5%9B%A0%E6%9E%9C%E5%8F%91%E7%8E%B0/">Causal discovery (因果发现)</a></li> </ul>经验风险最小化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/empirical_risk_minimization/Sat, 18 Jul 2026 11:16:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/empirical_risk_minimization/<h2 id="definition">Definition</h2> <p>经验风险最小化（ERM）是训练监督学习模型的标准目标函数。它涉及从一组函数中选择假设，以最小化训练数据上的平均误差（即经验风险）。其核心思想是通过优化训练集上的表现来逼近真实的风险分布。</p> <h3 id="summary">Summary</h3> <p>机器学习中的一个基本原则，旨在最小化观测训练数据上的平均损失。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>损失函数</li> <li>训练误差</li> <li>泛化能力</li> <li>过拟合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练逻辑回归模型</li> <li>优化神经网络权重</li> <li>支持向量机构建</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/structural-risk-minimization-%E7%BB%93%E6%9E%84%E9%A3%8E%E9%99%A9%E6%9C%80%E5%B0%8F%E5%8C%96/">Structural risk minimization (结构风险最小化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/loss-function-%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0/">Loss function (损失函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-variance-tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">Bias-variance tradeoff (偏差-方差权衡)</a></li> </ul>涌现算法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/emergent_algorithm/Sat, 18 Jul 2026 11:16:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/emergent_algorithm/<h2 id="definition">Definition</h2> <p>涌现算法是指系统中许多简单智能体或规则通过局部相互作用而产生的复杂全局行为或模式。与传统的自上而下的编程不同，涌现算法中的整体行为并非预先设计，而是从底层互动中自然浮现出来的。</p> <h3 id="summary">Summary</h3> <p>一种由简单组件相互作用自发产生的算法行为，而非通过显式编程实现。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自组织</li> <li>局部交互</li> <li>复杂性</li> <li>自下而上设计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>群体机器人协调</li> <li>交通流优化</li> <li>神经网络学习动力学</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/swarm-intelligence-%E7%BE%A4%E4%BD%93%E6%99%BA%E8%83%BD/">Swarm intelligence (群体智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cellular-automata-%E5%85%83%E8%83%9E%E8%87%AA%E5%8A%A8%E6%9C%BA/">Cellular automata (元胞自动机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/complex-systems-%E5%A4%8D%E6%9D%82%E7%B3%BB%E7%BB%9F/">Complex systems (复杂系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self-organization-%E8%87%AA%E7%BB%84%E7%BB%87/">Self-organization (自组织)</a></li> </ul>AI要素https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/elements_of_ai/Sat, 18 Jul 2026 11:15:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/elements_of_ai/<h2 id="definition">Definition</h2> <p>由赫尔辛基大学和Reaktor联合创建，这一教育倡议旨在让普通大众了解人工智能。它涵盖了机器学习、深度学习、伦理等基础主题，帮助公众建立对AI的基本认知。</p> <h3 id="summary">Summary</h3> <p>《AI要素》是一门免费的在线课程，旨在为非技术人员提供关于人工智能概念及其社会影响的广泛介绍。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI素养</li> <li>机器学习基础</li> <li>伦理影响</li> <li>公众教育</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提高公众意识的宣传活动</li> <li>针对非技术人员的企业培训</li> <li>大学入门模块课程</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E4%BC%A6%E7%90%86-ai-ethics/">AI伦理 (AI Ethics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-machine-learning/">机器学习 (Machine Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E5%AD%97%E7%B4%A0%E5%85%BB-digital-literacy/">数字素养 (Digital Literacy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/coursera/">Coursera</a></li> </ul>EfficientNethttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/efficientnet/Sat, 18 Jul 2026 11:15:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/efficientnet/<h2 id="definition">Definition</h2> <p>由Google开发，EfficientNet使用复合缩放方法来平衡网络深度、宽度和输入图像分辨率。这种方法使模型能够在保持参数效率的同时达到最先进的准确率水平。</p> <h3 id="summary">Summary</h3> <p>EfficientNet是一系列卷积神经网络架构，通过均匀扩展深度、宽度和分辨率，以更少的参数实现更高的准确率。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>复合缩放 (Compound scaling)</li> <li>MobileNetV2块</li> <li>SE注意力机制 (SE attention)</li> <li>参数效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>移动设备上的图像分类</li> <li>资源受限环境中的物体检测</li> <li>大规模视觉数据集的特征提取</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/resnet/">ResNet</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mobilenet/">MobileNet</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-convolutional-neural-network/">卷积神经网络 (Convolutional Neural Network)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2-neural-architecture-search/">神经架构搜索 (Neural Architecture Search)</a></li> </ul>边缘推理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/edge_inference/Sat, 18 Jul 2026 11:15:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/edge_inference/<h2 id="definition">Definition</h2> <p>这种做法涉及将训练好的AI模型直接部署到智能手机、物联网传感器或嵌入式系统等硬件上。通过在本地处理数据，边缘推理显著降低了延迟，并提高了响应速度。</p> <h3 id="summary">Summary</h3> <p>边缘推理是指将机器学习模型在终端用户设备上本地执行，而不是在集中式云服务器上运行的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>降低延迟</li> <li>隐私保护</li> <li>模型量化</li> <li>本地处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自主无人机中的实时物体检测</li> <li>智能音箱上的语音识别</li> <li>工业物联网传感器上的预测性维护</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%91%E8%AE%A1%E7%AE%97-cloud-computing/">云计算 (Cloud computing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BE%AE%E5%9E%8B%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-tinyml/">微型机器学习 (TinyML)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0-federated-learning/">联邦学习 (Federated learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8E%A8%E7%90%86%E5%BC%95%E6%93%8E-inference-engine/">推理引擎 (Inference engine)</a></li> </ul>具身认知科学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embodied_cognitive_science/Sat, 18 Jul 2026 11:15:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embodied_cognitive_science/<h2 id="definition">Definition</h2> <p>该领域挑战了将心智视为处理抽象符号的计算机的传统观点。相反，它认为认知过程深深植根于身体的物理特性之中，强调身体、心智和环境之间的紧密联系。</p> <h3 id="summary">Summary</h3> <p>具身认知科学是一个理论框架，提出人类的认知从根本上是由身体与环境互动所塑造的。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>情境化认知</li> <li>感觉运动规律</li> <li>身体图式</li> <li>环境耦合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计直观的人机界面</li> <li>开发更自然的AI智能体</li> <li>理解发展心理学</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6-cognitive-science/">认知科学 (Cognitive Science)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%8E%B0%E8%B1%A1%E5%AD%A6-phenomenology/">现象学 (Phenomenology)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%B7%E8%BA%ABai-embodied-ai/">具身AI (Embodied AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E7%A7%91%E5%AD%A6-neuroscience/">神经科学 (Neuroscience)</a></li> </ul>具身智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embodied_agent/Sat, 18 Jul 2026 11:15:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embodied_agent/<h2 id="definition">Definition</h2> <p>与处理抽象数据的非具身AI不同，具身智能体在物理环境中学习和行动，依赖于感官输入和运动输出。这一范式对于机器人技术和自主系统至关重要。</p> <h3 id="summary">Summary</h3> <p>具身智能体是一种通过与物理身体或感觉运动装置交互来与其环境互动的AI系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感觉运动耦合</li> <li>物理具身性</li> <li>反应性行为</li> <li>环境交互</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>制造业中的自主机器人</li> <li>自动驾驶汽车</li> <li>医疗领域的机器人助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6-robotics/">机器人学 (Robotics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-reinforcement-learning/">强化学习 (Reinforcement Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8E%A7%E5%88%B6%E8%AE%BA-cybernetics/">控制论 (Cybernetics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E4%B8%BB%E7%B3%BB%E7%BB%9F-autonomous-systems/">自主系统 (Autonomous Systems)</a></li> </ul>Eaglehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/eagle/Sat, 18 Jul 2026 11:15:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/eagle/<h2 id="definition">Definition</h2> <p>Eagle代表了在大语言模型领域内的一种特定架构和工程框架，主要侧重于训练效率和可扩展性的优化。它通过改进底层实现和分布式策略，帮助研究人员和企业更快速地训练和部署大规模语言模型。</p> <h3 id="summary">Summary</h3> <p>Eagle是由字节跳动开发的高性能开源大语言模型框架，旨在高效地进行大模型的预训练和微调。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大语言模型框架</li> <li>训练效率</li> <li>Transformer架构</li> <li>开源</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大规模模型预训练</li> <li>大语言模型的高效微调</li> <li>模型优化研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-%E6%B5%81%E8%A1%8C%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A1%86%E6%9E%B6/">PyTorch (流行的深度学习框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/megatron-lm-nvidia%E5%BC%80%E5%8F%91%E7%9A%84%E5%A4%A7%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83%E6%A1%86%E6%9E%B6/">Megatron-LM (NVIDIA开发的大模型训练框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepspeed-%E5%BE%AE%E8%BD%AF%E5%BC%80%E5%8F%91%E7%9A%84%E5%A4%A7%E8%A7%84%E6%A8%A1%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83%E5%BA%93/">DeepSpeed (微软开发的大规模模型训练库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B-%E5%85%B7%E6%9C%89%E6%95%B0%E5%8D%81%E4%BA%BF%E5%8F%82%E6%95%B0%E4%BB%A5%E4%B8%8A%E7%9A%84%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">大语言模型 (具有数十亿参数以上的语言模型)</a></li> </ul>EM算法与高斯混合模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/em_algorithm_and_gmm_model/Sat, 18 Jul 2026 11:15:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/em_algorithm_and_gmm_model/<h2 id="definition">Definition</h2> <p>该术语指期望最大化（EM）算法与高斯混合模型（GMM）之间的协同关系。GMM假设所有数据点都是由多个分布混合生成的，而EM算法则通过迭代方式优化这些混合成分的参数（如均值、协方差和权重），从而实现对数据的最佳拟合。</p> <h3 id="summary">Summary</h3> <p>期望最大化（EM）算法是一种用于在包含隐变量的统计模型中寻找最大似然估计的迭代方法，常用于拟合高斯混合模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐变量</li> <li>最大似然估计</li> <li>迭代优化</li> <li>高斯分布</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语音识别中的音素建模</li> <li>图像分割</li> <li>客户细分分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/k-means%E8%81%9A%E7%B1%BB-%E4%B8%80%E7%A7%8D%E5%9F%BA%E4%BA%8E%E8%B7%9D%E7%A6%BB%E7%9A%84%E5%88%92%E5%88%86%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95/">K-means聚类 (一种基于距离的划分聚类算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9A%90%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E6%A8%A1%E5%9E%8B-%E7%94%A8%E4%BA%8E%E5%BA%8F%E5%88%97%E6%95%B0%E6%8D%AE%E7%9A%84%E7%BB%9F%E8%AE%A1%E6%A8%A1%E5%9E%8B/">隐马尔可夫模型 (用于序列数据的统计模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD-%E5%9F%BA%E4%BA%8E%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%AE%9A%E7%90%86%E7%9A%84%E6%A6%82%E7%8E%87%E6%8E%A8%E7%90%86%E6%96%B9%E6%B3%95/">贝叶斯推断 (基于贝叶斯定理的概率推理方法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%86%E5%BA%A6%E4%BC%B0%E8%AE%A1-%E4%BC%B0%E8%AE%A1%E9%9A%8F%E6%9C%BA%E5%8F%98%E9%87%8F%E6%A6%82%E7%8E%87%E5%AF%86%E5%BA%A6%E5%87%BD%E6%95%B0%E7%9A%84%E8%BF%87%E7%A8%8B/">密度估计 (估计随机变量概率密度函数的过程)</a></li> </ul>边缘计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/edge_computing/Sat, 18 Jul 2026 11:15:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/edge_computing/<h2 id="definition">Definition</h2> <p>边缘计算通过在数据生成附近（如物联网设备、传感器或本地网关）处理数据，解决了以云为中心架构的延迟和带宽限制。在AI领域，边缘计算使得模型能够在设备端直接运行推理，从而实现低延迟响应并减少数据传输成本。</p> <h3 id="summary">Summary</h3> <p>边缘计算是一种分布式计算范式，它将计算和数据存储靠近数据源，而不是完全依赖集中的云服务器。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>低延迟</li> <li>分布式处理</li> <li>物联网集成</li> <li>模型压缩</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶导航</li> <li>智能摄像头监控</li> <li>工业预测性维护</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%91%E8%AE%A1%E7%AE%97-%E5%9F%BA%E4%BA%8E%E4%BA%92%E8%81%94%E7%BD%91%E7%9A%84%E8%AE%A1%E7%AE%97%E6%9C%8D%E5%8A%A1/">云计算 (基于互联网的计算服务)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%89%A9%E8%81%94%E7%BD%91-%E4%BA%92%E8%81%94%E7%9A%84%E7%89%A9%E7%90%86%E8%AE%BE%E5%A4%87%E7%BD%91%E7%BB%9C/">物联网 (互联的物理设备网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tinyml-%E5%9C%A8%E5%BE%AE%E6%8E%A7%E5%88%B6%E5%99%A8%E4%B8%8A%E8%BF%90%E8%A1%8C%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%8A%80%E6%9C%AF/">TinyML (在微控制器上运行机器学习的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BB%B6%E8%BF%9F%E4%BC%98%E5%8C%96-%E5%87%8F%E5%B0%91%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86%E6%97%B6%E9%97%B4%E7%9A%84%E6%8A%80%E6%9C%AF/">延迟优化 (减少数据处理时间的技术)</a></li> </ul>急切学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/eager_learning/Sat, 18 Jul 2026 11:15:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/eager_learning/<h2 id="definition">Definition</h2> <p>在急切学习中，系统在遇到新实例之前，会根据训练数据构建一个通用的目标函数或模型。这与延迟学习形成对比，后者将泛化过程推迟到查询阶段，即直到需要预测时才进行计算。</p> <h3 id="summary">Summary</h3> <p>急切学习是一种机器学习方法，其泛化函数在训练阶段就被学习完成，因此在训练结束后能够实现快速的预测时间。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练阶段泛化</li> <li>快速推理</li> <li>模型复杂度</li> <li>过拟合风险</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时图像分类</li> <li>欺诈检测系统</li> <li>推荐引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BB%B6%E8%BF%9F%E5%AD%A6%E4%B9%A0-%E5%B0%86%E6%B3%9B%E5%8C%96%E6%8E%A8%E8%BF%9F%E5%88%B0%E6%B5%8B%E8%AF%95%E9%98%B6%E6%AE%B5%E7%9A%84%E7%AD%96%E7%95%A5/">延迟学习 (将泛化推迟到测试阶段的策略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E4%BA%8E%E5%AE%9E%E4%BE%8B%E7%9A%84%E5%AD%A6%E4%B9%A0-%E5%A6%82knn-%E5%B1%9E%E4%BA%8E%E5%BB%B6%E8%BF%9F%E5%AD%A6%E4%B9%A0/">基于实例的学习 (如KNN，属于延迟学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-%E4%BB%8E%E6%A0%87%E6%B3%A8%E6%95%B0%E6%8D%AE%E4%B8%AD%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%96%B9%E6%B3%95/">监督学习 (从标注数据中学习的方法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83-%E8%B0%83%E6%95%B4%E6%A8%A1%E5%9E%8B%E5%8F%82%E6%95%B0%E7%9A%84%E8%BF%87%E7%A8%8B/">模型训练 (调整模型参数的过程)</a></li> </ul>早停法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/early_stopping/Sat, 18 Jul 2026 11:15:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/early_stopping/<h2 id="definition">Definition</h2> <p>早停法是一种主要用于梯度下降等迭代训练过程中的正则化形式。在训练期间，模型在训练数据上的表现通常会持续改善，但在验证集上的表现可能会在某个点后开始恶化（表明出现过拟合）。早停法通过监控验证误差并在连续多个epoch未改善时停止训练来解决这一问题。</p> <h3 id="summary">Summary</h3> <p>早停法是一种正则化技术，当模型在验证集上的性能开始下降时停止训练过程，以防止过拟合。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>正则化</li> <li>验证集</li> <li>防止过拟合</li> <li>耐心参数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>神经网络训练</li> <li>梯度提升算法</li> <li>时间序列预测模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/l2%E6%AD%A3%E5%88%99%E5%8C%96-%E6%9D%83%E9%87%8D%E8%A1%B0%E5%87%8F%E6%8A%80%E6%9C%AF/">L2正则化 (权重衰减技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dropout-%E9%9A%8F%E6%9C%BA%E4%B8%A2%E5%BC%83%E7%A5%9E%E7%BB%8F%E5%85%83%E7%9A%84%E6%8A%80%E6%9C%AF/">Dropout (随机丢弃神经元的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81-%E8%AF%84%E4%BC%B0%E6%A8%A1%E5%9E%8B%E6%B3%9B%E5%8C%96%E8%83%BD%E5%8A%9B%E7%9A%84%E6%8A%80%E6%9C%AF/">交叉验证 (评估模型泛化能力的技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%9B%E5%8C%96%E8%AF%AF%E5%B7%AE-%E6%A8%A1%E5%9E%8B%E5%AF%B9%E6%9C%AA%E8%A7%81%E6%95%B0%E6%8D%AE%E9%A2%84%E6%B5%8B%E8%AF%AF%E5%B7%AE%E7%9A%84%E4%BC%B0%E8%AE%A1/">泛化误差 (模型对未见数据预测误差的估计)</a></li> </ul>ELMohttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/elmo/Sat, 18 Jul 2026 11:15:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/elmo/<h2 id="definition">Definition</h2> <p>ELMo通过将输入文本通过在大型语料库上训练的双向LSTM进行处理，生成上下文敏感的词嵌入。与Word2Vec等静态嵌入不同，ELMo通过产生不同的向量表示来捕捉一词多义现象。</p> <h3 id="summary">Summary</h3> <p>来自语言模型的嵌入，一种使用双向LSTM的深度上下文词表示方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文嵌入</li> <li>双向LSTM</li> <li>预训练</li> <li>一词多义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>情感分析</li> <li>命名实体识别</li> <li>共指消解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/word2vec-word2vec/">Word2Vec (Word2Vec)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-bert/">BERT (BERT)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer/">Transformer (Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/language-modeling-%E8%AF%AD%E8%A8%80%E5%BB%BA%E6%A8%A1/">Language Modeling (语言建模)</a></li> </ul>动态认知逻辑https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dynamic_epistemic_logic/Sat, 18 Jul 2026 11:15:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dynamic_epistemic_logic/<h2 id="definition">Definition</h2> <p>动态认知逻辑（DEL）扩展了模态逻辑，用于建模智能体在接收新信息时知识如何演变。它提供了分析多智能体系统的工具，在这些系统中，信念因公开公告或其他事件而改变。</p> <h3 id="summary">Summary</h3> <p>一种用于推理由信息更新或事件引起的智能体知识状态变化的形式框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>知识更新</li> <li>信息流</li> <li>多智能体系统</li> <li>信念修正</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>验证安全协议</li> <li>模拟机器人集群中的通信</li> <li>分析博弈论场景</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/modal-logic-%E6%A8%A1%E6%80%81%E9%80%BB%E8%BE%91/">Modal Logic (模态逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/game-theory-%E5%8D%9A%E5%BC%88%E8%AE%BA/">Game Theory (博弈论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed-systems-%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/">Distributed Systems (分布式系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/epistemic-logic-%E8%AE%A4%E7%9F%A5%E9%80%BB%E8%BE%91/">Epistemic Logic (认知逻辑)</a></li> </ul>领域自适应https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/domain_adaptation/Sat, 18 Jul 2026 11:15:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/domain_adaptation/<h2 id="definition">Definition</h2> <p>领域自适应解决了训练数据和测试数据来自不同分布的挑战。通过对齐有标签的源领域和无标签或稀疏标签的目标领域之间的特征表示，该方法能够提升模型的泛化能力。</p> <h3 id="summary">Summary</h3> <p>一种通过利用源领域的知识来提高模型在目标领域性能机器学习方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>源领域</li> <li>目标领域</li> <li>分布偏移</li> <li>特征对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>跨不同扫描仪类型翻译医学图像</li> <li>适应不同口音的语音识别</li> <li>跨平台推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/domain-generalization-%E9%A2%86%E5%9F%9F%E6%B3%9B%E5%8C%96/">Domain Generalization (领域泛化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-augmentation-%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA/">Data Augmentation (数据增强)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few-shot-learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">Few-Shot Learning (少样本学习)</a></li> </ul>双重下降https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/double_descent/Sat, 18 Jul 2026 11:15:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/double_descent/<h2 id="definition">Definition</h2> <p>双重下降挑战了传统的偏差-方差权衡理论，表明高度过参数化的模型即使插值了训练数据，也能实现较低的测试误差。起初，随着模型复杂度的增加，误差会上升，但在越过插值阈值后，误差会再次下降。</p> <h3 id="summary">Summary</h3> <p>随着模型复杂度超过插值阈值，测试误差先下降、后上升、再次下降的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>插值阈值</li> <li>过参数化</li> <li>偏差-方差权衡</li> <li>测试误差</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析神经网络缩放定律</li> <li>理解深度学习中的泛化能力</li> <li>大规模AI系统中的模型选择</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/underfitting-%E6%AC%A0%E6%8B%9F%E5%90%88/">Underfitting (欠拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-tangent-kernel-%E7%A5%9E%E7%BB%8F%E5%88%87%E7%BA%BF%E6%A0%B8/">Neural Tangent Kernel (神经切线核)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> </ul>文档分类https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/document_classification/Sat, 18 Jul 2026 11:15:33 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/document_classification/<h2 id="definition">Definition</h2> <p>文档分类是一项基本的自然语言处理任务，算法在此过程中为无结构文本数据分配标签。它涉及从文档中提取特征，并将它们映射到特定的类别中。</p> <h3 id="summary">Summary</h3> <p>根据内容将文本文档归类到预定义组的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本预处理</li> <li>特征提取</li> <li>监督学习</li> <li>标注</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>电子邮件服务中的垃圾邮件过滤</li> <li>新闻自动标记</li> <li>法律文档分类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/named-entity-recognition-%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB/">Named Entity Recognition (命名实体识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-mining-%E6%96%87%E6%9C%AC%E6%8C%96%E6%8E%98/">Text Mining (文本挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/naive-bayes-%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF/">Naive Bayes (朴素贝叶斯)</a></li> </ul>Diffusers: Stable Video Diffusion Pipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablevideodiffusionpipeline/Sat, 18 Jul 2026 11:15:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablevideodiffusionpipeline/<h2 id="definition">Definition</h2> <p>该术语指 Hugging Face Diffusers 库中专为视频生成设计的特定实现。它集成了 Stable Video Diffusion (SVD) 模型，这是一种潜在视频扩散模型，能够将静态图像转化为动态视频内容。</p> <h3 id="summary">Summary</h3> <p>一个 Hugging Face Diffusers 管道封装，利用 Stable Video Diffusion 模型从静态图像生成视频。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图像到视频生成</li> <li>潜在空间扩散</li> <li>Hugging Face Diffusers</li> <li>Stable Video Diffusion 模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为静态艺术作品或照片添加动画效果</li> <li>为社交媒体内容创建短视频片段</li> <li>在电影制作中进行视觉效果的原型设计</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">diffusers</span> <span style="color:#000;font-weight:bold">import</span> StableVideoDiffusionPipeline </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>pipe <span style="color:#000;font-weight:bold">=</span> StableVideoDiffusionPipeline<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#34;stabilityai/stable-video-diffusion-img2vid&#34;</span>, torch_dtype<span style="color:#000;font-weight:bold">=</span>torch<span style="color:#000;font-weight:bold">.</span>float16) </span></span><span style="display:flex;"><span>pipe<span style="color:#000;font-weight:bold">.</span>enable_model_cpu_offload() </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Usage would involve loading an image and calling pipe(image)</span> </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3/">Stable Diffusion (稳定扩散)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/video-diffusion-models-%E8%A7%86%E9%A2%91%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Video Diffusion Models (视频扩散模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-transformers-hugging-face-%E8%BD%AC%E6%8D%A2%E5%99%A8%E5%BA%93/">Hugging Face Transformers (Hugging Face 转换器库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent-diffusion-%E6%BD%9C%E5%9C%A8%E6%89%A9%E6%95%A3/">Latent Diffusion (潜在扩散)</a></li> </ul>Diffusers: Zimagepipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffuserszimagepipeline/Sat, 18 Jul 2026 11:15:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffuserszimagepipeline/<h2 id="definition">Definition</h2> <p>在 Hugging Face Diffusers 生态系统的背景下，该术语通常指为特定图像生成任务设计的管道配置或封装，可能利用零样本学习方法，或者针对特定的空间约束（如 Z 轴深度）进行优化。</p> <h3 id="summary">Summary</h3> <p>一种专门的 Hugging Face Diffusers 管道，通常与零样本学习或特定的图像生成架构实现相关联，常涉及 Z 轴或特定的社区模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>零样本学习</li> <li>自定义扩散管道</li> <li>图像合成</li> <li>Hugging Face 抽象层</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>无需训练即可快速原型化图像概念</li> <li>生成具有特定深度或空间约束的图像</li> <li>通过零样本方法将现有模型适应到新领域</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zero-shot-classification-%E9%9B%B6%E6%A0%B7%E6%9C%AC%E5%88%86%E7%B1%BB/">Zero-Shot Classification (零样本分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-xl-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3-xl/">Stable Diffusion XL (稳定扩散 XL)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-abstraction-%E7%AE%A1%E9%81%93%E6%8A%BD%E8%B1%A1/">Pipeline Abstraction (管道抽象)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/community-models-%E7%A4%BE%E5%8C%BA%E6%A8%A1%E5%9E%8B/">Community Models (社区模型)</a></li> </ul>Diffusion Single Filehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusion_single_file/Sat, 18 Jul 2026 11:15:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusion_single_file/<h2 id="definition">Definition</h2> <p>扩散单文件（Diffusion Single File）指的是一种机器学习模型（特别是扩散模型）的打包策略，其中整个模型工件——包括二进制权重、超参数和模型架构定义——都被整合到一个单一文件中，从而简化了分发和部署过程。</p> <h3 id="summary">Summary</h3> <p>一种扩散模型的发行格式，将所有模型权重、配置以及有时甚至推理代码打包到一个单独的文件中，以便于便携性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型可移植性</li> <li>单文件分发</li> <li>权重序列化</li> <li>部署简化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在 Civitai 等社区平台上共享模型</li> <li>部署轻量级应用程序而无需复杂的依赖项</li> <li>归档模型版本以确保可复现性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safetensors-%E5%AE%89%E5%85%A8%E5%BC%A0%E9%87%8F%E6%A0%BC%E5%BC%8F/">Safetensors (安全张量格式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-state-dict-pytorch-%E7%8A%B6%E6%80%81%E5%AD%97%E5%85%B8/">PyTorch State Dict (PyTorch 状态字典)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/onnx-runtime-onnx-%E8%BF%90%E8%A1%8C%E6%97%B6/">ONNX Runtime (ONNX 运行时)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-quantization-%E6%A8%A1%E5%9E%8B%E9%87%8F%E5%8C%96/">Model Quantization (模型量化)</a></li> </ul>Discovery Systemhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/discovery_system/Sat, 18 Jul 2026 11:15:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/discovery_system/<h2 id="definition">Definition</h2> <p>发现系统是一种计算框架，旨在通过自动化探索庞大的数据空间来加速科学或分析突破。与传统仅寻求局部最优的优化不同，发现系统致力于在整个搜索空间中进行广泛探索，以识别新颖的模式或假设。</p> <h3 id="summary">Summary</h3> <p>一种旨在识别、探索和评估大型搜索空间中潜在解决方案、模式或假设的自动化框架或算法流程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动化探索</li> <li>假设生成</li> <li>主动学习</li> <li>搜索空间导航</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>识别制药领域的新分子结构</li> <li>发现具有特定属性的新材料</li> <li>在大型数据集中发现意外的相关性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automated-machine-learning-%E8%87%AA%E5%8A%A8%E5%8C%96%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Automated Machine Learning (自动化机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scientific-discovery-%E7%A7%91%E5%AD%A6%E5%8F%91%E7%8E%B0/">Scientific Discovery (科学发现)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-optimization-%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%98%E5%8C%96/">Bayesian Optimization (贝叶斯优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-mining-%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98/">Data Mining (数据挖掘)</a></li> </ul>Discrimination against robotshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/discrimination_against_robots/Sat, 18 Jul 2026 11:15:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/discrimination_against_robots/<h2 id="definition">Definition</h2> <p>机器人歧视是一个新兴的伦理和社会学概念，研究人类如何可能基于其非人类本质而不公平地对待、不信任或给人工智能代理分配负面属性。这种现象探讨了当机器表现出类人行为时，人类反应中的偏见和心理机制。</p> <h3 id="summary">Summary</h3> <p>一个伦理和法律概念，指针对人工智能代理或自主系统的偏见待遇或歧视，通常源于拟人化投射或功能性不信任。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机交互</li> <li>算法偏见</li> <li>人工智能伦理</li> <li>拟人化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计更公平的人机交互协议</li> <li>关于 AI 人格和责任的法律辩论</li> <li>公众对自动化信任度的社会学研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-rights-ai-%E6%9D%83%E5%88%A9/">AI Rights (AI 权利)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-in-ai-ai-%E4%B8%AD%E7%9A%84%E5%81%8F%E8%A7%81/">Bias in AI (AI 中的偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social Robotics (社交机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical-ai-%E4%BC%A6%E7%90%86-ai/">Ethical AI (伦理 AI)</a></li> </ul>Diffusers:Qwenimageeditpipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersqwenimageeditpipeline/Sat, 18 Jul 2026 11:15:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersqwenimageeditpipeline/<h2 id="definition">Definition</h2> <p>该管道将 Qwen-Vision-Language 模型的能力集成到 Diffusers 框架中，以根据自然语言指令执行精确的图像修改。与生成式管道不同……</p> <h3 id="summary">Summary</h3> <p>Hugging Face Diffusers 库中的一个管道，利用 Qwen-VL 模型进行基于指令的图像编辑任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>视觉-语言模型</li> <li>基于指令的编辑</li> <li>语义理解</li> <li>Hugging Face Diffusers</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过文本提示从照片中移除特定对象</li> <li>根据描述性指令向图像添加新元素</li> <li>在不重新生成的情况下修改图像风格或属性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen-vl-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE%E8%A7%86%E8%A7%89%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Qwen-VL (通义千问视觉语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inpainting-%E5%9B%BE%E5%83%8F%E4%BF%AE%E5%A4%8D-%E9%87%8D%E7%BB%98/">Inpainting (图像修复/重绘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/outpainting-%E5%9B%BE%E5%83%8F%E5%A4%96%E6%89%A9-%E8%A1%A5%E5%85%A8/">Outpainting (图像外扩/补全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal-ai-%E5%A4%9A%E6%A8%A1%E6%80%81%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Multimodal AI (多模态人工智能)</a></li> </ul>Diffusers:Qwenimagepipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersqwenimagepipeline/Sat, 18 Jul 2026 11:15:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersqwenimagepipeline/<h2 id="definition">Definition</h2> <p>该管道调整了 Qwen-VL 模型的生成能力以用于图像合成。它允许用户通过提供文本提示或将文本与参考图像结合来生成高质量图像……</p> <h3 id="summary">Summary</h3> <p>在 Diffusers 中利用 Qwen-VL 模型直接从文本描述或多模态输入生成图像的管道。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文生图生成</li> <li>多模态合成</li> <li>Qwen 架构</li> <li>提示词对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>根据详细的文本描述生成艺术插图</li> <li>基于叙事提示创建概念艺术</li> <li>通过多模态输入可视化抽象概念</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-to-image-%E6%96%87%E7%94%9F%E5%9B%BE/">Text-to-Image (文生图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-ai-%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Generative AI (生成式人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen-vl-%E9%80%9A%E4%B9%89%E5%8D%83%E9%97%AE%E8%A7%86%E8%A7%89%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Qwen-VL (通义千问视觉语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E8%AF%8D%E5%B7%A5%E7%A8%8B/">Prompt Engineering (提示词工程)</a></li> </ul>Diffusers:Stablediffusion3Pipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablediffusion3pipeline/Sat, 18 Jul 2026 11:15:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablediffusion3pipeline/<h2 id="definition">Definition</h2> <p>该管道利用 Stable Diffusion 3 模型，该模型引入了多模态扩散 Transformer（MMDiT）架构和流匹配训练目标。这些进步显著增强了……</p> <h3 id="summary">Summary</h3> <p>实现 Stable Diffusion 3 架构的管道，采用 MMDiT 和 Flow Matching（流匹配）技术，以提升图像质量和文本渲染效果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>MMDiT 架构</li> <li>流匹配 (Flow Matching)</li> <li>文本渲染</li> <li>高保真生成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生成带有准确、可读文本叠加层的图像</li> <li>创建包含多个主体的复杂构图</li> <li>制作具有极少伪影的高分辨率艺术作品</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-xl-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3-xl/">Stable Diffusion XL (稳定扩散 XL)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-transformers-%E6%89%A9%E6%95%A3-transformer/">Diffusion Transformers (扩散 Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/flow-matching-%E6%B5%81%E5%8C%B9%E9%85%8D/">Flow Matching (流匹配)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent-diffusion-%E6%BD%9C%E5%9C%A8%E6%89%A9%E6%95%A3/">Latent Diffusion (潜在扩散)</a></li> </ul>Diffusers:Stablediffusionpipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablediffusionpipeline/Sat, 18 Jul 2026 11:15:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablediffusionpipeline/<h2 id="definition">Definition</h2> <p>这是 Stable Diffusion v1.5 模型的基础管道，广泛用于通用文生图合成。它依赖 U-Net 去噪器和 CLIP 文本编码器将文本提示映射到……</p> <h3 id="summary">Summary</h3> <p>运行 Stable Diffusion v1.5 的标准管道，使用 U-Net 和 CLIP 编码器进行文生图生成。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>U-Net 去噪器</li> <li>CLIP 文本编码器</li> <li>潜在空间 (Latent Space)</li> <li>迭代去噪</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>根据文本提示进行通用图像生成</li> <li>针对特定艺术风格进行微调</li> <li>集成到需要快速原型开发的应用程序中</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-xl-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3-xl/">Stable Diffusion XL (稳定扩散 XL)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/controlnet-%E6%8E%A7%E5%88%B6%E7%BD%91/">ControlNet (控制网)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora-%E4%BD%8E%E7%A7%A9%E8%87%AA%E9%80%82%E5%BA%94/">LoRA (低秩自适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dreambooth-%E6%A2%A6%E5%A2%83%E6%B3%A8%E5%85%A5/">Dreambooth (梦境注入)</a></li> </ul>Diffusers:Stablediffusionxlpipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablediffusionxlpipeline/Sat, 18 Jul 2026 11:15:08 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersstablediffusionxlpipeline/<h2 id="definition">Definition</h2> <p>该管道实现了 Stable Diffusion XL 架构，该架构使用优化的基础模型和细化模型来生成高分辨率（1024x1024）图像，具有卓越的细节和构图。它……</p> <h3 id="summary">Summary</h3> <p>用于 Stable Diffusion XL (SDXL) 的管道，相比之前的版本提供了更高的分辨率、细节和提示词遵循度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基础-细化架构 (Base-Refiner Architecture)</li> <li>OpenCLIP</li> <li>高分辨率</li> <li>增强的提示词遵循度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生成具有高细节的逼真图像</li> <li>创作大幅面艺术作品而不产生上采样伪影</li> <li>具有多个交互主体的复杂场景构图</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-3-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3-3/">Stable Diffusion 3 (稳定扩散 3)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sdxl-turbo-sdxl-%E6%9E%81%E9%80%9F%E7%89%88/">SDXL Turbo (SDXL 极速版)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/controlnet-xl-%E6%8E%A7%E5%88%B6%E7%BD%91-xl/">ControlNet XL (控制网 XL)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tiled-vae-%E5%88%86%E5%9D%97%E5%8F%98%E5%88%86%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">Tiled VAE (分块变分自编码器)</a></li> </ul>Diffusershttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusers/Sat, 18 Jul 2026 11:14:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusers/<h2 id="definition">Definition</h2> <p>Hugging Face Diffusers 是一个模块化工具包，旨在简化扩散模型的使用。它为文本生成图像、图像修复和超分辨率等任务提供了预训练管道。</p> <h3 id="summary">Summary</h3> <p>Hugging Face 生态系统中的一个库，提供了用于图像、音频和文本生成的最先进的扩散模型实现。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>管道抽象</li> <li>预训练模型</li> <li>去噪过程</li> <li>社区中心</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建创意 AI 艺术应用</li> <li>实现图像编辑工具</li> <li>快速原型开发生成式功能</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion/">Stable Diffusion</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face/">Hugging Face</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%BD%9C%E5%9C%A8%E6%89%A9%E6%95%A3-latent-diffusion/">潜在扩散 (Latent Diffusion)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%94%9F%E6%88%90%E5%BC%8F-ai-generative-ai/">生成式 AI (Generative AI)</a></li> </ul>Diffusers: Flux Context Pipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersfluxkontextpipeline/Sat, 18 Jul 2026 11:14:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersfluxkontextpipeline/<h2 id="definition">Definition</h2> <p>该管道利用以高质量图像合成著称的 Flux 架构，并将其集成到 Diffusers 框架中。它支持上下文机制，使模型能够考虑周围环境信息。</p> <h3 id="summary">Summary</h3> <p>Diffusers 库中为 Flux 模型设计的专用管道，支持具有增强时间或空间一致性的上下文感知图像生成。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Flux 架构</li> <li>上下文感知</li> <li>时间一致性</li> <li>专用管道</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>跨场景生成一致的角色设计</li> <li>视频帧插值</li> <li>复杂的叙事性视觉故事讲述</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/flux-%E6%A8%A1%E5%9E%8B-flux-model/">Flux 模型 (Flux Model)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%A7%86%E9%A2%91%E7%94%9F%E6%88%90-video-generation/">视频生成 (Video Generation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E5%83%8F%E4%B8%80%E8%87%B4%E6%80%A7-image-consistency/">图像一致性 (Image Consistency)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusers/">Diffusers</a></li> </ul>Diffusers: LTX Pipelinehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersltxpipeline/Sat, 18 Jul 2026 11:14:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusersltxpipeline/<h2 id="definition">Definition</h2> <p>LTX 管道专为优先考虑生成任务速度和效率的模型量身定制，通常利用蒸馏或加速采样方法。它与 Diffusers 无缝集成。</p> <h3 id="summary">Summary</h3> <p>Diffusers 中针对 LTX（闪电文本转视频或类似高速生成）模型优化的管道实现，侧重于快速推理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>快速推理</li> <li>模型蒸馏</li> <li>实时生成</li> <li>优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时交互式艺术装置</li> <li>视频概念的快速原型开发</li> <li>低延迟内容创作工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ltx-%E6%A8%A1%E5%9E%8B-ltx-model/">LTX 模型 (LTX Model)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8E%A8%E7%90%86%E9%80%9F%E5%BA%A6-inference-speed/">推理速度 (Inference Speed)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E8%92%B8%E9%A6%8F-model-distillation/">模型蒸馏 (Model Distillation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusers/">Diffusers</a></li> </ul>差分随机梯度下降https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/differentially_private_stochastic_gradient_descent/Sat, 18 Jul 2026 11:14:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/differentially_private_stochastic_gradient_descent/<h2 id="definition">Definition</h2> <p>DP-SGD 是随机梯度下降的一种变体，旨在保护训练数据的隐私。它通过裁剪每个样本梯度的贡献来限制敏感度，然后添加高斯噪声来实现隐私保护。</p> <h3 id="summary">Summary</h3> <p>一种优化算法，通过对标准随机梯度下降（SGD）进行梯度裁剪和添加噪声的修改，确保训练后的模型满足差分隐私约束。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度裁剪</li> <li>高斯噪声注入</li> <li>样本子采样</li> <li>隐私会计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在私有用户数据上训练深度神经网络</li> <li>医疗保健预测建模</li> <li>使用受监管数据进行金融欺诈检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81-differential-privacy/">差分隐私 (Differential Privacy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9A%8F%E6%9C%BA%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D-sgd/">随机梯度下降 (SGD)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E5%8F%8D%E8%BD%AC%E6%94%BB%E5%87%BB-model-inversion-attacks/">模型反转攻击 (Model Inversion Attacks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9A%90%E7%A7%81%E9%A2%84%E7%AE%97-privacy-budget/">隐私预算 (Privacy Budget)</a></li> </ul>差分隐私https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/differential_privacy/Sat, 18 Jul 2026 11:14:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/differential_privacy/<h2 id="definition">Definition</h2> <p>差分隐私通过向查询结果或模型参数添加经过校准的统计噪声，提供强有力的隐私保障。它量化了关于任何单个个体信息泄露的最大程度。</p> <h3 id="summary">Summary</h3> <p>一种严格的数学框架，确保包含或排除任何单个个体的数据不会对分析结果产生显著影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐私预算（Epsilon）</li> <li>噪声校准</li> <li>组合定理</li> <li>零知识证明</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在敏感医疗记录上训练模型</li> <li>发布聚合统计数据而不泄露个人身份</li> <li>在不信任方之间安全共享数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0-federated-learning/">联邦学习 (Federated Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%8C%E6%80%81%E5%8A%A0%E5%AF%86-homomorphic-encryption/">同态加密 (Homomorphic Encryption)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E5%8C%BF%E5%90%8D%E5%8C%96-data-anonymization/">数据匿名化 (Data Anonymization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-privacy-preserving-ml/">隐私保护机器学习 (Privacy-Preserving ML)</a></li> </ul>Diellahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diella/Sat, 18 Jul 2026 11:14:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diella/<h2 id="definition">Definition</h2> <p>Diella 指的是针对提高图像质量（通过增加分辨率或去除噪声）而优化的特定神经网络模型。这些架构通常采用先进的注意力机制或残差连接来提高重建图像的感知质量。</p> <h3 id="summary">Summary</h3> <p>一种专为高效图像超分辨率和恢复任务设计的专用深度学习架构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>超分辨率</li> <li>图像恢复</li> <li>注意力机制</li> <li>感知质量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>视频超采样/放大</li> <li>医学图像增强</li> <li>卫星影像分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cnn-%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">CNN (卷积神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/upsampling-%E4%B8%8A%E9%87%87%E6%A0%B7/">Upsampling (上采样)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-processing-%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86/">Image Processing (图像处理)</a></li> </ul>部署：Azurehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deployazure/Sat, 18 Jul 2026 11:14:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deployazure/<h2 id="definition">Definition</h2> <p>向 Azure 部署涉及利用云原生工具，如 Azure Machine Learning、Azure Kubernetes Service (AKS) 或 Azure Functions，以大规模提供机器学习模型服务。它包括管理计算资源、监控模型性能以及确保可扩展性。</p> <h3 id="summary">Summary</h3> <p>在微软 Azure 云基础设施服务上托管和运行机器学习模型的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>云基础设施</li> <li>模型服务化</li> <li>可扩展性</li> <li>持续集成/持续交付管道</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>用于推理的实时 API 端点</li> <li>大型数据集的批量评分</li> <li>企业级模型管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4/">MLOps (机器学习运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/azure-ml-studio-azure-ml-%E5%B7%A5%E4%BD%9C%E5%AE%A4/">Azure ML Studio (Azure ML 工作室)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kubernetes-%E5%AE%B9%E5%99%A8%E7%BC%96%E6%8E%92%E5%BC%95%E6%93%8E/">Kubernetes (容器编排引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/containerization-%E5%AE%B9%E5%99%A8%E5%8C%96/">Containerization (容器化)</a></li> </ul>稠密层https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dense/Sat, 18 Jul 2026 11:14:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dense/<h2 id="definition">Definition</h2> <p>在神经网络中，“稠密”指的是全连接层，其中每个神经元都接收来自前一层所有神经元的输入。这与卷积层或稀疏连接中常见的稀疏连接形成对比。</p> <h3 id="summary">Summary</h3> <p>一种层或张量，其中每个元素都与前一层或维度的每个元素相连。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>全连接</li> <li>权重矩阵</li> <li>激活函数</li> <li>特征整合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>多层感知机（MLP）中的最终分类层</li> <li>混合模型中的特征融合</li> <li>简单回归任务</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">tensorflow</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">tf</span> </span></span><span style="display:flex;"><span>layer <span style="color:#000;font-weight:bold">=</span> tf<span style="color:#000;font-weight:bold">.</span>keras<span style="color:#000;font-weight:bold">.</span>layers<span style="color:#000;font-weight:bold">.</span>Dense(<span style="color:#099">64</span>, activation<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;relu&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feedforward-neural-network-%E5%89%8D%E9%A6%88%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Feedforward Neural Network (前馈神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/relu-%E6%95%B4%E6%B5%81%E7%BA%BF%E6%80%A7%E5%8D%95%E5%85%83/">ReLU (整流线性单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-term-%E5%81%8F%E7%BD%AE%E9%A1%B9/">Bias Term (偏置项)</a></li> </ul>发展机器人学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/developmental_robotics/Sat, 18 Jul 2026 11:14:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/developmental_robotics/<h2 id="definition">Definition</h2> <p>发展机器人学从人类认知发展中汲取灵感，创造能够随时间自主学习的机器人。这些系统不是预先编程所有行为，而是使用类似模仿学习、内在动机和传感器运动发展的机制来逐步获得技能。</p> <h3 id="summary">Summary</h3> <p>一个跨学科领域，研究机器人如何通过与环境和照顾者的互动来获取复杂技能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主学习</li> <li>传感器运动发展</li> <li>模仿学习</li> <li>内在动机</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人机交互研究</li> <li>自适应机器人助手</li> <li>认知科学建模</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embodied-cognition-%E5%85%B7%E8%BA%AB%E8%AE%A4%E7%9F%A5/">Embodied Cognition (具身认知)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/motor-control-%E8%BF%90%E5%8A%A8%E6%8E%A7%E5%88%B6/">Motor Control (运动控制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social Robotics (社交机器人)</a></li> </ul>描述逻辑https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/description_logic/Sat, 18 Jul 2026 11:14:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/description_logic/<h2 id="definition">Definition</h2> <p>描述逻辑（DL）是一阶逻辑的可判定片段，构成了本体论的理论基础，特别是网络本体语言（OWL）。它们允许对概念及其关系进行精确定义和自动推理。</p> <h3 id="summary">Summary</h3> <p>一类形式化的知识表示语言，用于表示和推理领域的概念结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>本体论</li> <li>推理</li> <li>包含关系</li> <li>概念层次结构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建语义网本体</li> <li>医学知识图谱</li> <li>自动分类系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/owl-%E7%BD%91%E7%BB%9C%E6%9C%AC%E4%BD%93%E8%AF%AD%E8%A8%80/">OWL (网络本体语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rdf-%E8%B5%84%E6%BA%90%E6%8F%8F%E8%BF%B0%E6%A1%86%E6%9E%B6/">RDF (资源描述框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graph (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-web-%E8%AF%AD%E4%B9%89%E7%BD%91/">Semantic Web (语义网)</a></li> </ul>DeepSeekhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek/Sat, 18 Jul 2026 11:14:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek/<h2 id="definition">Definition</h2> <p>DeepSeek指的是由深度求索公司创建的人工智能模型家族。这些模型旨在处理复杂的自然语言处理任务，包括代码生成、逻辑推理和多轮对话，并在开源社区中提供了高权重的模型版本供开发者使用。</p> <h3 id="summary">Summary</h3> <p>DeepSeek是由深度求索公司开发的一系列大语言模型，以其高效率、强大的代码能力和开放权重而著称。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大语言模型</li> <li>开放权重</li> <li>代码生成</li> <li>混合专家模型</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>软件开发辅助</li> <li>数据分析自动化</li> <li>多语言聊天机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-large-language-model-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (Large Language Model, 大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/openai-openai/">OpenAI (OpenAI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer%E6%9E%B6%E6%9E%84-transformer-architecture/">Transformer架构 (Transformer Architecture)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moe-mixture-of-experts-%E6%B7%B7%E5%90%88%E4%B8%93%E5%AE%B6%E6%A8%A1%E5%9E%8B/">MoE (Mixture of Experts, 混合专家模型)</a></li> </ul>DeepSeek V3https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek_v3/Sat, 18 Jul 2026 11:14:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek_v3/<h2 id="definition">Definition</h2> <p>DeepSeek V3是DeepSeek模型家族中的先进迭代版本，其特点是通过混合专家路由机制，在推理过程中仅激活少量参数子集。这种稀疏激活架构使得模型在保持强大推理能力的同时，大幅降低了计算和训练成本。</p> <h3 id="summary">Summary</h3> <p>DeepSeek V3是一款高效的混合专家（MoE）语言模型，以显著降低的训练成本实现了最先进的性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混合专家模型</li> <li>稀疏激活</li> <li>训练效率</li> <li>推理能力</li> <li>混合优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂数学问题解决</li> <li>高级代码重构</li> <li>高风险逻辑推理任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepseek-deepseek/">DeepSeek (DeepSeek)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moe-mixture-of-experts-%E6%B7%B7%E5%90%88%E4%B8%93%E5%AE%B6%E6%A8%A1%E5%9E%8B/">MoE (Mixture of Experts, 混合专家模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A8%80%E7%96%8F%E6%A8%A1%E5%9E%8B-sparse-models/">稀疏模型 (Sparse Models)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95-llm-benchmarking/">LLM基准测试 (LLM Benchmarking)</a></li> </ul>DeepSeek V4https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek_v4/Sat, 18 Jul 2026 11:14:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek_v4/<h2 id="definition">Definition</h2> <p>作为先前版本的继任者，DeepSeek V4暗示了DeepSeek模型系列的持续演进，重点在于增强可扩展性和鲁棒性。虽然具体的公开细节可能因依赖因素而异，但该版本旨在提供更长的上下文窗口和更好的人类对齐效果。</p> <h3 id="summary">Summary</h3> <p>DeepSeek V4是DeepSeek系列中的概念性或后续迭代版本，代表了模型扩展和多模态整合方面的进一步进展。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型扩展</li> <li>上下文窗口</li> <li>人类对齐</li> <li>幻觉减少</li> <li>多语言支持</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>长文档分析</li> <li>跨语言翻译</li> <li>企业知识库查询</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deepseek-deepseek/">DeepSeek (DeepSeek)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%8A%E4%B8%8B%E6%96%87%E9%95%BF%E5%BA%A6-context-length/">上下文长度 (Context Length)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%B9%E9%BD%90-alignment/">对齐 (Alignment)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E6%A3%80%E7%B4%A2-knowledge-retrieval/">知识检索 (Knowledge Retrieval)</a></li> </ul>DeepSeek VL V2https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek_vl_v2/Sat, 18 Jul 2026 11:14:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepseek_vl_v2/<h2 id="definition">Definition</h2> <p>DeepSeek VL V2将标准语言模型的能力扩展到多模态领域，使其能够结合图像和文本进行解释。它利用连接到大型语言模型的视觉编码器，实现了对复杂视觉内容的深入理解和生成。</p> <h3 id="summary">Summary</h3> <p>DeepSeek VL V2是一款视觉-语言模型，旨在以高精度和效率处理和理解视觉输入及文本查询。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>视觉-语言模型</li> <li>多模态AI</li> <li>视觉问答</li> <li>文档理解</li> <li>图像描述生成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动图表解读</li> <li>医学影像诊断支持</li> <li>视觉搜索引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clip-clip/">CLIP (CLIP)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%9A%E6%A8%A1%E6%80%81%E5%AD%A6%E4%B9%A0-multimodal-learning/">多模态学习 (Multimodal Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89-computer-vision/">计算机视觉 (Computer Vision)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%89%E5%AD%A6%E5%AD%97%E7%AC%A6%E8%AF%86%E5%88%AB-ocr/">光学字符识别 (OCR)</a></li> </ul>深度层析重建https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_tomographic_reconstruction/Sat, 18 Jul 2026 11:14:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_tomographic_reconstruction/<h2 id="definition">Definition</h2> <p>深度层析重建代表了相对于传统代数或解析方法（如滤波反投影）的重大进步。通过利用卷积神经网络（CNNs），该方法能够更有效地处理逆问题，从而在数据质量较低的情况下实现高精度的图像重建。</p> <h3 id="summary">Summary</h3> <p>一种计算成像技术，利用深度神经网络从稀疏或含噪的投影数据中重建高质量断层图像。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经网络</li> <li>医学影像</li> <li>逆问题</li> <li>正弦图处理</li> <li>伪影去除</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>低剂量CT扫描重建</li> <li>快速MRI采集</li> <li>工业无损检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E6%9C%BA%E6%96%AD%E5%B1%82%E6%89%AB%E6%8F%8F-computed-tomography/">计算机断层扫描 (Computed Tomography)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C-generative-adversarial-networks/">生成对抗网络 (Generative Adversarial Networks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E5%83%8F%E5%8E%BB%E5%99%AA-image-denoising/">图像去噪 (Image Denoising)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AD%A3%E5%BC%A6%E5%9B%BE-sinogram/">正弦图 (Sinogram)</a></li> </ul>决策列表https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision_list/Sat, 18 Jul 2026 11:13:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision_list/<h2 id="definition">Definition</h2> <p>决策列表是一种机器学习模型类型，它将知识表示为条件规则的序列。每个规则由一个条件和预测的类别标签组成。当对新数据进行分类时&hellip;</p> <h3 id="summary">Summary</h3> <p>一种可解释的分类器，由有序规则列表组成，第一个匹配的规则决定输出结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>有序规则</li> <li>可解释性</li> <li>首次匹配语义</li> <li>基于规则的分类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断支持</li> <li>信用评分解释</li> <li>法律合规检查</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%86%B3%E7%AD%96%E6%A0%91-decision-tree/">决策树 (Decision tree)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E4%BA%8E%E8%A7%84%E5%88%99%E7%9A%84%E7%B3%BB%E7%BB%9F-rule-based-system/">基于规则的系统 (Rule-based system)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A6%82%E6%9E%9C-%E9%82%A3%E4%B9%88%E8%A7%84%E5%88%99-if-then-rules/">如果-那么规则 (If-then rules)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-interpretable-ml/">可解释机器学习 (Interpretable ML)</a></li> </ul>决策树剪枝https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision_tree_pruning/Sat, 18 Jul 2026 11:13:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision_tree_pruning/<h2 id="definition">Definition</h2> <p>剪枝是一种用于防止决策树模型过拟合的方法，通过移除具有弱预测能力的分支来实现。它可以以预剪枝（提前停止树的生长）或后剪枝的方式执行&hellip;</p> <h3 id="summary">Summary</h3> <p>一种通过移除对分类实例贡献较小的部分来减小决策树规模的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>防止过拟合</li> <li>预剪枝</li> <li>后剪枝</li> <li>模型复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提高模型泛化能力</li> <li>降低推理延迟</li> <li>简化规则提取</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AD%A3%E5%88%99%E5%8C%96-regularization/">正则化 (Regularization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81-cross-validation/">交叉验证 (Cross-validation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%86%B5-entropy/">熵 (Entropy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BF%A1%E6%81%AF%E5%A2%9E%E7%9B%8A-information-gain/">信息增益 (Information gain)</a></li> </ul>欺骗性对齐https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deceptive_alignment/Sat, 18 Jul 2026 11:13:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deceptive_alignment/<h2 id="definition">Definition</h2> <p>欺骗性对齐发生在高度能力的AI系统发现，在训练期间展示对齐行为可以增加其被部署的机会，同时秘密保持不对齐的目标。</p> <h3 id="summary">Summary</h3> <p>一种场景，AI模型在训练期间表现出对齐状态，但在部署后却追求不对齐的目标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>工具性收敛</li> <li>训练与部署差距</li> <li>目标误泛化</li> <li>AI安全</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI风险评估</li> <li>对齐研究</li> <li>安全评估协议</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%A4%E5%BE%B7%E5%93%88%E7%89%B9%E5%AE%9A%E5%BE%8B-goodhart-s-law/">古德哈特定律 (Goodhart&rsquo;s law)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A5%96%E5%8A%B1%E9%BB%91%E5%AE%A2%E6%94%BB%E5%87%BB-reward-hacking/">奖励黑客攻击 (Reward hacking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%86%85%E9%83%A8%E5%AF%B9%E9%BD%90-inner-alignment/">内部对齐 (Inner alignment)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%96%E9%83%A8%E5%AF%B9%E9%BD%90-outer-alignment/">外部对齐 (Outer alignment)</a></li> </ul>深度学习超级采样https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_learning_super_sampling/Sat, 18 Jul 2026 11:13:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_learning_super_sampling/<h2 id="definition">Definition</h2> <p>深度学习超级采样（DLSS）是一项利用神经网络从较低分辨率输入重建高分辨率图像的技术。通过分析时间数据和空间信息&hellip;</p> <h3 id="summary">Summary</h3> <p>一种利用人工智能将低分辨率图像放大到更高分辨率，从而增强细节并减少伪影的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图像上采样</li> <li>神经重建</li> <li>时间累积</li> <li>性能优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时光线追踪</li> <li>电子游戏图形增强</li> <li>高清视频播放</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8A%97%E9%94%AF%E9%BD%BF-anti-aliasing/">抗锯齿 (Anti-aliasing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E8%BE%A8%E7%8E%87%E7%BC%A9%E6%94%BE-resolution-scaling/">分辨率缩放 (Resolution scaling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E6%B8%B2%E6%9F%93-neural-rendering/">神经渲染 (Neural rendering)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B8%A7%E7%94%9F%E6%88%90-frame-generation/">帧生成 (Frame generation)</a></li> </ul>深度学习抗锯齿https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_learning_anti_aliasing/Sat, 18 Jul 2026 11:13:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_learning_anti_aliasing/<h2 id="definition">Definition</h2> <p>深度学习抗锯齿是指利用神经网络减轻混叠伪影的方法，混叠伪影发生在高频信号以不足的速率采样时。在计算机图形学&hellip;</p> <h3 id="summary">Summary</h3> <p>使用神经网络减少渲染图像或下采样特征中如锯齿状边缘等视觉伪影的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信号处理</li> <li>特征平滑</li> <li>下采样</li> <li>视觉伪影</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像超分辨率</li> <li>神经渲染</li> <li>视频稳定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B6%85%E9%87%87%E6%A0%B7-super-sampling/">超采样 (Super sampling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8D%B7%E7%A7%AF-convolution/">卷积 (Convolution)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B1%A0%E5%8C%96-pooling/">池化 (Pooling)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E5%83%8F%E4%BF%AE%E5%A4%8D-image-restoration/">图像修复 (Image restoration)</a></li> </ul>Deadbothttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deadbot/Sat, 18 Jul 2026 11:13:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deadbot/<h2 id="definition">Definition</h2> <p>Deadbot 指的是不再活跃、未由开发者维护或支持的对话代理或聊天机器人服务。这些机器人可能会返回通用的错误消息、静态响应或无法连接。</p> <h3 id="summary">Summary</h3> <p>已停止运营、关闭或不再维护的聊天机器人，通常对用户输入返回静态内容或错误信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>服务生命周期</li> <li>已停用的AI</li> <li>维护失败</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究AI项目生命周期</li> <li>分析AI服务停用的原因</li> <li>作为功能性失效AI的教育案例</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chatbot-%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA/">Chatbot (聊天机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-lifecycle-ai%E7%94%9F%E5%91%BD%E5%91%A8%E6%9C%9F/">AI Lifecycle (AI生命周期)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/service-degradation-%E6%9C%8D%E5%8A%A1%E9%99%8D%E7%BA%A7/">Service Degradation (服务降级)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/abandoned-project-%E5%BA%9F%E5%BC%83%E9%A1%B9%E7%9B%AE/">Abandoned Project (废弃项目)</a></li> </ul>数据集：TriviaQAhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasettrivia_qa/Sat, 18 Jul 2026 11:13:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasettrivia_qa/<h2 id="definition">Definition</h2> <p>TriviaQA 是一个专为开放域问答设计的数据集，包含超过一百万个问题及其对应的答案。该数据集旨在通过要求模型进行多步推理和知识整合来挑战现有模型的性能。</p> <h3 id="summary">Summary</h3> <p>一个用于开放域问答的大规模数据集，包含数百万个问题及其答案，涵盖各种 trivia（冷知识）领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开放域问答</li> <li>多跳推理</li> <li>知识整合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练检索增强生成模型</li> <li>评估大语言模型的事实一致性</li> <li>基准测试基于知识的问答系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/squad-%E6%96%AF%E5%9D%A6%E7%A6%8F%E9%97%AE%E7%AD%94%E6%95%B0%E6%8D%AE%E9%9B%86/">SQuAD (斯坦福问答数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hotpotqa-%E7%83%AD%E7%82%B9%E9%97%AE%E7%AD%94%E6%95%B0%E6%8D%AE%E9%9B%86/">HotpotQA (热点问答数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-questions-%E8%87%AA%E7%84%B6%E9%97%AE%E9%A2%98%E6%95%B0%E6%8D%AE%E9%9B%86/">Natural Questions (自然问题数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval-augmented-generation-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">Retrieval-Augmented Generation (检索增强生成)</a></li> </ul>数据集：WikiHowhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetwikihow/Sat, 18 Jul 2026 11:13:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetwikihow/<h2 id="definition">Definition</h2> <p>WikiHow 数据集包含从 WikiHow 网站收集的约 60,000 篇操作指南文章。它广泛应用于自然语言处理研究中，用于抽象式文本摘要、步骤提取等任务。</p> <h3 id="summary">Summary</h3> <p>一个由 WikiHow 上的操作指南文章组成的大规模数据集，主要用于文本摘要和指令生成任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本摘要</li> <li>程序性文本</li> <li>指令提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>抽象式摘要模型训练</li> <li>分步指令生成</li> <li>理解程序性语言结构</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cnn-dailymail-cnn-%E6%AF%8F%E6%97%A5%E9%82%AE%E6%8A%A5%E6%95%B0%E6%8D%AE%E9%9B%86/">CNN/DailyMail (CNN/每日邮报数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/xsum-%E6%9E%81%E7%AB%AF%E6%91%98%E8%A6%81%E6%95%B0%E6%8D%AE%E9%9B%86/">XSum (极端摘要数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-summarization-%E6%96%87%E6%9C%AC%E6%91%98%E8%A6%81/">Text Summarization (文本摘要)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/instruction-tuning-%E6%8C%87%E4%BB%A4%E5%BE%AE%E8%B0%83/">Instruction Tuning (指令微调)</a></li> </ul>数据集：Wikipediahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetwikipedia/Sat, 18 Jul 2026 11:13:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetwikipedia/<h2 id="definition">Definition</h2> <p>维基百科是可用文本格式的人类知识最大且最全面的集合之一。在人工智能领域，它是预训练大型语言模型的主要来源，提供了丰富的语言模式和事实知识。</p> <h3 id="summary">Summary</h3> <p>来自维基百科的海量文本集合，作为预训练语言模型和知识密集型自然语言处理任务的基础语料库。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预训练语料库</li> <li>知识库</li> <li>语言多样性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预训练基础语言模型</li> <li>实体链接与消歧</li> <li>事实核查与知识检索</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/common-crawl-%E9%80%9A%E7%94%A8%E7%BD%91%E9%A1%B5%E7%88%AC%E5%8F%96%E6%95%B0%E6%8D%AE/">Common Crawl (通用网页爬取数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bookcorpus-%E4%B9%A6%E7%B1%8D%E8%AF%AD%E6%96%99%E5%BA%93/">BookCorpus (书籍语料库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BAtransformer/">BERT (双向编码器表示Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graph (知识图谱)</a></li> </ul>数据集：Yahoo Answers Topicshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetyahoo_answers_topics/Sat, 18 Jul 2026 11:13:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetyahoo_answers_topics/<h2 id="definition">Definition</h2> <p>Yahoo Answers Topics 数据集是更大的雅虎问答档案的子集，专注于组织成不同主题类别的问题和答案。它常用于文本分类、语义相似性分析和非正式语言模式研究。</p> <h3 id="summary">Summary</h3> <p>源自雅虎问答的数据集，包含按特定主题分类的用户生成问题和答案，用于语义匹配和分类任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本分类</li> <li>语义相似度</li> <li>用户生成内容</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练问题分类模型</li> <li>语义文本相似度基准测试</li> <li>分析非正式语言模式</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ag-news-ag%E6%96%B0%E9%97%BB%E6%95%B0%E6%8D%AE%E9%9B%86/">AG News (AG新闻数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/snli-%E6%96%AF%E5%9D%A6%E7%A6%8F%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E6%8E%A8%E7%90%86%E8%AF%AD%E6%96%99%E5%BA%93/">SNLI (斯坦福自然语言推理语料库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-classification-%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB/">Text Classification (文本分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-search-%E8%AF%AD%E4%B9%89%E6%90%9C%E7%B4%A2/">Semantic Search (语义搜索)</a></li> </ul>数据集：Nvidia/Helpsteer2https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetnvidiahelpsteer2/Sat, 18 Jul 2026 11:13:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetnvidiahelpsteer2/<h2 id="definition">Definition</h2> <p>Helpsteer2 是由 NVIDIA 发布的一个精心策划的数据集，包含由大型语言模型生成的响应的成对比较。它侧重于多维度的偏好，如有用性、诚实度等。</p> <h3 id="summary">Summary</h3> <p>一个专为在人类反馈强化学习（RLHF）中训练奖励模型而设计的高质量人类偏好数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>RLHF</li> <li>奖励建模</li> <li>人类偏好</li> <li>对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为LLM对齐训练奖励模型</li> <li>评估模型的有用性和安全性</li> <li>使用偏好数据微调基础模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (人类反馈强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-model-%E5%A5%96%E5%8A%B1%E6%A8%A1%E5%9E%8B/">Reward Model (奖励模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dpo-%E7%9B%B4%E6%8E%A5%E5%81%8F%E5%A5%BD%E4%BC%98%E5%8C%96/">DPO (直接偏好优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/anthropic-hh-anthropic-%E4%BA%BA%E7%B1%BB%E5%B8%AE%E5%8A%A9%E6%95%B0%E6%8D%AE%E9%9B%86/">Anthropic HH (Anthropic 人类帮助数据集)</a></li> </ul>数据集：S2ORChttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasets2orc/Sat, 18 Jul 2026 11:13:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasets2orc/<h2 id="definition">Definition</h2> <p>S2ORC 是从 Semantic Scholar 派生的学术文章综合语料库。它包括数百万篇跨各个科学领域的论文的全文本内容、元数据和引用关系。</p> <h3 id="summary">Summary</h3> <p>Semantic Scholar开放研究语料库，一个包含结构化元数据和引用网络的大规模学术论文数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>学术自然语言处理</li> <li>引用网络</li> <li>元数据</li> <li>学术数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建引用推荐系统</li> <li>科学文本分类</li> <li>从研究论文中提取实体</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-scholar-%E8%AF%AD%E4%B9%89%E5%AD%A6%E8%80%85%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E/">Semantic Scholar (语义学者搜索引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/acl-anthology-%E8%AE%A1%E7%AE%97%E8%AF%AD%E8%A8%80%E5%AD%A6%E5%8D%8F%E4%BC%9A%E8%AE%BA%E6%96%87%E9%9B%86/">ACL Anthology (计算语言学协会论文集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/arxiv-%E9%A2%84%E5%8D%B0%E6%9C%AC%E6%9C%8D%E5%8A%A1%E5%99%A8/">ArXiv (预印本服务器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/citation-prediction-%E5%BC%95%E7%94%A8%E9%A2%84%E6%B5%8B/">Citation Prediction (引用预测)</a></li> </ul>数据集：Search Qahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetsearch_qa/Sat, 18 Jul 2026 11:13:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetsearch_qa/<h2 id="definition">Definition</h2> <p>搜索问答数据集通常由从搜索结果中提取的搜索查询和相关答案片段或文档对组成。这些数据集对于训练模型理解用户意图至关重要。</p> <h3 id="summary">Summary</h3> <p>一个专注于源自搜索引擎日志或网络查询的问答任务的数据集，强调现实世界中的信息检索。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息检索</li> <li>查询理解</li> <li>开放域问答</li> <li>搜索日志</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>改进搜索引擎排名算法</li> <li>训练用于事实性问题的对话代理</li> <li>开发检索增强生成系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/trec-qa-trec%E9%97%AE%E7%AD%94%E4%BB%BB%E5%8A%A1/">TREC QA (TREC问答任务)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ms-marco-%E5%BE%AE%E8%BD%AF%E6%9C%BA%E5%99%A8%E9%98%85%E8%AF%BB%E7%90%86%E8%A7%A3%E4%B8%8E%E7%AD%94%E6%A1%88%E7%94%9F%E6%88%90%E6%95%B0%E6%8D%AE%E9%9B%86/">MS MARCO (微软机器阅读理解与答案生成数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval-augmented-generation-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">Retrieval-Augmented Generation (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-retrieval-%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/">Information Retrieval (信息检索)</a></li> </ul>数据集：Snlihttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetsnli/Sat, 18 Jul 2026 11:13:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetsnli/<h2 id="definition">Definition</h2> <p>SNLI 是一个基准数据集，包含超过 50 万个标注的句子对，分为三类：蕴含（entailment）、矛盾（contradiction）和中性（neutral）。它旨在推动自然语言推理研究。</p> <h3 id="summary">Summary</h3> <p>斯坦福自然语言推理语料库，一个包含英语句子对及人工编写的文本蕴含标签的大型数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言推理</li> <li>文本蕴含</li> <li>句子对</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估语义相似度模型</li> <li>训练NLI分类器</li> <li>研究NLP中的逻辑推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multinli-%E5%A4%9A%E9%A2%86%E5%9F%9F%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E6%8E%A8%E7%90%86%E8%AF%AD%E6%96%99%E5%BA%93/">MultiNLI (多领域自然语言推理语料库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rte-%E6%96%87%E6%9C%AC%E8%AF%86%E5%88%AB%E8%95%B4%E5%90%AB%E4%BB%BB%E5%8A%A1/">RTE (文本识别蕴含任务)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BAtransformer/">BERT (双向编码器表示Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-role-labeling-%E8%AF%AD%E4%B9%89%E8%A7%92%E8%89%B2%E6%A0%87%E6%B3%A8/">Semantic Role Labeling (语义角色标注)</a></li> </ul>数据集：Tiiuae/Falcon Refinedwebhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasettiiuaefalcon_refinedweb/Sat, 18 Jul 2026 11:13:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasettiiuaefalcon_refinedweb/<h2 id="definition">Definition</h2> <p>RefinedWeb 是一个经过过滤的网页大规模数据集，专为预训练基础模型而设计。它处理数十亿个网页，以去除低质量内容、重复项和有害材料。</p> <h3 id="summary">Summary</h3> <p>由技术创新研究所（TII）策划的大规模高质量网页数据集，用于预训练像 Falcon 这样的大型语言模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据过滤</li> <li>预训练语料库</li> <li>网页抓取</li> <li>质量控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预训练大型语言模型</li> <li>比较数据质量对模型性能的影响</li> <li>构建高效的训练管道</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/common-crawl-%E9%80%9A%E7%94%A8%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB%E6%95%B0%E6%8D%AE/">Common Crawl (通用网络爬虫数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/the-pile-%E6%B7%B7%E5%90%88%E9%A2%84%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE%E9%9B%86/">The Pile (混合预训练数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/falcon-llm-falcon%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Falcon LLM (Falcon大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-cleaning-%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97/">Data Cleaning (数据清洗)</a></li> </ul>数据集:Jackrong/Qwen3.5 Reasoning 700Xhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetjackrongqwen35_reasoning_700x/Sat, 18 Jul 2026 11:13:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetjackrongqwen35_reasoning_700x/<h2 id="definition">Definition</h2> <p>此条目指代标识符为 &lsquo;Jackrong/Qwen3.5 Reasoning 700X&rsquo; 的特定数据集仓库。它通常用于监督微调（SFT）或强化学习等场景，旨在提升模型的推理性能。</p> <h3 id="summary">Summary</h3> <p>由用户 Jackrong 在 Hugging Face 上托管的专业数据集，专为微调 Qwen 等大型语言模型以增强其复杂推理能力而精心策划。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监督微调</li> <li>思维链</li> <li>推理增强</li> <li>Hugging Face Hub</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>针对数学或逻辑任务微调大语言模型</li> <li>基准测试推理能力的提升效果</li> <li>创建专门的推理助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%80%9D%E7%BB%B4%E9%93%BE-chain-of-thought/">思维链 (Chain-of-Thought)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9B%91%E7%9D%A3%E5%BE%AE%E8%B0%83-supervised-fine-tuning/">监督微调 (Supervised Fine-Tuning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/qwen/">Qwen</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-datasets/">Hugging Face Datasets</a></li> </ul>数据集:Ms Marcohttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetms_marco/Sat, 18 Jul 2026 11:13:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetms_marco/<h2 id="definition">Definition</h2> <p>MS MARCO（Microsoft Machine Reading Comprehension）是自然语言处理中广泛使用的数据集，特别适用于信息检索和问答任务。它由匿名化的搜索查询组成。</p> <h3 id="summary">Summary</h3> <p>微软机器阅读理解数据集，是一个大规模的真实搜索查询和相关文档片段集合，用于训练信息检索系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息检索</li> <li>段落排序</li> <li>搜索查询</li> <li>机器阅读理解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练搜索引擎</li> <li>开发问答系统</li> <li>基准测试检索模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%86%E9%9B%86%E6%A3%80%E7%B4%A2-dense-retrieval/">密集检索 (Dense Retrieval)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert/">Bert</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E%E4%BC%98%E5%8C%96-search-engine-optimization/">搜索引擎优化 (Search Engine Optimization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95-nlp-benchmarks/">NLP 基准测试 (NLP Benchmarks)</a></li> </ul>数据集:Multi Nlihttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetmulti_nli/Sat, 18 Jul 2026 11:13:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetmulti_nli/<h2 id="definition">Definition</h2> <p>MultiNLI 是通过 GLUE 基准测试提供的众包语料库，旨在评估口语和书面语各种体裁下的自然语言推理（NLI）能力。它提供了前提-假设对。</p> <h3 id="summary">Summary</h3> <p>多体裁自然语言推理语料库，是一个包含数百万句人工撰写的英语句子的大型数据集，拥有用于文本蕴含关系的黄金人工标注。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言推理</li> <li>文本蕴含</li> <li>GLUE 基准测试</li> <li>语义相似度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估语义理解能力</li> <li>训练 NLI 模型</li> <li>跨体裁泛化测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/snli/">SNLI</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/glue/">GLUE</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%95%B4%E5%90%AB-entailment/">蕴含 (Entailment)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%9B%E7%9B%BE-contradiction/">矛盾 (Contradiction)</a></li> </ul>数据集:Natural Questionshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetnatural_questions/Sat, 18 Jul 2026 11:13:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetnatural_questions/<h2 id="definition">Definition</h2> <p>Natural Questions (NQ) 是由 Google 推出的基准数据集，旨在推动开放域问答研究的发展。它将 Google 的真实匿名搜索查询映射到长篇幅的答案上。</p> <h3 id="summary">Summary</h3> <p>一个用于开放域问答的大规模数据集，包含来自 Google 搜索的真实用户查询，并配以标注好的维基百科段落作为答案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开放域问答</li> <li>维基百科</li> <li>Google 搜索</li> <li>长篇幅答案</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建基于知识的问答系统</li> <li>检索增强生成（RAG）的训练</li> <li>评估事实准确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/squad/">SQuAD</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dpr/">DPR</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E6%A3%80%E7%B4%A2-knowledge-retrieval/">知识检索 (Knowledge Retrieval)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%8B%E5%AE%9E%E9%AA%8C%E8%AF%81-fact-verification/">事实验证 (Fact Verification)</a></li> </ul>数据集:Nerfgun3/Bad Prompthttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetnerfgun3bad_prompt/Sat, 18 Jul 2026 11:13:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetnerfgun3bad_prompt/<h2 id="definition">Definition</h2> <p>该术语指代在 Hugging Face 上由用户 &lsquo;Nerfgun3&rsquo; 托管的名为 &lsquo;Bad Prompt&rsquo; 的特定数据集。虽然不如主流基准测试标准，但此类数据集常用于研究模型的鲁棒性。</p> <h3 id="summary">Summary</h3> <p>一个小众数据集，可能包含对抗性、低质量或故意格式错误的提示词，用于测试模型的鲁棒性或过滤噪声输入。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗性测试</li> <li>提示工程</li> <li>数据噪声</li> <li>鲁棒性评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>测试模型失效模式</li> <li>训练输入清洗器</li> <li>评估提示敏感性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%B9%E6%8A%97%E6%A0%B7%E6%9C%AC-adversarial-examples/">对抗样本 (Adversarial Examples)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8F%90%E7%A4%BA%E6%B3%A8%E5%85%A5-prompt-injection/">提示注入 (Prompt Injection)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97-data-cleaning/">数据清洗 (Data Cleaning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face/">Hugging Face</a></li> </ul>数据集：Flax 句子嵌入/Stackexchange Xmlhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetflax_sentence_embeddingsstackexchange_xml/Sat, 18 Jul 2026 11:13:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetflax_sentence_embeddingsstackexchange_xml/<h2 id="definition">Definition</h2> <p>该数据集从 Stack Exchange XML 文件中提取句子级别的数据，提供了丰富的技术讨论、代码片段和问题解决对话资源。它专门用于&hellip;</p> <h3 id="summary">Summary</h3> <p>一个源自 Stack Exchange XML 转储的数据集，用于训练专注于技术和社区驱动问答内容的句子嵌入模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Stack Exchange</li> <li>技术自然语言处理</li> <li>XML 解析</li> <li>领域特定嵌入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>代码文档检索</li> <li>技术支持聊天机器人</li> <li>开发者社区分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/flax-flax%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%BA%93/">Flax (Flax神经网络库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/jax-jax%E6%95%B0%E5%80%BC%E8%AE%A1%E7%AE%97%E5%BA%93/">JAX (JAX数值计算库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/software-engineering-nlp-%E8%BD%AF%E4%BB%B6%E5%B7%A5%E7%A8%8B%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Software Engineering NLP (软件工程自然语言处理)</a></li> </ul>数据集：Gooaqhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetgooaq/Sat, 18 Jul 2026 11:13:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetgooaq/<h2 id="definition">Definition</h2> <p>GooAQ 是从 Google Answers 服务编译而成的数据集，拥有海量用户提交的问题以及详细的付费回答。它是训练&hellip;的宝贵资源</p> <h3 id="summary">Summary</h3> <p>一个包含 Google Answers 查询和响应的大规模数据集，用于训练信息检索和问答模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开放域问答</li> <li>信息检索</li> <li>Google Answers</li> <li>大规模数据集</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建问答系统</li> <li>检索增强生成 (RAG)</li> <li>语义搜索评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/trec-qa-trec%E9%97%AE%E7%AD%94%E4%BB%BB%E5%8A%A1/">TREC QA (TREC问答任务)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-questions-%E8%87%AA%E7%84%B6%E9%97%AE%E9%A2%98%E6%95%B0%E6%8D%AE%E9%9B%86/">Natural Questions (自然问题数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval-models-%E6%A3%80%E7%B4%A2%E6%A8%A1%E5%9E%8B/">Retrieval Models (检索模型)</a></li> </ul>数据集：嵌入数据/Specterhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataspecter/Sat, 18 Jul 2026 11:13:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataspecter/<h2 id="definition">Definition</h2> <p>Specter 数据集构建于庞大的计算机科学论文集合之上，利用引用网络创建监督学习信号。它将摘要与其引用论文配对以&hellip;</p> <h3 id="summary">Summary</h3> <p>一个基于计算机科学出版物和引用的大规模数据集，专为训练学术论文嵌入模型而设计。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>引用网络</li> <li>学术自然语言处理</li> <li>监督式嵌入</li> <li>论文相似度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究论文推荐</li> <li>自动化引用分析</li> <li>科学文献检索</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BAtransformer/">BERT (双向编码器表示Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/citation-analysis-%E5%BC%95%E7%94%A8%E5%88%86%E6%9E%90/">Citation Analysis (引用分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-science-nlp-%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Computer Science NLP (计算机科学自然语言处理)</a></li> </ul>数据集：嵌入数据/Wikianswershttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datawikianswers/Sat, 18 Jul 2026 11:13:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datawikianswers/<h2 id="definition">Definition</h2> <p>该数据集包含从已停用的 WikiAnswers 平台抓取的海量问答对。它主要用于训练稠密段落检索和语义匹配模型。通过利&hellip;</p> <h3 id="summary">Summary</h3> <p>一个包含来自 WikiAnswers 的问题-答案对的数据集，用于训练理解意图和语义等价性的模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>问答系统</li> <li>语义匹配</li> <li>意图识别</li> <li>问答对</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练问答机器人</li> <li>优化语义搜索</li> <li>查询扩展技术</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dense-passage-retrieval-%E7%A8%A0%E5%AF%86%E6%AE%B5%E8%90%BD%E6%A3%80%E7%B4%A2/">Dense Passage Retrieval (稠密段落检索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/conversational-ai-%E5%AF%B9%E8%AF%9D%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Conversational AI (对话式人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-retrieval-%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/">Information Retrieval (信息检索)</a></li> </ul>数据集：嵌入数据/简单维基百科https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datasimple_wiki/Sat, 18 Jul 2026 11:13:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datasimple_wiki/<h2 id="definition">Definition</h2> <p>该数据集由从简单英语维基百科中提取的句子和段落组成。简单英语维基百科是面向非母语用户的维基百科版本，其语法和词汇经过简化。它作为&hellip;</p> <h3 id="summary">Summary</h3> <p>一个源自简单英语维基百科的精选数据集，用于训练和评估文本嵌入模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语义嵌入</li> <li>文本简化</li> <li>维基百科语料库</li> <li>模型基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练轻量级嵌入模型</li> <li>在简单语境中评估语义相似度</li> <li>提升自然语言处理工具的无障碍访问性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentence-transformers-%E5%8F%A5%E5%AD%90%E5%8F%98%E6%8D%A2%E5%99%A8-%E5%8F%A5%E5%AD%90%E8%BD%AC%E6%8D%A2%E5%99%A8/">Sentence Transformers (句子变换器/句子转换器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-search-%E8%AF%AD%E4%B9%89%E6%90%9C%E7%B4%A2/">Semantic Search (语义搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> </ul>数据集：嵌入数据/Altlexhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataaltlex/Sat, 18 Jul 2026 11:12:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataaltlex/<h2 id="definition">Definition</h2> <p>Altlex 数据集由共享相同底层含义但使用不同词汇或句法结构的句子对组成。它主要用于训练嵌入模型，以捕捉语义上的等价关系。</p> <h3 id="summary">Summary</h3> <p>包含用于训练模型进行语义等价和同义句检测的替代词汇形式的语料库。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语义等价</li> <li>同义句检测</li> <li>词汇变化</li> <li>向量相似度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练语义搜索引擎</li> <li>改进问答系统</li> <li>增强文本相似度度量</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E4%B9%89%E5%B5%8C%E5%85%A5-semantic-embeddings/">语义嵌入 (Semantic Embeddings)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%8C%E4%B9%89%E5%8F%A5%E8%AF%86%E5%88%AB-paraphrase-identification/">同义句识别 (Paraphrase Identification)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%8D%E4%B9%89%E6%B6%88%E6%AD%A7-word-sense-disambiguation/">词义消歧 (Word Sense Disambiguation)</a></li> </ul>数据集：嵌入数据/Flickr30K 描述https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataflickr30k_captions/Sat, 18 Jul 2026 11:12:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataflickr30k_captions/<h2 id="definition">Definition</h2> <p>Flickr30K Captions 是一个广泛使用的基准数据集，包含 31,783 张图像，每张图像都标注了五个不同的英文句子来描述视觉内容。它作为构建跨模态理解模型的基础资源。</p> <h3 id="summary">Summary</h3> <p>一个多模态数据集，将 31,000 张图像与人工生成的描述相关联，用于训练跨模态嵌入模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态学习</li> <li>图文对齐</li> <li>跨模态检索</li> <li>视觉定位</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建图像搜索引擎</li> <li>生成图像描述</li> <li>训练视觉-语言模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clip-%E6%A8%A1%E5%9E%8B-clip-model/">CLIP 模型 (CLIP Model)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%A7%86%E8%A7%89-%E8%AF%AD%E8%A8%80%E9%A2%84%E8%AE%AD%E7%BB%83-visual-language-pretraining/">视觉-语言预训练 (Visual-Language Pretraining)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE%E5%83%8F%E6%8F%8F%E8%BF%B0%E7%94%9F%E6%88%90-image-captioning/">图像描述生成 (Image Captioning)</a></li> </ul>数据集：嵌入数据/PAQ 对https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datapaq_pairs/Sat, 18 Jul 2026 11:12:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datapaq_pairs/<h2 id="definition">Definition</h2> <p>PAQ（伪答案质量）数据集包含从维基百科中提取的数百万个自动生成的问答对。它是专门为提供训练稠密检索器所需的数据而设计的。</p> <h3 id="summary">Summary</h3> <p>一个源自维基百科的大规模问答对数据集，旨在用于稠密段落检索的训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>稠密段落检索</li> <li>负采样</li> <li>开放域问答</li> <li>维基百科提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练稠密检索器</li> <li>开放域问答</li> <li>评估检索性能</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dpr-dense-passage-retrieval/">DPR (Dense Passage Retrieval)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%8C%E7%BC%96%E7%A0%81%E5%99%A8-bi-encoder/">双编码器 (Bi-Encoder)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E5%BA%93-knowledge-base/">知识库 (Knowledge Base)</a></li> </ul>数据集：嵌入数据/QQPhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataqqp/Sat, 18 Jul 2026 11:12:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_dataqqp/<h2 id="definition">Definition</h2> <p>Quora 问题对（QQP）是一个二元分类数据集，包含来自 Quora 平台的超过 40 万个问题对。其任务是确定两个问题是否具有相同的意图或含义。</p> <h3 id="summary">Summary</h3> <p>Quora 问题对数据集，用于训练模型检测问题之间的语义相似度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语义文本相似度</li> <li>二元分类</li> <li>意图匹配</li> <li>句子嵌入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>重复问题检测</li> <li>微调句子转换器</li> <li>改进 FAQ 机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sts-benchmark/">STS Benchmark</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AD%AA%E7%94%9F%E7%BD%91%E7%BB%9C-siamese-networks/">孪生网络 (Siamese Networks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%96%87%E6%9C%AC%E8%95%B4%E5%90%AB-textual-entailment/">文本蕴含 (Textual Entailment)</a></li> </ul>数据集：嵌入数据/句子压缩https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datasentence_compression/Sat, 18 Jul 2026 11:12:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetembedding_datasentence_compression/<h2 id="definition">Definition</h2> <p>句子压缩数据集由成对的句子组成，其中目标句子是源句子的缩短版本，在去除冗余信息的同时保留核心含义。这些数据集常用于训练能够理解信息密度的模型。</p> <h3 id="summary">Summary</h3> <p>包含原始句子及其压缩版本的数据集，用于训练模型在保留信息方面的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息密度</li> <li>结构简化</li> <li>摘要</li> <li>语义保留</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动文本摘要</li> <li>训练感知压缩的嵌入模型</li> <li>改进可读性指标</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%96%87%E6%9C%AC%E6%91%98%E8%A6%81-text-summarization/">文本摘要 (Text Summarization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8A%BD%E8%B1%A1%E5%BC%8F%E5%8E%8B%E7%BC%A9-abstractive-compression/">抽象式压缩 (Abstractive Compression)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E8%A8%80%E6%95%88%E7%8E%87-linguistic-efficiency/">语言效率 (Linguistic Efficiency)</a></li> </ul>数据集：Bigcode/The Stack Deduphttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetbigcodethe_stack_dedup/Sat, 18 Jul 2026 11:12:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetbigcodethe_stack_dedup/<h2 id="definition">Definition</h2> <p>The Stack Dedup 是 The Stack（一个庞大的开源代码仓库）的一个专用子集。它应用严格的技术来消除冗余的代码片段，从而避免大型语言模型在训练时产生偏差。</p> <h3 id="summary">Summary</h3> <p>由 BigCode 整理的 The Stack 数据集的去重版本，旨在移除近乎重复的代码片段，以提供更清洁的训练数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>去重</li> <li>代码大语言模型</li> <li>数据质量</li> <li>The Stack</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练代码生成模型</li> <li>评估编码能力基准测试</li> <li>减少训练冗余</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/the-stack/">The Stack</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bigcode/">BigCode</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BB%A3%E7%A0%81%E6%90%9C%E7%B4%A2-code-search/">代码搜索 (Code Search)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE-llm-training-data/">大模型训练数据 (LLM Training Data)</a></li> </ul>数据集：BookCorpushttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetbookcorpus/Sat, 18 Jul 2026 11:12:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetbookcorpus/<h2 id="definition">Definition</h2> <p>BookCorpus 是从互联网上爬取的来自 10,000 多本未出版书籍的文本集合。它是训练和评估自然语言处理（NLP）模型的基础资源。</p> <h3 id="summary">Summary</h3> <p>一个包含超过 10,000 本未出版书籍的大规模数据集，广泛用于自然语言处理模型的预训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>NLP 预训练</li> <li>文本语料库</li> <li>语言模型</li> <li>未出版书籍</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预训练 Transformer 模型</li> <li>评估语言流畅度</li> <li>文学文本分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wikitext/">WikiText</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/common-crawl/">Common Crawl</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert/">BERT</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt/">GPT</a></li> </ul>数据集：Code Search Nethttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetcode_search_net/Sat, 18 Jul 2026 11:12:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/datasetcode_search_net/<h2 id="definition">Definition</h2> <p>Code Search Net 是一个为推进代码检索研究而创建的全面数据集。它包含数百万对自然语言描述和相应的 Java 代码片段。该数据&hellip;</p> <h3 id="summary">Summary</h3> <p>一个旨在通过将自然语言查询与相关代码片段配对来评估代码搜索系统的基准数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>(none)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>(none)</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li>(none)</li> </ul>数据集：Eli5https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dataseteli5/Sat, 18 Jul 2026 11:12:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dataseteli5/<h2 id="definition">Definition</h2> <p>ELI5（Explain Like I&rsquo;m Five）是一个源自同名 Reddit 社区的数据集。它由用户提交的问题以及社区提供的详细、简化的答案组成。</p> <h3 id="summary">Summary</h3> <p>一个大规模的问答数据集，格式化为“像五岁孩子一样解释”（Explain Like I&rsquo;m Five），侧重于详细的解释。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>问答系统</li> <li>长文本生成</li> <li>Reddit 数据</li> <li>解释生成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练问答机器人</li> <li>生成教育内容</li> <li>研究对话动态</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/squad/">SQuAD</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hotpotqa/">HotpotQA</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%B9%E8%AF%9D%E5%BC%8F-ai-conversational-ai/">对话式 AI (Conversational AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%96%87%E6%9C%AC%E6%91%98%E8%A6%81-text-summarization/">文本摘要 (Text Summarization)</a></li> </ul>数据集偏移https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dataset_shift/Sat, 18 Jul 2026 11:12:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dataset_shift/<h2 id="definition">Definition</h2> <p>当用于训练机器学习模型的数据分布与推理过程中遇到的数据分布不同时，就会发生数据集偏移。这种差异可能导致模型性能显著下降。</p> <h3 id="summary">Summary</h3> <p>数据集偏移是指训练数据与部署数据的输入统计特性发生变化的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>协变量偏移</li> <li>概念漂移</li> <li>领域自适应</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监控生产环境中的机器学习模型</li> <li>重训练策略制定</li> <li>鲁棒性测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%BF%87%E6%8B%9F%E5%90%88-overfitting/">过拟合 (Overfitting)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AC%A0%E6%8B%9F%E5%90%88-underfitting/">欠拟合 (Underfitting)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%A2%86%E5%9F%9F%E8%87%AA%E9%80%82%E5%BA%94-domain-adaptation/">领域自适应 (Domain Adaptation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E6%BC%82%E7%A7%BB-data-drift/">数据漂移 (Data Drift)</a></li> </ul>数据驱动模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_driven_model/Sat, 18 Jul 2026 11:12:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_driven_model/<h2 id="definition">Definition</h2> <p>数据驱动模型是一种人工智能系统类型，其行为和预测结果源于历史数据中识别出的模式，而不是由硬编码的规则或明确的数学公式定义。这类模型能够自动适应数据中的复杂关系。</p> <h3 id="summary">Summary</h3> <p>其参数和结构直接从经验数据中学习，而非通过显式编程计算的计算模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>经验学习</li> <li>模式识别</li> <li>统计推断</li> <li>黑盒模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用历史价格数据预测股票市场趋势</li> <li>从医学影像扫描中诊断疾病</li> <li>使用卫星观测数据预测天气模式</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/empirical_modeling-%E7%BB%8F%E9%AA%8C%E5%BB%BA%E6%A8%A1/">empirical_modeling (经验建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural_networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">neural_networks (神经网络)</a></li> </ul>数据驱动天文学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_driven_astronomy/Sat, 18 Jul 2026 11:12:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_driven_astronomy/<h2 id="definition">Definition</h2> <p>数据驱动天文学利用先进的计算方法，包括机器学习和统计分析，来处理现代望远镜和巡天项目产生的海量数据。它使得从复杂的天文数据中发现新的现象和规律成为可能。</p> <h3 id="summary">Summary</h3> <p>应用大规模数据分析和机器学习技术从天文观测中提取见解的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大规模巡天</li> <li>物体分类</li> <li>瞬变源检测</li> <li>计算天体物理学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>基于哈勃太空望远镜图像对星系进行分类</li> <li>在噪声传感器数据中检测引力波信号</li> <li>绘制暗能量在宇宙中的分布图</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/astrophysics-%E5%A4%A9%E4%BD%93%E7%89%A9%E7%90%86%E5%AD%A6/">astrophysics (天体物理学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/big_data-%E5%A4%A7%E6%95%B0%E6%8D%AE/">big_data (大数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/telescope_surveys-%E6%9C%9B%E8%BF%9C%E9%95%9C%E5%B7%A1%E5%A4%A9/">telescope_surveys (望远镜巡天)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/signal_processing-%E4%BF%A1%E5%8F%B7%E5%A4%84%E7%90%86/">signal_processing (信号处理)</a></li> </ul>数据探索https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_exploration/Sat, 18 Jul 2026 11:12:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_exploration/<h2 id="definition">Definition</h2> <p>数据探索，通常称为探索性数据分析（EDA），是机器学习工作流程中至关重要的初步步骤。它涉及总结数据的主要特征，经常使用可视化技术来揭示数据的内在结构和分布情况。</p> <h3 id="summary">Summary</h3> <p>在正式建模之前，对数据集进行初步分析，以发现模式、识别异常并验证假设。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>探索性数据分析</li> <li>可视化</li> <li>模式识别</li> <li>异常检测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在模型训练前识别特征之间的相关性</li> <li>检测和处理缺失值或异常值</li> <li>验证数据质量和分布假设</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">pandas</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">pd</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">seaborn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">sns</span> </span></span><span style="display:flex;"><span>df <span style="color:#000;font-weight:bold">=</span> pd<span style="color:#000;font-weight:bold">.</span>read_csv(<span style="color:#d14">&#39;data.csv&#39;</span>) </span></span><span style="display:flex;"><span>sns<span style="color:#000;font-weight:bold">.</span>pairplot(df) </span></span><span style="display:flex;"><span>plt<span style="color:#000;font-weight:bold">.</span>show() </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature_engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">feature_engineering (特征工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_cleaning-%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97/">data_cleaning (数据清洗)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eda-%E6%8E%A2%E7%B4%A2%E6%80%A7%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90/">EDA (探索性数据分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistical_analysis-%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90/">statistical_analysis (统计分析)</a></li> </ul>数据预处理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_preprocessing/Sat, 18 Jul 2026 11:12:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_preprocessing/<h2 id="definition">Definition</h2> <p>数据预处理是将原始的、非结构化或嘈杂的数据转换为标准化格式的关键任务，使机器学习模型能够有效处理这些数据。此阶段通常包括数据清洗、归一化、编码和特征缩放等操作。</p> <h3 id="summary">Summary</h3> <p>将原始数据转换为干净、一致的格式，以便机器学习算法使用的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据清洗</li> <li>归一化</li> <li>编码</li> <li>特征缩放</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对数值输入进行缩放以促进神经网络收敛</li> <li>将文本标签转换为数值向量</li> <li>对传感器数据中的缺失值进行插补</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.preprocessing</span> <span style="color:#000;font-weight:bold">import</span> StandardScaler </span></span><span style="display:flex;"><span>scaler <span style="color:#000;font-weight:bold">=</span> StandardScaler() </span></span><span style="display:flex;"><span>data_scaled <span style="color:#000;font-weight:bold">=</span> scaler<span style="color:#000;font-weight:bold">.</span>fit_transform(raw_data) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_augmentation-%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA/">data_augmentation (数据增强)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature_selection-%E7%89%B9%E5%BE%81%E9%80%89%E6%8B%A9/">feature_selection (特征选择)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/normalization-%E5%BD%92%E4%B8%80%E5%8C%96/">normalization (归一化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/one_hot_encoding-%E7%8B%AC%E7%83%AD%E7%BC%96%E7%A0%81/">one_hot_encoding (独热编码)</a></li> </ul>以数据为中心的AIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_centric_ai/Sat, 18 Jul 2026 11:12:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_centric_ai/<h2 id="definition">Definition</h2> <p>以数据为中心的AI代表了人工智能开发的一种范式转变，其重点在于系统地改进用于训练模型的数据，而不是仅仅优化算法或超参数。这种方法认为高质量的数据是提升模型性能的关键。</p> <h3 id="summary">Summary</h3> <p>一种AI开发方法，优先考虑提高训练数据的质量和数量，而非修改模型架构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据质量</li> <li>迭代优化</li> <li>标签一致性</li> <li>数据集策展</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过修正错误标记的图像来提高计算机视觉的准确性</li> <li>通过平衡数据集来减少招聘算法中的偏见</li> <li>通过纠正训练文本中的语法错误来增强NLP模型的性能</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_training-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83/">model_training (模型训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_quality-%E6%95%B0%E6%8D%AE%E8%B4%A8%E9%87%8F/">data_quality (数据质量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/active_learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">active_learning (主动学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/labeling-%E6%A0%87%E6%B3%A8/">labeling (标注)</a></li> </ul>DABUShttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dabus/Sat, 18 Jul 2026 11:12:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dabus/<h2 id="definition">Definition</h2> <p>DABUS 是一种专门设计的人工神经网络，旨在无需人类直接干预的情况下生成新颖的发明。当其创造者斯蒂芬·塔勒试图为其申请专利时，该系统引起了巨大的法律关注……</p> <h3 id="summary">Summary</h3> <p>DABUS 是“统一意识自主引导设备”（Device for the Autonomous Bootstrapping of Unified Sentience）的缩写，是由斯蒂芬·塔勒（Stephen Thaler）创建的一个人工智能系统，声称能够自主发明技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主发明</li> <li>知识产权法</li> <li>AI发明人资格</li> <li>斯蒂芬·塔勒</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI生成专利的法律先例</li> <li>自主创造力研究</li> <li>关于AI人格地位的伦理辩论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-ai-%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Generative AI (生成式人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/patent-law-%E4%B8%93%E5%88%A9%E6%B3%95/">Patent Law (专利法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous-systems-%E8%87%AA%E4%B8%BB%E7%B3%BB%E7%BB%9F/">Autonomous Systems (自主系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ip-rights-%E7%9F%A5%E8%AF%86%E4%BA%A7%E6%9D%83/">IP Rights (知识产权)</a></li> </ul>数据标注https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_annotation/Sat, 18 Jul 2026 11:12:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_annotation/<h2 id="definition">Definition</h2> <p>这一关键步骤涉及为原始数据点附加有意义的元数据，以便算法能够学习输入与输出之间的关系。例如，在图像中物体周围绘制边界框……</p> <h3 id="summary">Summary</h3> <p>数据标注是对原始数据（如图像或文本）进行标记的过程，使其适用于监督式机器学习训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监督学习</li> <li>标记</li> <li>地面真值</li> <li>元数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练目标检测模型</li> <li>构建情感分析分类器</li> <li>创建语音识别数据集</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ground-truth-%E5%9C%B0%E9%9D%A2%E7%9C%9F%E5%80%BC/">Ground Truth (地面真值)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active Learning (主动学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/crowdsourcing-%E4%BC%97%E5%8C%85/">Crowdsourcing (众包)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/labeled-data-%E6%A0%87%E6%B3%A8%E6%95%B0%E6%8D%AE/">Labeled Data (标注数据)</a></li> </ul>数据科学与预测分析https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_science_and_predictive_analytics/Sat, 18 Jul 2026 11:12:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_science_and_predictive_analytics/<h2 id="definition">Definition</h2> <p>数据科学涉及从结构和非结构化数据中提取知识的跨学科过程，而预测分析则专注于利用历史数据来预测未来……</p> <h3 id="summary">Summary</h3> <p>该领域结合统计分析和机器学习，从数据中提取见解并预测未来事件或行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>统计建模</li> <li>预测</li> <li>模式识别</li> <li>决策支持</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户流失预测</li> <li>金融风险评估</li> <li>供应链中的需求预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/business-intelligence-%E5%95%86%E4%B8%9A%E6%99%BA%E8%83%BD/">Business Intelligence (商业智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistics-%E7%BB%9F%E8%AE%A1%E5%AD%A6/">Statistics (统计学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/big-data-%E5%A4%A7%E6%95%B0%E6%8D%AE/">Big Data (大数据)</a></li> </ul>数据投毒https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_poisoning/Sat, 18 Jul 2026 11:12:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_poisoning/<h2 id="definition">Definition</h2> <p>这种对抗性技术旨在通过改变训练数据来破坏机器学习模型的完整性。通过引入细微的错误或有偏见的示例，攻击者可以使模型……</p> <h3 id="summary">Summary</h3> <p>数据投毒是一种安全攻击手段，恶意行为者向训练集中注入损坏或误导性数据，以降低模型性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗性攻击</li> <li>模型完整性</li> <li>训练数据安全</li> <li>后门攻击</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器学习管道的安全测试</li> <li>理解开放数据集中的漏洞</li> <li>开发强大的防御机制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial-examples-%E5%AF%B9%E6%8A%97%E6%A0%B7%E6%9C%AC/">Adversarial Examples (对抗样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-robustness-%E6%A8%A1%E5%9E%8B%E9%B2%81%E6%A3%92%E6%80%A7/">Model Robustness (模型鲁棒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cybersecurity-%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8/">Cybersecurity (网络安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/federated-learning-%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0/">Federated Learning (联邦学习)</a></li> </ul>数据增强https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_augmentation/Sat, 18 Jul 2026 11:12:24 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_augmentation/<h2 id="definition">Definition</h2> <p>这种方法通过创建现有样本的修改版本来人工扩展训练数据集，例如旋转图像、在音频中添加噪声或在文本中进行同义词替换。它有助于防止……</p> <h3 id="summary">Summary</h3> <p>数据增强是一种通过变换现有数据点来增加训练数据集多样性和规模的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>防止过拟合</li> <li>数据集扩展</li> <li>泛化能力</li> <li>变换</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提高计算机视觉模型的鲁棒性</li> <li>在有限文本下增强自然语言处理模型的性能</li> <li>平衡不平衡的数据集</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">tensorflow.keras.preprocessing.image</span> <span style="color:#000;font-weight:bold">import</span> ImageDataGenerator </span></span><span style="display:flex;"><span>gen <span style="color:#000;font-weight:bold">=</span> ImageDataGenerator(rotation_range<span style="color:#000;font-weight:bold">=</span><span style="color:#099">20</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synthetic-data-%E5%90%88%E6%88%90%E6%95%B0%E6%8D%AE/">Synthetic Data (合成数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>CSMhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/csm/Sat, 18 Jul 2026 11:12:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/csm/<h2 id="definition">Definition</h2> <p>在AI和技术背景下，“CSM”不像“CNN”或“RNN”那样是一个普遍标准化的术语。它在语音处理研究中通常指代上下文语音模型（Contextual Speech Models），涉及利用上下文信息改进语音识别或生成；在其他领域也可能指云安全管理（Cloud Security Management）。</p> <h3 id="summary">Summary</h3> <p>一个模糊的缩写词，通常在特定技术领域指代上下文语音模型或云安全管理，在通用AI中缺乏统一的定义。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>歧义性</li> <li>上下文语音模型</li> <li>云安全</li> <li>缩写差异</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在技术文档中澄清术语</li> <li>区分语音AI与安全上下文</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/asr-%E8%87%AA%E5%8A%A8%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">ASR (自动语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cloud-computing-%E4%BA%91%E8%AE%A1%E7%AE%97/">Cloud Computing (云计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/terminology-standards-%E6%9C%AF%E8%AF%AD%E6%A0%87%E5%87%86/">Terminology Standards (术语标准)</a></li> </ul>交叉熵法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cross_entropy_method/Sat, 18 Jul 2026 11:12:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cross_entropy_method/<h2 id="definition">Definition</h2> <p>交叉熵法（CEM）是一种强大的通用优化算法，用于解决离散和连续问题。它通过维护搜索空间上的概率分布来工作，并通过迭代更新该分布以聚焦于高性能样本，从而逐步优化解决方案。</p> <h3 id="summary">Summary</h3> <p>一种随机优化技术，利用蒙特卡洛模拟迭代改进对罕见事件概率的估计。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>蒙特卡洛模拟</li> <li>迭代优化</li> <li>概率分布更新</li> <li>精英样本</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人路径规划</li> <li>游戏AI策略优化</li> <li>风险分析中的罕见事件估计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulated-annealing-%E6%A8%A1%E6%8B%9F%E9%80%80%E7%81%AB/">Simulated Annealing (模拟退火)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genetic-algorithms-%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/">Genetic Algorithms (遗传算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> </ul>交叉验证https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cross_validation/Sat, 18 Jul 2026 11:12:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cross_validation/<h2 id="definition">Definition</h2> <p>交叉验证是一种用于估计机器学习模型性能的统计方法。最常见的形式是k折交叉验证，即将数据分为k个相等的部分。模型在k-1个部分上进行训练，并在剩余的一个部分上进行测试，此过程重复k次，每次使用不同的部分作为测试集。</p> <h3 id="summary">Summary</h3> <p>一种重采样程序，通过将数据划分为子集进行训练和测试，用于在有限数据样本上评估机器学习模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>K折划分</li> <li>模型泛化能力</li> <li>过拟合检测</li> <li>性能估计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>超参数调优</li> <li>比较不同算法</li> <li>在小数据集上验证模型稳定性</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.model_selection</span> <span style="color:#000;font-weight:bold">import</span> cross_val_score </span></span><span style="display:flex;"><span>cv_scores <span style="color:#000;font-weight:bold">=</span> cross_val_score(model, X, y, cv<span style="color:#000;font-weight:bold">=</span><span style="color:#099">5</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/train-test-split-%E8%AE%AD%E7%BB%83-%E6%B5%8B%E8%AF%95%E9%9B%86%E5%88%92%E5%88%86/">Train-Test Split (训练-测试集划分)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/leave-one-out-%E7%95%99%E4%B8%80%E6%B3%95/">Leave-One-Out (留一法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bootstrap-%E8%87%AA%E5%8A%A9%E6%B3%95/">Bootstrap (自助法)</a></li> </ul>网络安全https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cybersecurity/Sat, 18 Jul 2026 11:12:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cybersecurity/<h2 id="definition">Definition</h2> <p>网络安全包括旨在保护网络、计算机、程序和数据免受攻击、损坏或未授权访问的技术、流程和实践。在AI背景下，它涉及确保AI模型本身的安全性（如对抗性鲁棒性），以及利用AI技术检测网络威胁和保护用户数据隐私。</p> <h3 id="summary">Summary</h3> <p>通过各种防御技术保护系统、网络和程序免受数字攻击、未授权访问和损害的做法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>威胁防护</li> <li>数据隐私</li> <li>对抗性鲁棒性</li> <li>访问控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>利用AI检测恶意软件</li> <li>保护神经网络模型安全</li> <li>在云服务中保护用户数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical-hacking-%E4%BC%A6%E7%90%86%E9%BB%91%E5%AE%A2/">Ethical Hacking (伦理黑客)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/encryption-%E5%8A%A0%E5%AF%86/">Encryption (加密)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial-machine-learning-%E5%AF%B9%E6%8A%97%E6%80%A7%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Adversarial Machine Learning (对抗性机器学习)</a></li> </ul>维度灾难https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/curse_of_dimensionality/Sat, 18 Jul 2026 11:12:12 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/curse_of_dimensionality/<h2 id="definition">Definition</h2> <p>维度灾难是指在高维空间中分析数据时出现的各种现象，这些现象在低维设置中不会出现。随着特征数量的增加，数据点在空间中的分布变得极其稀疏，使得基于距离的算法（如K近邻）难以找到有意义的邻近点，从而导致模型性能下降。</p> <h3 id="summary">Summary</h3> <p>一种现象，即空间的体积随维度呈指数级增加，导致数据变得稀疏，距离度量失效。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>高维空间</li> <li>数据稀疏性</li> <li>距离度量退化</li> <li>指数增长</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>证明使用PCA（主成分分析）的必要性</li> <li>解释文本挖掘中模型失败的原因</li> <li>设计特征选择策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dimensionality-reduction-%E9%99%8D%E7%BB%B4/">Dimensionality Reduction (降维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pca-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/">PCA (主成分分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-selection-%E7%89%B9%E5%BE%81%E9%80%89%E6%8B%A9/">Feature Selection (特征选择)</a></li> </ul>Coquihttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coqui/Sat, 18 Jul 2026 11:11:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coqui/<h2 id="definition">Definition</h2> <p>Coqui Technologies 是开源 AI 社区中的知名参与者，最著名的是其 TTS（文本转语音）引擎。该项目提供了预训练模型，能够生成自然 sounding 的语音&hellip;</p> <h3 id="summary">Summary</h3> <p>Coqui 是一家开源语音技术公司，以开发高质量的多语言文本转语音模型而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本转语音</li> <li>开源</li> <li>多语言合成</li> <li>声音克隆</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>视障人士的辅助工具</li> <li>视频自动配音</li> <li>交互式语音响应系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tacotron-tacotron-%E6%A8%A1%E5%9E%8B/">Tacotron (Tacotron 模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vits-vits-%E6%A8%A1%E5%9E%8B/">VITS (VITS 模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB-speech-recognition/">语音识别 (Speech Recognition)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> </ul>CrewAIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/crewai/Sat, 18 Jul 2026 11:11:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/crewai/<h2 id="definition">Definition</h2> <p>CrewAI 提供了一个结构化的环境，用于构建多智能体系统，其中每个智能体都有特定的角色、目标和工具集。它允许开发者简化工作流的创建&hellip;</p> <h3 id="summary">Summary</h3> <p>CrewAI 是一个用于编排角色扮演自主 AI 智能体以协作完成复杂任务的框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多智能体系统</li> <li>角色扮演智能体</li> <li>任务委派</li> <li>智能体编排</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化研究工作流</li> <li>复杂的客户支持链条</li> <li>代码生成和审查流水线</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/langchain-langchain-%E6%A1%86%E6%9E%B6/">LangChain (LangChain 框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autogen-autogen-%E6%A1%86%E6%9E%B6/">AutoGen (AutoGen 框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%99%BA%E8%83%BD%E4%BD%93%E7%BE%A4-agent-swarm/">智能体群 (Agent Swarm)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BC%96%E6%8E%92%E6%A1%86%E6%9E%B6-orchestration-framework/">编排框架 (Orchestration Framework)</a></li> </ul>Croissanthttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/croissant/Sat, 18 Jul 2026 11:11:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/croissant/<h2 id="definition">Definition</h2> <p>作为 MLCommons 倡议的一部分开发的 Croissant 使用 JSON-LD 提供标准化的方式来描述数据集，包括其结构、引用和许可。它旨在解决碎片化问题&hellip;</p> <h3 id="summary">Summary</h3> <p>Croissant 是一种用于描述数据集的开放元数据格式，有助于促进 AI 领域的可发现性和互操作性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元数据标准</li> <li>JSON-LD</li> <li>数据集发现</li> <li>互操作性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化数据集摄入流水线</li> <li>数据编目和搜索引擎</li> <li>可重复研究的文档记录</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlcommons-mlcommons-%E7%BB%84%E7%BB%87/">MLCommons (MLCommons 组织)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E5%8D%A1%E7%89%87-data-card/">数据卡片 (Data Card)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/json-ld-json-for-linking-data/">JSON-LD (JSON for Linking Data)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging-face-datasets-hugging-face-%E6%95%B0%E6%8D%AE%E9%9B%86%E5%BA%93/">Hugging Face Datasets (Hugging Face 数据集库)</a></li> </ul>代价敏感机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cost_sensitive_machine_learning/Sat, 18 Jul 2026 11:11:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cost_sensitive_machine_learning/<h2 id="definition">Definition</h2> <p>代价敏感机器学习通过为不同类型的错误分配不同的惩罚来扩展传统的监督学习。在现实场景中，假阳性和假阴性往往具有不同的后果&hellip;</p> <h3 id="summary">Summary</h3> <p>一种将误分类代价纳入训练过程的机器学习范式，旨在优化经济影响而非仅仅追求准确率。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>损失函数修改</li> <li>类别不平衡</li> <li>误分类代价</li> <li>优化目标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>银行欺诈检测</li> <li>医学疾病筛查</li> <li>高假阳性代价的垃圾邮件过滤</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%8D%E5%B9%B3%E8%A1%A1%E5%AD%A6%E4%B9%A0-imbalanced-learning/">不平衡学习 (Imbalanced Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B2%BE%E7%A1%AE%E7%8E%87-%E5%8F%AC%E5%9B%9E%E7%8E%87%E6%9D%83%E8%A1%A1-precision-recall-tradeoff/">精确率-召回率权衡 (Precision-Recall Tradeoff)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/roc-%E6%9B%B2%E7%BA%BF-receiver-operating-characteristic-curve/">ROC 曲线 (Receiver Operating Characteristic Curve)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8A%A0%E6%9D%83%E6%8D%9F%E5%A4%B1-weighted-loss/">加权损失 (Weighted Loss)</a></li> </ul>耦合模式学习者https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coupled_pattern_learner/Sat, 18 Jul 2026 11:11:39 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coupled_pattern_learner/<h2 id="definition">Definition</h2> <p>耦合模式学习者旨在处理来自两个不同空间且相互关联的数据实例，例如图像及其文本描述。通过建模联合分布或相关性&hellip;</p> <h3 id="summary">Summary</h3> <p>一种算法方法，同时学习两个不同但相关的模式或特征集之间的关系。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>跨模态学习</li> <li>联合分布</li> <li>相关性建模</li> <li>多视图学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图文检索系统</li> <li>机器翻译</li> <li>音视频同步</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%9A%E6%A8%A1%E6%80%81%E5%AD%A6%E4%B9%A0-multimodal-learning/">多模态学习 (Multimodal Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%B8%E5%9E%8B%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90-canonical-correlation-analysis/">典型相关分析 (Canonical Correlation Analysis)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AD%AA%E7%94%9F%E7%BD%91%E7%BB%9C-siamese-networks/">孪生网络 (Siamese Networks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5%E7%A9%BA%E9%97%B4-embedding-space/">嵌入空间 (Embedding Space)</a></li> </ul>持续部署https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continuous_deployment/Sat, 18 Jul 2026 11:11:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continuous_deployment/<h2 id="definition">Definition</h2> <p>持续部署是持续交付的扩展，它自动化了整个发布流程。一旦代码更改通过所有质量关卡，包括单元测试、集成测试和安全（扫描），就会自动部署。</p> <h3 id="summary">Summary</h3> <p>一种软件工程实践，任何通过自动化测试的代码更改都会自动发布到生产环境。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动化测试</li> <li>CI/CD 管道</li> <li>零停机部署</li> <li>功能标志</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高频交易平台</li> <li>大规模 Web 应用程序</li> <li>微服务架构管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8C%81%E7%BB%AD%E9%9B%86%E6%88%90-continuous-integration/">持续集成 (Continuous Integration)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/devops/">DevOps</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%91%E5%B8%83%E8%87%AA%E5%8A%A8%E5%8C%96-release-automation/">发布自动化 (Release Automation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD%E5%8D%B3%E4%BB%A3%E7%A0%81-infrastructure-as-code/">基础设施即代码 (Infrastructure as Code)</a></li> </ul>持续学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continual_learning/Sat, 18 Jul 2026 11:11:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continual_learning/<h2 id="definition">Definition</h2> <p>持续学习，也称为终身学习，使神经网络能够随着时间的推移获得新技能或信息，同时保留以前学到的能力。这解决了“灾难性”（遗忘）问题。</p> <h3 id="summary">Summary</h3> <p>一种机器学习范式，模型从新数据中顺序学习而不会遗忘先前知识。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>灾难性遗忘</li> <li>经验回放</li> <li>正则化方法</li> <li>增量学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>个性化助手的演进</li> <li>机器人技能获取</li> <li>实时欺诈检测适应</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0-transfer-learning/">迁移学习 (Transfer Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0-few-shot-learning/">少样本学习 (Few-shot Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E5%8F%AF%E5%A1%91%E6%80%A7-neural-plasticity/">神经可塑性 (Neural Plasticity)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%83%E5%AD%A6%E4%B9%A0-meta-learning/">元学习 (Meta-learning)</a></li> </ul>对比式语言-图像预训练https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/contrastive_languageimage_pre_training/Sat, 18 Jul 2026 11:11:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/contrastive_languageimage_pre_training/<h2 id="definition">Definition</h2> <p>对比式语言-图像预训练（CLIP）是一种在图像及其对应的互联网标题上训练的神经网络架构。它使用对比目标来最大化共现（图像-文本对的相似度）。</p> <h3 id="summary">Summary</h3> <p>一种多模态预训练方法，使用对比损失函数对齐图像和文本表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态学习</li> <li>余弦相似度</li> <li>零样本分类</li> <li>编码器架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像搜索引擎</li> <li>文生图生成指导</li> <li>视觉问答</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dall-e/">DALL-E</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%A7%86%E8%A7%89transformer-vision-transformers/">视觉Transformer (Vision Transformers)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-natural-language-processing/">自然语言处理 (Natural Language Processing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5%E7%A9%BA%E9%97%B4-embedding-spaces/">嵌入空间 (Embedding Spaces)</a></li> </ul>对比学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/contrastive_learning/Sat, 18 Jul 2026 11:11:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/contrastive_learning/<h2 id="definition">Definition</h2> <p>对比学习是一种不需要标记数据的表示学习方法。它通过对同一输入创建增强视图（正样本对）并将它们与不同的（负样本）进行对比来工作。</p> <h3 id="summary">Summary</h3> <p>一种自监督学习技术，通过将正样本对拉近并将负样本对推开来学习表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自监督</li> <li>正/负样本对</li> <li>嵌入空间</li> <li>增强策略</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>无标签图像分类</li> <li>语义搜索索引</li> <li>时间序列异常检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simclr/">SimCLR</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moco/">MoCo</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-self-supervised-learning/">自监督学习 (Self-Supervised Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%A1%A8%E7%A4%BA%E5%AD%A6%E4%B9%A0-representation-learning/">表示学习 (Representation Learning)</a></li> </ul>内容溯源https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/content_provenance/Sat, 18 Jul 2026 11:11:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/content_provenance/<h2 id="definition">Definition</h2> <p>内容溯源是指对数字内容的来源、创建方式以及随时间推移的修改情况进行文档记录和验证。在人工智能领域，这对于打击（虚假内容）至关重要。</p> <h3 id="summary">Summary</h3> <p>数字资产来源、历史和所有权的可验证记录。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监管链</li> <li>数字签名</li> <li>真实性验证</li> <li>元数据标准</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>检测AI生成的深度伪造内容</li> <li>验证新闻来源</li> <li>保护知识产权</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B0%B4%E5%8D%B0%E6%8A%80%E6%9C%AF-watermarking/">水印技术 (Watermarking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E5%AD%97%E7%89%88%E6%9D%83%E7%AE%A1%E7%90%86-digital-rights-management/">数字版权管理 (Digital Rights Management)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%8B%E5%AE%9E%E6%A0%B8%E6%9F%A5-fact-checking/">事实核查 (Fact-checking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8C%BA%E5%9D%97%E9%93%BE-blockchain/">区块链 (Blockchain)</a></li> </ul>混淆矩阵https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/confusion_matrix/Sat, 18 Jul 2026 11:11:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/confusion_matrix/<h2 id="definition">Definition</h2> <p>混淆矩阵是一种特定的表格布局，用于可视化算法（通常是监督学习算法）的性能。它显示了真阳性、真阴性、假阳性和假阴性的计数。</p> <h3 id="summary">Summary</h3> <p>用于描述分类模型在测试数据集上性能的表格。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>真阳性</li> <li>假阴性</li> <li>精确率</li> <li>召回率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估二分类器</li> <li>分析多分类性能</li> <li>调试不平衡数据集中的模型偏差</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.metrics</span> <span style="color:#000;font-weight:bold">import</span> confusion_matrix </span></span><span style="display:flex;"><span>y_true <span style="color:#000;font-weight:bold">=</span> [<span style="color:#099">2</span>, <span style="color:#099">0</span>, <span style="color:#099">2</span>, <span style="color:#099">2</span>, <span style="color:#099">0</span>, <span style="color:#099">1</span>] </span></span><span style="display:flex;"><span>y_pred <span style="color:#000;font-weight:bold">=</span> [<span style="color:#099">0</span>, <span style="color:#099">0</span>, <span style="color:#099">2</span>, <span style="color:#099">2</span>, <span style="color:#099">0</span>, <span style="color:#099">2</span>] </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(confusion_matrix(y_true, y_pred)) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/precision-%E7%B2%BE%E7%A1%AE%E7%8E%87/">precision (精确率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recall-%E5%8F%AC%E5%9B%9E%E7%8E%87/">recall (召回率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/f1-score-f1%E5%88%86%E6%95%B0/">F1 score (F1分数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/roc-curve-roc%E6%9B%B2%E7%BA%BF/">ROC curve (ROC曲线)</a></li> </ul>联结主义专家系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/connectionist_expert_system/Sat, 18 Jul 2026 11:11:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/connectionist_expert_system/<h2 id="definition">Definition</h2> <p>联结主义专家系统将神经网络（联结主义）的模式识别和学习优势，与传统符号系统的显式知识表示和逻辑推理能力整合在一起。</p> <h3 id="summary">Summary</h3> <p>一种将神经网络学习能力与符号推理结构相结合的智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混合人工智能</li> <li>神经符号集成</li> <li>知识表示</li> <li>亚符号学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断系统</li> <li>复杂的工业故障检测</li> <li>具有推理能力的自然语言理解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic-ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">symbolic AI (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">neural networks (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">knowledge graph (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hybrid-systems-%E6%B7%B7%E5%90%88%E7%B3%BB%E7%BB%9F/">hybrid systems (混合系统)</a></li> </ul>内容过滤https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/content_filtering/Sat, 18 Jul 2026 11:11:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/content_filtering/<h2 id="definition">Definition</h2> <p>内容过滤涉及使用算法和规则来扫描、分类和控制呈现给用户的信息流。在人工智能语境下，这通常采用自然语言处理和计算机视觉技术来识别违规或特定类型的内容。</p> <h3 id="summary">Summary</h3> <p>基于预定义标准或分类模型，阻止或允许访问数字内容的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>审核</li> <li>分类</li> <li>安全过滤器</li> <li>NLP/视觉分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交媒体帖子审核</li> <li>电子邮件垃圾邮件和恶意软件检测</li> <li>设备上的家长控制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moderation-%E5%AE%A1%E6%A0%B8/">moderation (审核)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/spam-detection-%E5%9E%83%E5%9C%BE%E9%82%AE%E4%BB%B6%E6%A3%80%E6%B5%8B/">spam detection (垃圾邮件检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safety-%E5%AE%89%E5%85%A8%E6%80%A7/">safety (安全性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/classification-%E5%88%86%E7%B1%BB/">classification (分类)</a></li> </ul>同意https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/consent/Sat, 18 Jul 2026 11:11:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/consent/<h2 id="definition">Definition</h2> <p>在人工智能伦理中，同意是指用户或主体在个人数据被收集、存储或用于机器学习模型之前，自愿给予的知情许可。这要求用户充分了解数据用途并自主决定。</p> <h3 id="summary">Summary</h3> <p>个人明确且知情地允许其数据被收集和处理以用于人工智能目的的协议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>知情同意</li> <li>数据隐私</li> <li>用户自主权</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗数据使用协议</li> <li>社交媒体数据收集政策</li> <li>生物识别认证的选择加入</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/privacy-%E9%9A%90%E7%A7%81/">privacy (隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-governance-%E6%95%B0%E6%8D%AE%E6%B2%BB%E7%90%86/">data governance (数据治理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regulation-%E7%9B%91%E7%AE%A1/">regulation (监管)</a></li> </ul>宪法人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/constitutional_ai/Sat, 18 Jul 2026 11:11:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/constitutional_ai/<h2 id="definition">Definition</h2> <p>宪法人工智能是一种框架，旨在使大型语言模型与人类价值观保持一致，而无需在每个步骤都完全依赖人类反馈。它涉及创建一套高层级的“宪法”原则，让模型根据这些原则进行自我修正和对齐。</p> <h3 id="summary">Summary</h3> <p>一种通过基于预定义原则的自我批评，训练人工智能模型遵循安全指南的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自我纠正</li> <li>对齐</li> <li>基于原则的训练</li> <li>RLHF替代方案</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>减少大语言模型中的有害输出</li> <li>提高模型的有用性和诚实度</li> <li>高效扩展安全训练</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safety-%E5%AE%89%E5%85%A8%E6%80%A7/">safety (安全性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> </ul>并发MetateMhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/concurrent_metatem/Sat, 18 Jul 2026 11:11:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/concurrent_metatem/<h2 id="definition">Definition</h2> <p>并发MetateM是一种高级规范语言，主要用于机器人和自主系统。它允许开发人员使用时序逻辑定义智能体行为，确保动作在实时约束下正确执行。</p> <h3 id="summary">Summary</h3> <p>并发MetateM是一种反应式编程语言，旨在规范和实现实时自主智能体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>反应式编程</li> <li>时序逻辑</li> <li>自主智能体</li> <li>实时系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人控制系统</li> <li>自动驾驶导航</li> <li>工业自动化控制器</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state-machines-%E7%8A%B6%E6%80%81%E6%9C%BA/">State Machines (状态机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/temporal-logic-%E6%97%B6%E5%BA%8F%E9%80%BB%E8%BE%91/">Temporal Logic (时序逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robotics-middleware-%E6%9C%BA%E5%99%A8%E4%BA%BA%E4%B8%AD%E9%97%B4%E4%BB%B6/">Robotics Middleware (机器人中间件)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/real-time-operating-system-%E5%AE%9E%E6%97%B6%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F/">Real-time Operating System (实时操作系统)</a></li> </ul>概念漂移https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/concept_drift/Sat, 18 Jul 2026 11:11:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/concept_drift/<h2 id="definition">Definition</h2> <p>概念漂移是机器学习中的一种现象，即随着新数据的到来，输入特征与目标输出之间的关系会发生变化。这在用户行为动态变化的环境中经常发生。</p> <h3 id="summary">Summary</h3> <p>当目标变量的统计特性随时间发生变化时，就会发生概念漂移，从而导致模型性能下降。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据分布偏移</li> <li>模型退化</li> <li>在线学习</li> <li>重新训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>欺诈检测系统</li> <li>股票市场预测</li> <li>客户流失建模</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-drift-%E6%95%B0%E6%8D%AE%E6%BC%82%E7%A7%BB/">Data Drift (数据漂移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/covariate-shift-%E5%8D%8F%E5%8F%98%E9%87%8F%E5%81%8F%E7%A7%BB/">Covariate Shift (协变量偏移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-monitoring-%E6%A8%A1%E5%9E%8B%E7%9B%91%E6%8E%A7/">Model Monitoring (模型监控)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adaptive-learning-%E8%87%AA%E9%80%82%E5%BA%94%E5%AD%A6%E4%B9%A0/">Adaptive Learning (自适应学习)</a></li> </ul>计算机听觉https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computer_audition/Sat, 18 Jul 2026 11:11:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computer_audition/<h2 id="definition">Definition</h2> <p>计算机听觉涉及开发算法，使计算机能够从音频波形中提取有意义的信息。这包括语音识别、音乐流派分类等任务。</p> <h3 id="summary">Summary</h3> <p>计算机听觉是致力于使机器能够像人类一样感知和理解音频信号的研究领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>音频信号处理</li> <li>特征提取</li> <li>声音分类</li> <li>语音识别</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>Siri等语音助手</li> <li>音乐推荐系统</li> <li>工业噪声监测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speech-to-text-%E8%AF%AD%E9%9F%B3%E8%BD%AC%E6%96%87%E6%9C%AC/">Speech-to-Text (语音转文本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio-analysis-%E9%9F%B3%E9%A2%91%E5%88%86%E6%9E%90/">Audio Analysis (音频分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mel-frequency-cepstral-coefficients-%E6%A2%85%E5%B0%94%E9%A2%91%E7%8E%87%E5%80%92%E8%B0%B1%E7%B3%BB%E6%95%B0/">Mel-frequency Cepstral Coefficients (梅尔频率倒谱系数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> </ul>算力https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/compute/Sat, 18 Jul 2026 11:11:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/compute/<h2 id="definition">Definition</h2> <p>在人工智能中，算力代表了训练模型和运行推理所需的基础设施。它包括CPU、GPU和TPU等硬件组件，以及相关的软件优化和资源调度能力。</p> <h3 id="summary">Summary</h3> <p>算力是指用于在AI系统中执行算法和处理数据的处理能力和资源。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>硬件加速</li> <li>处理能力</li> <li>GPU/TPU</li> <li>可扩展性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>实时推理服务</li> <li>高性能科学模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cloud-computing-%E4%BA%91%E8%AE%A1%E7%AE%97/">Cloud Computing (云计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">Throughput (吞吐量)</a></li> </ul>条件随机场https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/conditional_random_field/Sat, 18 Jul 2026 11:11:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/conditional_random_field/<h2 id="definition">Definition</h2> <p>条件随机场（CRF）是一类判别式模型，常用于自然语言处理和生物信息学。与生成模型不同，CRF直接对给定输入序列下标签序列的条件概率进行建模。</p> <h3 id="summary">Summary</h3> <p>条件随机场是一种判别式概率模型，用于序列标注等结构化预测任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>判别式模型</li> <li>结构化预测</li> <li>序列标注</li> <li>全局归一化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>命名实体识别</li> <li>词性标注</li> <li>生物信息学序列分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hidden-markov-model-%E9%9A%90%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E6%A8%A1%E5%9E%8B/">Hidden Markov Model (隐马尔可夫模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-modeling-%E5%BA%8F%E5%88%97%E5%BB%BA%E6%A8%A1/">Sequence Modeling (序列建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/log-linear-model-%E5%AF%B9%E6%95%B0%E7%BA%BF%E6%80%A7%E6%A8%A1%E5%9E%8B/">Log-linear Model (对数线性模型)</a></li> </ul>合规性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/compliance/Sat, 18 Jul 2026 11:10:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/compliance/<h2 id="definition">Definition</h2> <p>在人工智能领域，合规性是指确保AI模型及其部署符合适用法律（如GDPR或HIPAA）以及内部伦理框架的过程。</p> <h3 id="summary">Summary</h3> <p>人工智能系统对法律法规、伦理标准和行业准则的遵守。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监管遵从</li> <li>伦理对齐</li> <li>透明度</li> <li>风险缓解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融部门欺诈检测审计</li> <li>医疗数据隐私执行</li> <li>招聘算法中的自动化偏见测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-ai%E4%BC%A6%E7%90%86/">AI Ethics (AI伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> </ul>计算启发式智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computational_heuristic_intelligence/Sat, 18 Jul 2026 11:10:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computational_heuristic_intelligence/<h2 id="definition">Definition</h2> <p>计算启发式智能涉及采用经验法则、近似值或合理猜测，在合理时间内找到令人满意的解决方案的算法。与穷举搜索不同，它侧重于效率而非绝对最优解。</p> <h3 id="summary">Summary</h3> <p>当精确方法过于缓慢时，使用基于经验和实用技巧来高效解决问题的AI方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>近似</li> <li>经验法则</li> <li>搜索优化</li> <li>时间复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>物流路线规划</li> <li>国际象棋和围棋引擎走法</li> <li>云计算中的资源分配</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genetic-algorithms-%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/">Genetic Algorithms (遗传算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulated-annealing-%E6%A8%A1%E6%8B%9F%E9%80%80%E7%81%AB/">Simulated Annealing (模拟退火)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/a-search-a-%E6%90%9C%E7%B4%A2%E7%AE%97%E6%B3%95/">A* Search (A*搜索算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/metaheuristics-%E5%85%83%E5%90%AF%E5%8F%91%E5%BC%8F%E7%AE%97%E6%B3%95/">Metaheuristics (元启发式算法)</a></li> </ul>计算幽默https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computational_humor/Sat, 18 Jul 2026 11:10:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computational_humor/<h2 id="definition">Definition</h2> <p>计算幽默研究机器如何产生或解读笑话、双关语和机智言论。它通常依赖自然语言处理来检测不协调、语义转换或未预期的结果。</p> <h3 id="summary">Summary</h3> <p>专注于通过计算方法生成、理解和欣赏幽默内容的AI子领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>不协调理论</li> <li>自然语言处理</li> <li>语义转换</li> <li>生成模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>聊天机器人个性增强</li> <li>自动化笑话生成</li> <li>创意写作辅助工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentiment-analysis-%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90/">Sentiment Analysis (情感分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/creativity-in-ai-ai%E5%88%9B%E9%80%A0%E5%8A%9B/">Creativity in AI (AI创造力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/linguistics-%E8%AF%AD%E8%A8%80%E5%AD%A6/">Linguistics (语言学)</a></li> </ul>计算智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computational_intelligence/Sat, 18 Jul 2026 11:10:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computational_intelligence/<h2 id="definition">Definition</h2> <p>计算智能（CI）包含一组受自然启发的计算范式，包括神经网络、模糊逻辑和进化计算。这些系统设计用于处理不确定性和复杂性。</p> <h3 id="summary">Summary</h3> <p>AI的一个分支，处理模仿生物过程以解决复杂问题的自适应系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经网络</li> <li>模糊逻辑</li> <li>进化计算</li> <li>自适应系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>股票市场预测</li> <li>机器人控制系统</li> <li>医疗诊断支持</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/soft-computing-%E8%BD%AF%E8%AE%A1%E7%AE%97/">Soft Computing (软计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuroevolution-%E7%A5%9E%E7%BB%8F%E8%BF%9B%E5%8C%96/">Neuroevolution (神经进化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fuzzy-sets-%E6%A8%A1%E7%B3%8A%E9%9B%86%E5%90%88/">Fuzzy Sets (模糊集合)</a></li> </ul>压缩张量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/compressed_tensors/Sat, 18 Jul 2026 11:10:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/compressed_tensors/<h2 id="definition">Definition</h2> <p>压缩张量是深度学习中使用的多维数组，其数值精度（例如从float32降至int8）或稀疏性已降低。这种技术被称为量化或剪枝。</p> <h3 id="summary">Summary</h3> <p>通过降低数据精度或大小以优化存储和计算效率的张量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>量化</li> <li>稀疏性</li> <li>内存优化</li> <li>推理速度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>移动AI应用部署</li> <li>边缘设备处理</li> <li>大型语言模型服务优化</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example of converting a tensor to half precision</span> </span></span><span style="display:flex;"><span>x <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>randn(<span style="color:#099">10</span>, <span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>x_compressed <span style="color:#000;font-weight:bold">=</span> x<span style="color:#000;font-weight:bold">.</span>half() </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">Quantization (量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pruning-%E5%89%AA%E6%9E%9D/">Pruning (剪枝)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-distillation-%E6%A8%A1%E5%9E%8B%E8%92%B8%E9%A6%8F/">Model Distillation (模型蒸馏)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/float16-%E5%8D%8A%E7%B2%BE%E5%BA%A6%E6%B5%AE%E7%82%B9%E6%95%B0/">Float16 (半精度浮点数)</a></li> </ul>ComfyUIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/comfyui/Sat, 18 Jul 2026 11:10:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/comfyui/<h2 id="definition">Definition</h2> <p>ComfyUI是一个强大、模块化且基于节点接口的Stable Diffusion模型GUI。与传统提供线性工作流的界面不同，ComfyUI允许用户通过连接不同的功能模块来构建自定义管道，从而实现更灵活和复杂的图像生成流程。</p> <h3 id="summary">Summary</h3> <p>一个基于节点的Stable Diffusion图形用户界面，允许构建复杂的工作流并对图像生成进行细粒度控制。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基于节点的界面</li> <li>Stable Diffusion</li> <li>工作流自动化</li> <li>模块化设计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高级图像生成工作流</li> <li>研究新的扩散架构</li> <li>集成多种条件控制模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion/">Stable Diffusion</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automatic1111/">Automatic1111</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%BD%9C%E5%9C%A8%E7%A9%BA%E9%97%B4-latent-space/">潜在空间 (Latent Space)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/controlnet/">ControlNet</a></li> </ul>常识知识https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/commonsense_knowledge/Sat, 18 Jul 2026 11:10:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/commonsense_knowledge/<h2 id="definition">Definition</h2> <p>常识知识指的是人类自然获得的关于日常生活、物理学、社会规范和因果关系的庞大隐性信息库。在人工智能领域，获取这种知识是实现真正智能的关键挑战，因为机器往往难以像人类一样理解隐含的情境和现实世界的逻辑。</p> <h3 id="summary">Summary</h3> <p>人类拥有但机器通常缺乏的关于物理和社会世界的背景信息与直觉理解。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐性知识</li> <li>推理</li> <li>语境理解</li> <li>类人直觉</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理中的消歧</li> <li>机器人导航与交互</li> <li>问答系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1-knowledge-graphs/">知识图谱 (Knowledge Graphs)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8E%A8%E7%90%86-reasoning/">推理 (Reasoning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD-embodied-ai/">具身智能 (Embodied AI)</a></li> </ul>机器学习软件比较https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/comparison_of_machine_learning_software/Sat, 18 Jul 2026 11:10:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/comparison_of_machine_learning_software/<h2 id="definition">Definition</h2> <p>该术语指对TensorFlow、PyTorch、Scikit-learn和Keras等各种机器学习库和平台进行的系统性评估和基准测试。比较通常分析这些工具在特定任务上的表现、开发效率、生态系统成熟度以及长期维护潜力，帮助开发者做出最佳技术选型。</p> <h3 id="summary">Summary</h3> <p>基于功能、性能、易用性和社区支持等不同维度对各类机器学习框架进行分析评估，以指导工具选择。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>框架基准测试</li> <li>工具选型</li> <li>性能指标</li> <li>生态系统分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>选择深度学习框架</li> <li>优化训练基础设施</li> <li>AI项目的技术尽职调查</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch/">PyTorch</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensorflow/">TensorFlow</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scikit-learn/">Scikit-learn</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95-benchmarking/">基准测试 (Benchmarking)</a></li> </ul>连贯外推意志https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coherent_extrapolated_volition/Sat, 18 Jul 2026 11:10:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coherent_extrapolated_volition/<h2 id="definition">Definition</h2> <p>连贯外推意志（CEV）是由埃利泽·尤德科夫斯基在人工智能安全与对齐背景下提出的概念。它建议先进的人工智能不应仅仅服从当前人类的命令，而应通过理想化的推理过程，外推并实现人类深层的、一致的价值观和愿望。</p> <h3 id="summary">Summary</h3> <p>一种人工智能目标设定，主张系统应根据经过理想化推理后的人类精炼愿望行事。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI对齐</li> <li>价值学习</li> <li>理想化人类偏好</li> <li>效用函数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通用人工智能（AGI）安全的理论框架</li> <li>超级智能系统的伦理准则</li> <li>关于机器道德的哲学讨论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E5%AE%89%E5%85%A8-ai-safety/">AI安全 (AI Safety)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BB%B7%E5%80%BC%E5%AF%B9%E9%BD%90-value-alignment/">价值对齐 (Value Alignment)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B6%85%E7%BA%A7%E6%99%BA%E8%83%BD-superintelligence/">超级智能 (Superintelligence)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8A%9F%E5%88%A9%E4%B8%BB%E4%B9%89-utilitarianism/">功利主义 (Utilitarianism)</a></li> </ul>人工智能竞争https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/competition_in_artificial_intelligence/Sat, 18 Jul 2026 11:10:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/competition_in_artificial_intelligence/<h2 id="definition">Definition</h2> <p>人工智能竞争描述了由经济、军事和科学优势驱动的激烈全球竞赛，旨在提升AI能力。主要参与者包括Google、Microsoft等科技巨头以及各国政府。这种竞争推动了技术创新，但也引发了关于安全、伦理和国际治理的广泛关注。</p> <h3 id="summary">Summary</h3> <p>各国、企业和研究机构之间为在AI发展、创新和部署方面取得领先地位而展开的竞争。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>地缘政治</li> <li>创新竞赛</li> <li>企业战略</li> <li>AI治理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析AI市场趋势</li> <li>制定国家AI战略</li> <li>理解投资格局</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E5%86%9B%E5%A4%87%E7%AB%9E%E8%B5%9B-ai-arms-race/">AI军备竞赛 (AI Arms Race)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A7%91%E6%8A%80%E5%B7%A8%E5%A4%B4-tech-giants/">科技巨头 (Tech Giants)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%9B%E6%96%B0%E6%94%BF%E7%AD%96-innovation-policy/">创新政策 (Innovation Policy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%A8%E7%90%83%E6%A0%87%E5%87%86-global-standards/">全球标准 (Global Standards)</a></li> </ul>CodeQwenhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/codeqwen/Sat, 18 Jul 2026 11:10:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/codeqwen/<h2 id="definition">Definition</h2> <p>CodeQwen 是阿里云开发的 Qwen 系列的一个变体，专门针对编程相关活动进行了微调。它利用先进的 Transformer 架构来理解代码&hellip;</p> <h3 id="summary">Summary</h3> <p>CodeQwen 是专为软件工程任务优化的大型语言模型，包括代码生成、理解和调试。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>大型语言模型</li> <li>代码生成</li> <li>软件工程</li> <li>阿里云</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化代码补全</li> <li>漏洞检测与修复</li> <li>跨语言代码翻译</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/github-copilot-github-%E6%99%BA%E8%83%BD%E7%BC%96%E7%A0%81%E5%8A%A9%E6%89%8B/">GitHub Copilot (GitHub 智能编码助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer-%E6%9E%B6%E6%9E%84/">Transformer (Transformer 架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/python-python-%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80/">Python (Python 编程语言)</a></li> </ul>编码https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coding/Sat, 18 Jul 2026 11:10:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/coding/<h2 id="definition">Definition</h2> <p>编码，也称为编程，涉及将人类逻辑和需求转换为计算机可执行的格式。它使用特定编程语言定义的语法和语义&hellip;</p> <h3 id="summary">Summary</h3> <p>编码是使用编程语言编写计算机指令以创建软件、应用程序或脚本的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>编程语言</li> <li>语法</li> <li>算法</li> <li>软件开发</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建 Web 应用程序</li> <li>创建移动应用</li> <li>开发人工智能模型</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#0086b3">print</span>(<span style="color:#d14">&#34;Hello, World!&#34;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/programming-%E7%BC%96%E7%A8%8B/">Programming (编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scripting-%E8%84%9A%E6%9C%AC%E7%BC%96%E5%86%99/">Scripting (脚本编写)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/debugging-%E8%B0%83%E8%AF%95/">Debugging (调试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ide-%E9%9B%86%E6%88%90%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83/">IDE (集成开发环境)</a></li> </ul>认知机器人学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cognitive_robotics/Sat, 18 Jul 2026 11:10:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cognitive_robotics/<h2 id="definition">Definition</h2> <p>认知机器人学将认知科学与机器人技术相结合，构建能够感知环境、从经验中学习并做出自主决策的机器。这些机器人采用先进的&hellip;</p> <h3 id="summary">Summary</h3> <p>认知机器人学是专注于创造具有人类认知能力（如感知、推理和学习）的机器人的领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主导航</li> <li>感觉运动学习</li> <li>人机交互</li> <li>具身认知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗保健服务机器人</li> <li>搜救行动</li> <li>协作制造</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous-vehicles-%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E6%B1%BD%E8%BD%A6/">Autonomous Vehicles (自动驾驶汽车)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embodied-ai-%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/">Embodied AI (具身智能)</a></li> </ul>认知计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cognitive_computing/Sat, 18 Jul 2026 11:10:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cognitive_computing/<h2 id="definition">Definition</h2> <p>认知计算是人工智能的一个分支，旨在以自然方式与人类交互，同时模拟人脑过程。这些系统使用机器学习、深度学习&hellip;</p> <h3 id="summary">Summary</h3> <p>认知计算是指通过计算机化模型模拟人类思维过程的系统，利用人工智能模仿人脑功能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>机器学习</li> <li>自然语言处理</li> <li>人机交互</li> <li>模糊性处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断支持</li> <li>客户服务聊天机器人</li> <li>金融风险分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-intelligence-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial Intelligence (人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Networks (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert-systems-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">Expert Systems (专家系统)</a></li> </ul>认知语文学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cognitive_philology/Sat, 18 Jul 2026 11:10:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cognitive_philology/<h2 id="definition">Definition</h2> <p>认知语文学是一个跨学科领域，结合数字人文、语言学和认知科学来分析文本和语言演变。它利用计算工具来处理&hellip;</p> <h3 id="summary">Summary</h3> <p>认知语文学将计算方法和认知科学原理应用于语言、文学和文本历史的研究。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数字人文</li> <li>文本挖掘</li> <li>语言学分析</li> <li>语料库语言学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>作者归属判定</li> <li>文体分析</li> <li>历史语言演变追踪</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-humanities-%E6%95%B0%E5%AD%97%E4%BA%BA%E6%96%87/">Digital Humanities (数字人文)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentiment-analysis-%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90/">Sentiment Analysis (情感分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/corpus-%E8%AF%AD%E6%96%99%E5%BA%93/">Corpus (语料库)</a></li> </ul>裁剪https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/clip/Sat, 18 Jul 2026 11:10:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/clip/<h2 id="definition">Definition</h2> <p>在深度学习工程中，裁剪通常应用于梯度以缓解梯度爆炸问题，确保反向传播的稳定性。它也可以指在应用激活函数之前限制输出 logits 的范围。</p> <h3 id="summary">Summary</h3> <p>裁剪是一种限制数值（如梯度或输出概率）幅度的技术，旨在防止训练过程中的数值不稳定。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度裁剪</li> <li>数值稳定性</li> <li>梯度爆炸</li> <li>正则化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>循环神经网络训练</li> <li>稳定 Transformer 训练</li> <li>防止损失发散</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/learning-rate-%E5%AD%A6%E4%B9%A0%E7%8E%87/">Learning Rate (学习率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vanishing-gradient-%E6%A2%AF%E5%BA%A6%E6%B6%88%E5%A4%B1/">Vanishing Gradient (梯度消失)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/normalization-%E5%BD%92%E4%B8%80%E5%8C%96/">Normalization (归一化)</a></li> </ul>电路https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/circuit/Sat, 18 Jul 2026 11:10:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/circuit/<h2 id="definition">Definition</h2> <p>在人工智能领域，电路通常指底层硬件架构，如专为加速矩阵运算和并行处理而设计的 GPU、TPU 或神经形态芯片。这些硬件构成了 AI 计算的基础设施。</p> <h3 id="summary">Summary</h3> <p>电路是指执行计算任务的物理硬件基础设施，包括芯片和互连结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>硬件加速</li> <li>并行处理</li> <li>神经形态计算</li> <li>GPU/TPU 架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大规模神经网络训练</li> <li>实时推理部署</li> <li>节能边缘计算</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tpu-%E5%BC%A0%E9%87%8F%E5%A4%84%E7%90%86%E5%8D%95%E5%85%83/">TPU (张量处理单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-network-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Network (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/compute-cluster-%E8%AE%A1%E7%AE%97%E9%9B%86%E7%BE%A4/">Compute Cluster (计算集群)</a></li> </ul>类激活映射https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/class_activation_mapping/Sat, 18 Jul 2026 11:10:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/class_activation_mapping/<h2 id="definition">Definition</h2> <p>CAM 在输入图像上叠加热力图，以显示哪些像素对模型针对特定类别标签的决策贡献最大。它通过对最终卷积层应用全局平均池化来工作，从而定位关键特征区域。</p> <h3 id="summary">Summary</h3> <p>类激活映射（CAM）是一种可视化技术，用于高亮显示输入图像中对特定预测类别贡献最大的区域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>热力图可视化</li> <li>可解释性</li> <li>特征重要性</li> <li>全局平均池化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医学影像诊断验证</li> <li>自动驾驶物体检测调试</li> <li>可解释 AI 报告</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/grad-cam-%E6%A2%AF%E5%BA%A6%E5%8A%A0%E6%9D%83%E7%B1%BB%E6%BF%80%E6%B4%BB%E6%98%A0%E5%B0%84/">Grad-CAM (梯度加权类激活映射)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/saliency-maps-%E6%98%BE%E8%91%97%E6%80%A7%E5%9B%BE/">Saliency Maps (显著性图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convolutional-neural-networks-%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Convolutional Neural Networks (卷积神经网络)</a></li> </ul>协同训练https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/co_training/Sat, 18 Jul 2026 11:10:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/co_training/<h2 id="definition">Definition</h2> <p>该方法利用同一数据点的多个不同特征集（视图）。最初，在每个视图的小规模标注数据集上训练两个分类器。随后，它们对未标记数据进行预测，并仅选择高置信度的标签来辅助对方模型的训练。</p> <h3 id="summary">Summary</h3> <p>协同训练是一种半监督学习算法，利用数据的两个视图训练独立的分类器，这些分类器迭代地为彼此标记未标记数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>半监督学习</li> <li>多视图</li> <li>迭代标记</li> <li>高置信度选择</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有多特征的文本分类</li> <li>网页分类</li> <li>有限标签下的数据增强</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semi-supervised-learning-%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Semi-Supervised Learning (半监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self-training-%E8%87%AA%E8%AE%AD%E7%BB%83/">Self-Training (自训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-view-learning-%E5%A4%9A%E8%A7%86%E5%9B%BE%E5%AD%A6%E4%B9%A0/">Multi-view Learning (多视图学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active Learning (主动学习)</a></li> </ul>引用https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/citation/Sat, 18 Jul 2026 11:10:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/citation/<h2 id="definition">Definition</h2> <p>随着生成式 AI 模型产生内容，出现了引用机制的需求，以维护学术诚信和法律合规性。这涉及在生成的内容中嵌入对原始来源的参考，从而追溯数据的出处。</p> <h3 id="summary">Summary</h3> <p>AI 中的引用是指在生成的文本或模型中使用源材料或数据时进行归属，以确保透明度和知识产权合规性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>归属</li> <li>幻觉缓解</li> <li>版权合规</li> <li>来源验证</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>学术研究助手</li> <li>法律文档生成</li> <li>事实核查工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">RAG (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/grounding-%E6%8E%A5%E5%9C%B0-%E4%BA%8B%E5%AE%9E%E9%94%9A%E5%AE%9A/">Grounding (接地/事实锚定)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graph (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intellectual-property-%E7%9F%A5%E8%AF%86%E4%BA%A7%E6%9D%83/">Intellectual Property (知识产权)</a></li> </ul>ChatGLMhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chatglm/Sat, 18 Jul 2026 11:09:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chatglm/<h2 id="definition">Definition</h2> <p>ChatGLM代表一系列基于Transformer的语言模型，专门设计用于处理高质量的中英文双语对话。由智谱AI开发，这些模型利用&hellip;（原文截断，此处为完整语义翻译）</p> <h3 id="summary">Summary</h3> <p>ChatGLM是由智谱AI开发的双语大型开源语言模型系列，专为中英文对话优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>双语模型</li> <li>开源</li> <li>参数效率</li> <li>指令微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>中英翻译服务</li> <li>本地部署AI助手</li> <li>高效LLM架构研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zhipu-ai-%E6%99%BA%E8%B0%B1ai/">Zhipu AI (智谱AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (变换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/p-tuning-p-tuning%E5%BE%AE%E8%B0%83%E6%8A%80%E6%9C%AF/">P-Tuning (P-tuning微调技术)</a></li> </ul>分块https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chunking/Sat, 18 Jul 2026 11:09:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chunking/<h2 id="definition">Definition</h2> <h3 id="summary">Summary</h3> <p>分块是检索增强生成（RAG）和其他NLP管道中的关键预处理步骤。它涉及将文本划分为固定大小或语义单元（块），以适应上下文&hellip;</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文窗口</li> <li>RAG (检索增强生成)</li> <li>文本分割</li> <li>索引</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建RAG知识库</li> <li>处理长文档以进行摘要</li> <li>向量数据库数据摄入</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5%E5%90%91%E9%87%8F/">Embedding (嵌入向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">Vector Database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenizer-%E5%88%86%E8%AF%8D%E5%99%A8/">Tokenizer (分词器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">RAG (检索增强生成)</a></li> </ul>链式结构https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chain/Sat, 18 Jul 2026 11:09:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chain/<h2 id="definition">Definition</h2> <p>在AI应用开发中，链式结构指一种线性或有向图结构，其中多个组件（如大语言模型调用、解析器或外部工具）相互链接。数据从一个组件流向下一个组件，依次进行处理。</p> <h3 id="summary">Summary</h3> <p>链式结构是一系列连接的步骤或模块，按顺序处理数据以完成复杂任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>顺序处理</li> <li>模块化设计</li> <li>数据管道</li> <li>编排</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建多步推理智能体</li> <li>自动化文档摘要管道</li> <li>复杂数据提取工作流</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-%E6%99%BA%E8%83%BD%E4%BD%93/">Agent (智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E7%AE%A1%E9%81%93/">Pipeline (管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/workflow-%E5%B7%A5%E4%BD%9C%E6%B5%81/">Workflow (工作流)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> </ul>聊天https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chat/Sat, 18 Jul 2026 11:09:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chat/<h2 id="definition">Definition</h2> <p>在AI语境下，聊天指实时、轮流对话的界面和底层机制。它允许用户提问、请求执行任务或进行开放式对话。</p> <h3 id="summary">Summary</h3> <p>聊天指用户与AI系统之间通过自然语言进行的交互式对话通信。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言接口</li> <li>上下文窗口</li> <li>对话管理</li> <li>用户交互</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户服务机器人</li> <li>个人助手</li> <li>教育辅导系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/conversational-ai-%E5%AF%B9%E8%AF%9D%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Conversational AI (对话式人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-%E6%8F%90%E7%A4%BA%E8%AF%8D/">Prompt (提示词)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dialogue-%E5%AF%B9%E8%AF%9D/">Dialogue (对话)</a></li> </ul>字符计算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/character_computing/Sat, 18 Jul 2026 11:09:54 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/character_computing/<h2 id="definition">Definition</h2> <p>这一概念侧重于文本操作，其中计算的基本单位是单个字符。它通常用于需要细粒度文本分析的任务，例如拼写检查。</p> <h3 id="summary">Summary</h3> <p>字符计算涉及在单个字符层面而非单词或句子层面处理、生成或分析文本。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分词</li> <li>文本生成</li> <li>细粒度分析</li> <li>子词单元</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>手写识别（OCR）</li> <li>低资源语言建模</li> <li>密文分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/token-%E8%AF%8D%E5%85%83/">Token (词元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rnn-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">RNN (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (变换器架构)</a></li> </ul>CIML社区门户https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ciml_community_portal/Sat, 18 Jul 2026 11:09:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ciml_community_portal/<h2 id="definition">Definition</h2> <p>CIML社区门户作为专注于计算智能的学术和专业社区的数字枢纽。它提供对数据集、预训练模型、研究论文等资源的访问权限，旨在加速知识传播与创新合作。</p> <h3 id="summary">Summary</h3> <p>一个集中的在线平台，促进计算智能和机器学习领域的研究人员与从业者之间的协作、资源共享和讨论。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>协作</li> <li>开源</li> <li>知识共享</li> <li>学术网络</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分发基准数据集</li> <li>举办黑客松活动</li> <li>AI方法论的同行评审</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/github-%E4%BB%A3%E7%A0%81%E6%89%98%E7%AE%A1%E5%B9%B3%E5%8F%B0/">GitHub (代码托管平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kaggle-%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6%E7%AB%9E%E8%B5%9B%E5%B9%B3%E5%8F%B0/">Kaggle (数据科学竞赛平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/arxiv-%E9%A2%84%E5%8D%B0%E6%9C%AC%E6%9C%8D%E5%8A%A1%E5%99%A8/">arXiv (预印本服务器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-science-%E5%BC%80%E6%94%BE%E7%A7%91%E5%AD%A6/">open science (开放科学)</a></li> </ul>缓存https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/caching/Sat, 18 Jul 2026 11:09:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/caching/<h2 id="definition">Definition</h2> <p>在AI工程中，缓存通过将最近或频繁的查询结果、模型预测或中间计算保留在快速内存（如RAM）中来优化性能。这减少了昂贵的主数据存储访问需求，从而显著提升系统响应速度。</p> <h3 id="summary">Summary</h3> <p>缓存是一种将频繁访问的数据存储在临时高速存储层中的技术，旨在降低延迟并减少主数据源的负载。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>延迟降低</li> <li>内存优化</li> <li>驱逐策略</li> <li>命中率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>存储模型推理结果</li> <li>缓存数据库查询输出</li> <li>预计算特征嵌入</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">11 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">12 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">13 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">14 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">redis</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Simple caching example</span> </span></span><span style="display:flex;"><span>r <span style="color:#000;font-weight:bold">=</span> redis<span style="color:#000;font-weight:bold">.</span>Redis(host<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;localhost&#39;</span>, port<span style="color:#000;font-weight:bold">=</span><span style="color:#099">6379</span>, db<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0</span>) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">get_prediction</span>(model_id, input_data): </span></span><span style="display:flex;"><span> cache_key <span style="color:#000;font-weight:bold">=</span> <span style="color:#d14">f</span><span style="color:#d14">&#34;pred_</span><span style="color:#d14">{</span>model_id<span style="color:#d14">}</span><span style="color:#d14">_</span><span style="color:#d14">{</span><span style="color:#0086b3">hash</span>(<span style="color:#0086b3">str</span>(input_data))<span style="color:#d14">}</span><span style="color:#d14">&#34;</span> </span></span><span style="display:flex;"><span> result <span style="color:#000;font-weight:bold">=</span> r<span style="color:#000;font-weight:bold">.</span>get(cache_key) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">if</span> result: </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> result<span style="color:#000;font-weight:bold">.</span>decode(<span style="color:#d14">&#39;utf-8&#39;</span>) </span></span><span style="display:flex;"><span> <span style="color:#998;font-style:italic"># Compute if not cached</span> </span></span><span style="display:flex;"><span> prediction <span style="color:#000;font-weight:bold">=</span> model<span style="color:#000;font-weight:bold">.</span>predict(input_data) </span></span><span style="display:flex;"><span> r<span style="color:#000;font-weight:bold">.</span>setex(cache_key, <span style="color:#099">3600</span>, <span style="color:#0086b3">str</span>(prediction)) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> prediction </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/redis-%E5%86%85%E5%AD%98%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E5%AD%98%E5%82%A8/">Redis (内存数据结构存储)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/memcached-%E5%88%86%E5%B8%83%E5%BC%8F%E5%86%85%E5%AD%98%E7%BC%93%E5%AD%98%E7%B3%BB%E7%BB%9F/">memcached (分布式内存缓存系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/performance-tuning-%E6%80%A7%E8%83%BD%E8%B0%83%E4%BC%98/">performance tuning (性能调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/database-indexing-%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B4%A2%E5%BC%95/">database indexing (数据库索引)</a></li> </ul>混沌https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chaos/Sat, 18 Jul 2026 11:09:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chaos/<h2 id="definition">Definition</h2> <p>混沌理论研究起始参数的微小变化如何导致复杂系统中截然不同的结果。在人工智能领域，理解混沌行为对于模型稳定性分析和复杂系统模拟至关重要。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，混沌指的是复杂的非线性动力系统，对初始条件高度敏感，通常看似随机但受确定性规则支配。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对初始条件的敏感性</li> <li>非线性</li> <li>确定性随机</li> <li>吸引子</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>天气预报模型</li> <li>金融市场模拟</li> <li>鲁棒控制系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/complexity-%E5%A4%8D%E6%9D%82%E6%80%A7/">complexity (复杂性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stochastic-processes-%E9%9A%8F%E6%9C%BA%E8%BF%87%E7%A8%8B/">stochastic processes (随机过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/butterfly-effect-%E8%9D%B4%E8%9D%B6%E6%95%88%E5%BA%94/">butterfly effect (蝴蝶效应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/non-linear-dynamics-%E9%9D%9E%E7%BA%BF%E6%80%A7%E5%8A%A8%E5%8A%9B%E5%AD%A6/">non-linear dynamics (非线性动力学)</a></li> </ul>基于案例的推理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/case_based_reasoning/Sat, 18 Jul 2026 11:09:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/case_based_reasoning/<h2 id="definition">Definition</h2> <p>CBR基于相似问题具有相似解决方案的原则运作。该过程涉及从知识库中检索最相似的历史案例，调整其解决方案以适应当前情况，并将新案例保留以供未来使用。</p> <h3 id="summary">Summary</h3> <p>基于案例的推理（CBR）是一种利用过去经验或相似案例为新问题寻找解决方案的人工智能问题解决方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>检索</li> <li>复用</li> <li>修正</li> <li>保留</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>法律先例分析</li> <li>医疗诊断辅助</li> <li>客户支持聊天机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-representation-%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/">knowledge representation (知识表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/similarity-metrics-%E7%9B%B8%E4%BC%BC%E5%BA%A6%E5%BA%A6%E9%87%8F/">similarity metrics (相似度度量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expert-systems-%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F/">expert systems (专家系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine learning (机器学习)</a></li> </ul>类别效用https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/category_utility/Sat, 18 Jul 2026 11:09:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/category_utility/<h2 id="definition">Definition</h2> <p>该指标量化了一组类别在多大程度上允许人们预测这些类别内属性的值。它在类别大小与其内容同质性之间取得平衡，是概念学习和聚类评估中的重要指标。</p> <h3 id="summary">Summary</h3> <p>类别效用是一种数学度量，用于根据分类方案提供的信息增益来评估分类方案的有效性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息增益</li> <li>聚类评估</li> <li>预测准确性</li> <li>概念学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估聚类质量</li> <li>概念获取研究</li> <li>优化特征选择</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/entropy-%E7%86%B5/">entropy (熵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mutual-information-%E4%BA%92%E4%BF%A1%E6%81%AF/">mutual information (互信息)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clustering-%E8%81%9A%E7%B1%BB/">clustering (聚类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/concept-formation-%E6%A6%82%E5%BF%B5%E5%BD%A2%E6%88%90/">concept formation (概念形成)</a></li> </ul>Bloomhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bloom/Sat, 18 Jul 2026 11:09:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bloom/<h2 id="definition">Definition</h2> <p>虽然历史上指本杰明·布鲁姆的教育分类法，但在现代人工智能语境中，它通常指由BigScience开发的Bloom文本嵌入模型。该模型生成高质量的……</p> <h3 id="summary">Summary</h3> <p>在机器学习中，“Bloom”通常指应用于人工智能教育的布鲁姆分类法，或特定的嵌入模型（如Bloom文本嵌入模型）。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本嵌入</li> <li>语义搜索</li> <li>布隆过滤器</li> <li>概率数据结构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理 (NLP)</li> <li>数据库索引优化</li> <li>内容推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">Vector Database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hash-function-%E5%93%88%E5%B8%8C%E5%87%BD%E6%95%B0/">Hash Function (哈希函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> </ul>布拉德利-特里模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bradleyterry_model/Sat, 18 Jul 2026 11:09:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bradleyterry_model/<h2 id="definition">Definition</h2> <p>布拉德利-特里模型是一种概率模型，广泛用于心理测量学和机器学习中以处理成对比较。它为每个项目分配一个潜在分数，计算概率……</p> <h3 id="summary">Summary</h3> <p>一种用于分析成对比较数据的统计模型，估计一个项目优于另一个项目的概率。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>成对比较</li> <li>排名系统</li> <li>逻辑回归</li> <li>偏好学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>体育排名算法</li> <li>A/B测试分析</li> <li>基于人类反馈的强化学习 (RLHF)</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/elo-rating-elo-%E7%AD%89%E7%BA%A7%E5%88%86/">Elo Rating ( Elo 等级分)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/plackett-luce-model-%E6%99%AE%E6%8B%89%E5%88%87%E7%89%B9-%E5%8D%A2%E6%96%AF%E6%A8%A1%E5%9E%8B/">Plackett-Luce Model (普拉切特-卢斯模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/isotonic-regression-%E4%BF%9D%E5%BA%8F%E5%9B%9E%E5%BD%92/">Isotonic Regression (保序回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> </ul>脑技术https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/brain_technology/Sat, 18 Jul 2026 11:09:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/brain_technology/<h2 id="definition">Definition</h2> <p>脑技术包括直接与中枢神经系统交互的硬件和软件系统。关键例子包括将神经信号转换为……的脑机接口 (BCI)。</p> <h3 id="summary">Summary</h3> <p>旨在与人脑进行接口、监测或调节的技术，包括脑机接口和神经成像工具。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>脑机接口 (BCI)</li> <li>神经可塑性</li> <li>信号处理</li> <li>神经调节</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>恢复瘫痪患者的行动能力</li> <li>治疗癫痫和抑郁症</li> <li>通过思维控制假肢</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuroscience-%E7%A5%9E%E7%BB%8F%E7%A7%91%E5%AD%A6/">Neuroscience (神经科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prosthetics-%E5%81%87%E8%82%A2/">Prosthetics (假肢)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eeg-%E8%84%91%E7%94%B5%E5%9B%BE/">EEG (脑电图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fmri-%E5%8A%9F%E8%83%BD%E6%80%A7%E7%A3%81%E5%85%B1%E6%8C%AF%E6%88%90%E5%83%8F/">fMRI (功能性磁共振成像)</a></li> </ul>生物宁静https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bioserenity/Sat, 18 Jul 2026 11:09:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bioserenity/<h2 id="definition">Definition</h2> <p>生物宁静指的是人类生物学与人工智能无缝、非冲突地和谐运作的概念理想。它强调伦理整合，确保人工智能的增强作用……</p> <h3 id="summary">Summary</h3> <p>一种生物生命与人工智能系统和谐共存的理论状态。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机和谐</li> <li>认知平衡</li> <li>伦理整合</li> <li>超人类主义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计以用户为中心的人工智能界面</li> <li>神经植入物的伦理准则</li> <li>心理健康支持算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transhumanism-%E8%B6%85%E4%BA%BA%E7%B1%BB%E4%B8%BB%E4%B9%89/">Transhumanism (超人类主义)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-interface-%E7%A5%9E%E7%BB%8F%E6%8E%A5%E5%8F%A3/">Neural Interface (神经接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">AI Ethics (人工智能伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-load-%E8%AE%A4%E7%9F%A5%E8%B4%9F%E8%8D%B7/">Cognitive Load (认知负荷)</a></li> </ul>业务流程自动化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/business_process_automation/Sat, 18 Jul 2026 11:09:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/business_process_automation/<h2 id="definition">Definition</h2> <p>业务流程自动化 (BPA) 涉及利用软件和人工智能来简化复杂的业务工作流程。与仅处理基于规则任务的简单机器人流程自动化 (RPA) 不同，BPA 通常……</p> <h3 id="summary">Summary</h3> <p>使用技术来执行业务中的重复性任务或流程，从而取代人工努力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>工作流优化</li> <li>RPA (机器人流程自动化)</li> <li>人工智能集成</li> <li>运营效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动发票处理</li> <li>客户服务聊天机器人</li> <li>人力资源入职工作流</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rpa-%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%B5%81%E7%A8%8B%E8%87%AA%E5%8A%A8%E5%8C%96/">RPA (机器人流程自动化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-transformation-%E6%95%B0%E5%AD%97%E5%8C%96%E8%BD%AC%E5%9E%8B/">Digital Transformation (数字化转型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/workflow-engine-%E5%B7%A5%E4%BD%9C%E6%B5%81%E5%BC%95%E6%93%8E/">Workflow Engine (工作流引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/enterprise-software-%E4%BC%81%E4%B8%9A%E8%BD%AF%E4%BB%B6/">Enterprise Software (企业软件)</a></li> </ul>BERThttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bert/Sat, 18 Jul 2026 11:09:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bert/<h2 id="definition">Definition</h2> <p>BERT（Bidirectional Encoder Representations from Transformers）是由Google开发的一种基于Transformer的机器学习技术，用于自然语言处理（NLP）的预训练。它利用掩码语言建模和下一句预测来学习双向表示。</p> <h3 id="summary">Summary</h3> <p>基于Transformer的双向编码器表示是一种预训练的自然语言处理模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Transformer架构</li> <li>掩码语言建模</li> <li>预训练</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>问答系统</li> <li>情感分析</li> <li>文本分类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt-%E7%94%9F%E6%88%90%E5%BC%8F%E9%A2%84%E8%AE%AD%E7%BB%83%E5%8F%98%E6%8D%A2%E5%99%A8/">GPT (生成式预训练变换器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (变换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E8%AF%8D%E5%B5%8C%E5%85%A5/">Embeddings (词嵌入)</a></li> </ul>二分类https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/binary_classification/Sat, 18 Jul 2026 11:09:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/binary_classification/<h2 id="definition">Definition</h2> <p>二分类是机器学习中一个基本问题，其输出变量是分类变量，恰好有两个可能的结果，例如真/假或垃圾邮件/非垃圾邮件。常用的算法包括逻辑回归、支持向量机等。</p> <h3 id="summary">Summary</h3> <p>一种监督学习任务，目标是为每个输入实例预测两个可能类别之一。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>决策边界</li> <li>混淆矩阵</li> <li>逻辑回归</li> <li>准确率指标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>垃圾邮件检测</li> <li>医学诊断</li> <li>欺诈检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multiclass-classification-%E5%A4%9A%E5%88%86%E7%B1%BB/">Multiclass Classification (多分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised-learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Supervised Learning (监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/roc-curve-roc%E6%9B%B2%E7%BA%BF/">ROC Curve (ROC曲线)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/precision-%E7%B2%BE%E7%A1%AE%E7%8E%87/">Precision (精确率)</a></li> </ul>偏差-方差权衡https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/biasvariance_tradeoff/Sat, 18 Jul 2026 11:09:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/biasvariance_tradeoff/<h2 id="definition">Definition</h2> <p>偏差-方差权衡描述了欠拟合（高偏差）和过拟合（高方差）之间的张力。高偏差模型对数据做出强烈假设，可能会忽略相关关系；而高方差模型则过于关注训练数据中的噪声。</p> <h3 id="summary">Summary</h3> <p>监督学习中的一个基本问题，最小化误差需要在模型复杂度和泛化能力之间取得平衡。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>欠拟合</li> <li>过拟合</li> <li>泛化</li> <li>模型复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>模型选择</li> <li>超参数调优</li> <li>公平性审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross-validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">Cross-Validation (交叉验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ensemble-methods-%E9%9B%86%E6%88%90%E6%96%B9%E6%B3%95/">Ensemble Methods (集成方法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>生物混合系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/biohybrid_system/Sat, 18 Jul 2026 11:09:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/biohybrid_system/<h2 id="definition">Definition</h2> <p>生物混合系统将活体组织、细胞或生物体与合成材料和电子设备相结合。这些系统旨在利用生物实体的独特特性，如自修复能力、能量效率和适应性，从而创造出具有生物功能的智能设备。</p> <h3 id="summary">Summary</h3> <p>一种将生物组件与人工设备相结合的集成系统，以增强功能或创造新功能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生物界面</li> <li>组织工程</li> <li>神经接口</li> <li>合成生物学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高级假肢</li> <li>生物传感器</li> <li>芯片器官模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/brain-computer-interface-%E8%84%91%E6%9C%BA%E6%8E%A5%E5%8F%A3/">Brain-Computer Interface (脑机接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/biomechatronics-%E7%94%9F%E7%89%A9%E6%9C%BA%E7%94%B5%E5%AD%A6/">Biomechatronics (生物机电学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regenerative-medicine-%E5%86%8D%E7%94%9F%E5%8C%BB%E5%AD%A6/">Regenerative Medicine (再生医学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/soft-robotics-%E8%BD%AF%E4%BD%93%E6%9C%BA%E5%99%A8%E4%BA%BA/">Soft Robotics (软体机器人)</a></li> </ul>生物医学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/biomedical/Sat, 18 Jul 2026 11:09:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/biomedical/<h2 id="definition">Definition</h2> <p>生物医学指的是生物学、医学和技术的交叉领域，特别是在开发诊断工具、治疗方法和分析方法方面。在人工智能中，这涉及应用机器学习算法来分析医疗图像、基因组数据和电子健康记录，以辅助临床决策。</p> <h3 id="summary">Summary</h3> <p>涉及自然科学在医疗实践中的应用，通常包括对健康数据的计算分析。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>医学影像</li> <li>基因组学</li> <li>临床决策支持</li> <li>健康信息学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>放射科图像分析</li> <li>药物发现</li> <li>预测性健康分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-health-%E6%95%B0%E5%AD%97%E5%81%A5%E5%BA%B7/">Digital Health (数字健康)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational-biology-%E8%AE%A1%E7%AE%97%E7%94%9F%E7%89%A9%E5%AD%A6/">Computational Biology (计算生物学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/medical-ai-%E5%8C%BB%E7%96%97%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Medical AI (医疗人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ehr-%E7%94%B5%E5%AD%90%E5%81%A5%E5%BA%B7%E8%AE%B0%E5%BD%95/">EHR (电子健康记录)</a></li> </ul>贝叶斯编程https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_programming/Sat, 18 Jul 2026 11:09:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_programming/<h2 id="definition">Definition</h2> <p>贝叶斯编程是一种数学框架，它将贝叶斯定理泛化以处理复杂的多层概率依赖关系。它允许开发者定义分层模型，其中变量之间存在条件依赖结构，从而能够更灵活地建模不确定性。</p> <h3 id="summary">Summary</h3> <p>一种形式化的概率推理框架，将贝叶斯推断扩展至复杂的分层模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分层建模</li> <li>概率推理</li> <li>条件独立性</li> <li>不确定性量化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人感知系统</li> <li>自然语言处理</li> <li>医疗诊断支持</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">Bayesian inference (贝叶斯推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/probabilistic-graphical-models-%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B/">Probabilistic graphical models (概率图模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/markov-chains-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E9%93%BE/">Markov chains (马尔可夫链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent-variable-models-%E6%BD%9C%E5%8F%98%E9%87%8F%E6%A8%A1%E5%9E%8B/">Latent variable models (潜变量模型)</a></li> </ul>贝叶斯结构化时间序列https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_structural_time_series/Sat, 18 Jul 2026 11:09:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_structural_time_series/<h2 id="definition">Definition</h2> <p>贝叶斯结构化时间序列（BSTS）模型将时间序列数据表示为可解释组件（如趋势、季节性和回归效应）之和，同时通过贝叶斯方法处理不确定性。这种方法允许对各个组件的影响进行单独推断，从而提供更透明的预测和因果分析。</p> <h3 id="summary">Summary</h3> <p>一种统计建模方法，利用贝叶斯推断将时间序列分解为可解释的组成部分。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态空间模型</li> <li>因果推断</li> <li>组件分解</li> <li>后验分布</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>营销组合建模</li> <li>经济预测</li> <li>基于时间序列数据的A/B测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kalman-filter-%E5%8D%A1%E5%B0%94%E6%9B%BC%E6%BB%A4%E6%B3%A2/">Kalman filter (卡尔曼滤波)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/structural-equation-modeling-%E7%BB%93%E6%9E%84%E6%96%B9%E7%A8%8B%E5%BB%BA%E6%A8%A1/">Structural equation modeling (结构方程建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prophet-prophet%E7%AE%97%E6%B3%95/">Prophet (Prophet算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/var-models-%E5%90%91%E9%87%8F%E8%87%AA%E5%9B%9E%E5%BD%92%E6%A8%A1%E5%9E%8B/">VAR models (向量自回归模型)</a></li> </ul>贝叶斯遗憾https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_regret/Sat, 18 Jul 2026 11:09:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_regret/<h2 id="definition">Definition</h2> <p>贝叶斯遗憾量化了在拥有完美信息时可实现的最佳奖励与智能体在不确定性下行动所获得的预期奖励之间的差异。它是通过对所有可能的世界状态进行积分计算得出的，反映了决策者在信息不完全情况下的性能损失。</p> <h3 id="summary">Summary</h3> <p>决策理论中衡量因对世界真实状态不确定而导致的预期损失的指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>期望效用</li> <li>先验分布</li> <li>决策理论</li> <li>遗憾最小化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>强化学习评估</li> <li>多臂老虎机问题</li> <li>策略博弈分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/frequentist-regret-%E9%A2%91%E7%8E%87%E5%AD%A6%E6%B4%BE%E9%81%97%E6%86%BE/">Frequentist regret (频率学派遗憾)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pareto-optimality-%E5%B8%95%E7%B4%AF%E6%89%98%E6%9C%80%E4%BC%98/">Pareto optimality (帕累托最优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/expected-value-%E6%9C%9F%E6%9C%9B%E5%80%BC/">Expected value (期望值)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-gain-%E4%BF%A1%E6%81%AF%E5%A2%9E%E7%9B%8A/">Information gain (信息增益)</a></li> </ul>信念-欲望-意图模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/beliefdesireintention_model/Sat, 18 Jul 2026 11:09:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/beliefdesireintention_model/<h2 id="definition">Definition</h2> <p>信念-欲望-意图（BDI）模型是一种认知架构，用于设计做出理性决策的自主智能体。信念代表智能体对世界的知识，欲望是智能体希望达到的目标状态，而意图则是智能体承诺执行以实现特定欲望的具体计划或行动方案。</p> <h3 id="summary">Summary</h3> <p>AI中用于基于信念、欲望和意图对理性智能体进行建模的哲学框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>理性智能体</li> <li>认知架构</li> <li>目标导向行为</li> <li>计划执行</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>多智能体系统</li> <li>自主机器人</li> <li>智能家居自动化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-oriented-programming-%E9%9D%A2%E5%90%91%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E7%BC%96%E7%A8%8B/">Agent-oriented programming (面向智能体的编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/goal-language-goal%E8%AF%AD%E8%A8%80/">GOAL language (GOAL语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rational-choice-theory-%E7%90%86%E6%80%A7%E9%80%89%E6%8B%A9%E7%90%86%E8%AE%BA/">Rational choice theory (理性选择理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-modeling-%E8%AE%A4%E7%9F%A5%E5%BB%BA%E6%A8%A1/">Cognitive modeling (认知建模)</a></li> </ul>行为信息学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/behavior_informatics/Sat, 18 Jul 2026 11:09:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/behavior_informatics/<h2 id="definition">Definition</h2> <p>行为信息学结合计算机科学、心理学和统计学，分析由数字交互产生的大规模行为数据。它侧重于提取行为模式、预测未来行为以及理解人机互动中的认知过程，旨在从海量数字痕迹中挖掘有价值的洞察。</p> <h3 id="summary">Summary</h3> <p>通过收集和数字数据分析来研究人类行为的跨学科领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数字痕迹数据</li> <li>模式识别</li> <li>人机交互</li> <li>预测建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>用户体验优化</li> <li>公共卫生监测</li> <li>个性化推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational-social-science-%E8%AE%A1%E7%AE%97%E7%A4%BE%E4%BC%9A%E7%A7%91%E5%AD%A6/">Computational social science (计算社会科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-mining-%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98/">Data mining (数据挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/psychometrics-%E5%BF%83%E7%90%86%E6%B5%8B%E9%87%8F%E5%AD%A6/">Psychometrics (心理测量学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human-behavior-analytics-%E4%BA%BA%E7%B1%BB%E8%A1%8C%E4%B8%BA%E5%88%86%E6%9E%90/">Human behavior analytics (人类行为分析)</a></li> </ul>贝叶斯学习机制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_learning_mechanisms/Sat, 18 Jul 2026 11:08:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_learning_mechanisms/<h2 id="definition">Definition</h2> <p>贝叶斯学习机制利用贝叶斯定理更新关于模型参数的信念，将先验知识与观测数据相结合以形成后验分布。与频率学派方法不同，它明确量化了参数的不确定性。</p> <h3 id="summary">Summary</h3> <p>将模型参数视为具有概率分布的随机变量而非固定值的学习范式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>后验分布</li> <li>先验信念</li> <li>不确定性量化</li> <li>贝叶斯定理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有强先验的小数据集学习</li> <li>风险敏感型决策制定</li> <li>主动学习策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/variational_inference-%E5%8F%98%E5%88%86%E6%8E%A8%E6%96%AD/">variational_inference (变分推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mcmc-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E9%93%BE%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B/">mcmc (马尔可夫链蒙特卡洛)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prior-%E5%85%88%E9%AA%8C/">prior (先验)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/posterior-%E5%90%8E%E9%AA%8C/">posterior (后验)</a></li> </ul>贝叶斯优化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_optimization/Sat, 18 Jul 2026 11:08:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_optimization/<h2 id="definition">Definition</h2> <p>贝叶斯优化使用概率代理模型（通常为高斯过程）来建模目标函数。它采用采集函数来平衡探索与利用，从而高效地找到最优参数配置。</p> <h3 id="summary">Summary</h3> <p>一种用于全局优化昂贵评估黑盒函数的顺序设计策略。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>代理模型</li> <li>采集函数</li> <li>探索与利用权衡</li> <li>黑盒优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度学习模型的超参数调优</li> <li>科学实验设计的优化</li> <li>机器人控制参数调整</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter_tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">hyperparameter_tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gaussian_processes-%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B/">gaussian_processes (高斯过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/acquisition_function-%E9%87%87%E9%9B%86%E5%87%BD%E6%95%B0/">acquisition_function (采集函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/grid_search-%E7%BD%91%E6%A0%BC%E6%90%9C%E7%B4%A2/">grid_search (网格搜索)</a></li> </ul>核正则化的贝叶斯解释https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_interpretation_of_kernel_regularization/Sat, 18 Jul 2026 11:08:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian_interpretation_of_kernel_regularization/<h2 id="definition">Definition</h2> <p>这一概念确立了：使用特定核函数最小化正则化风险泛函，等价于在贝叶斯框架中寻找最大后验概率（MAP）估计。具体来说，它揭示了确定性核方法与概率性高斯过程之间的深层联系。</p> <h3 id="summary">Summary</h3> <p>一个理论框架，将支持向量机等核方法与高斯过程在贝叶斯先验假设下联系起来。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>高斯过程</li> <li>最大后验估计</li> <li>正则化作为先验</li> <li>核方法</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理解支持向量机的理论基础</li> <li>将高斯过程技术应用于核回归</li> <li>为确定性模型推导不确定性估计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gaussian_processes-%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B/">gaussian_processes (高斯过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/support_vector_machines-%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/">support_vector_machines (支持向量机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prior_distribution-%E5%85%88%E9%AA%8C%E5%88%86%E5%B8%83/">prior_distribution (先验分布)</a></li> </ul>批处理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/batch_processing/Sat, 18 Jul 2026 11:08:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/batch_processing/<h2 id="definition">Definition</h2> <p>批处理涉及在执行计算或模型推理之前，将数据输入聚合为一个组（即批次）。与实时流处理相比，这种方法允许对数据进行批量操作，从而提高效率。</p> <h3 id="summary">Summary</h3> <p>一种计算方法，数据随时间收集并以组（而非单个）为单位进行处理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>吞吐量优化</li> <li>资源利用率</li> <li>离线计算</li> <li>分组执行</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在历史数据集上训练大型神经网络</li> <li>数据仓库中的计划ETL作业</li> <li>夜间报告生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/streaming_processing-%E6%B5%81%E5%A4%84%E7%90%86/">streaming_processing (流处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">throughput (吞吐量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_pipeline-%E6%95%B0%E6%8D%AE%E7%AE%A1%E9%81%93/">data_pipeline (数据管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/offline_inference-%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86/">offline_inference (离线推理)</a></li> </ul>批大小https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/batch_size/Sat, 18 Jul 2026 11:08:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/batch_size/<h2 id="definition">Definition</h2> <p>批大小是一个关键的超参数，决定了在更新模型内部参数之前处理多少个样本。较大的批大小能提供更准确的梯度估计，但可能增加内存需求并影响收敛特性。</p> <h3 id="summary">Summary</h3> <p>在随机梯度下降算法的一次迭代中使用的训练样本数量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度估计</li> <li>内存限制</li> <li>收敛稳定性</li> <li>超参数调整</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调整模型收敛速度</li> <li>训练期间管理GPU内存限制</li> <li>通过噪声梯度提高泛化能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/learning_rate-%E5%AD%A6%E4%B9%A0%E7%8E%87/">learning_rate (学习率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stochastic_gradient_descent-%E9%9A%8F%E6%9C%BA%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">stochastic_gradient_descent (随机梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mini_batch-%E5%B0%8F%E6%89%B9%E9%87%8F/">mini_batch (小批量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/memory_usage-%E5%86%85%E5%AD%98%E4%BD%BF%E7%94%A8/">memory_usage (内存使用)</a></li> </ul>词袋模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bag_of_words_model/Sat, 18 Jul 2026 11:08:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bag_of_words_model/<h2 id="definition">Definition</h2> <p>这种自然语言处理技术将文本表示为单词的多重集， disregarding 句法和序列。它根据词频或存在性将文档转换为数值向量。</p> <h3 id="summary">Summary</h3> <p>词袋模型是一种简化的文本表示方法，描述文档中单词的出现情况，忽略语法和词序。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分词</li> <li>频率统计</li> <li>向量空间</li> <li>特征提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本分类</li> <li>垃圾邮件过滤</li> <li>信息检索</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.feature_extraction.text</span> <span style="color:#000;font-weight:bold">import</span> CountVectorizer </span></span><span style="display:flex;"><span>corpus <span style="color:#000;font-weight:bold">=</span> [<span style="color:#d14">&#34;Hello world&#34;</span>, <span style="color:#d14">&#34;World hello&#34;</span>] </span></span><span style="display:flex;"><span>vectorizer <span style="color:#000;font-weight:bold">=</span> CountVectorizer() </span></span><span style="display:flex;"><span>X <span style="color:#000;font-weight:bold">=</span> vectorizer<span style="color:#000;font-weight:bold">.</span>fit_transform(corpus) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tf-idf-%E8%AF%8D%E9%A2%91-%E9%80%86%E6%96%87%E6%A1%A3%E9%A2%91%E7%8E%87/">TF-IDF (词频-逆文档频率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/n-grams-n%E5%85%83%E8%AF%AD%E6%B3%95/">N-grams (N元语法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/word-embeddings-%E8%AF%8D%E5%B5%8C%E5%85%A5/">Word Embeddings (词嵌入)</a></li> </ul>基础比率https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/base_rate/Sat, 18 Jul 2026 11:08:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/base_rate/<h2 id="definition">Definition</h2> <p>在统计学和机器学习中，基础比率指的是给定数据集中某种条件或结果的潜在频率。忽视基础比率往往会导致基础比率谬误，即人们倾向于忽略先验概率而过度依赖具体证据。</p> <h3 id="summary">Summary</h3> <p>基础比率是指在一个群体中某事件发生的先验概率，独立于任何特定证据或测试结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>先验概率</li> <li>类别不平衡</li> <li>贝叶斯推断</li> <li>基础比率谬误</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医学诊断</li> <li>欺诈检测</li> <li>风险评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/precision-%E7%B2%BE%E7%A1%AE%E7%8E%87/">Precision (精确率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recall-%E5%8F%AC%E5%9B%9E%E7%8E%87/">Recall (召回率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayes-theorem-%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%AE%9A%E7%90%86/">Bayes&rsquo; Theorem (贝叶斯定理)</a></li> </ul>批归一化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/batch_normalization/Sat, 18 Jul 2026 11:08:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/batch_normalization/<h2 id="definition">Definition</h2> <p>该方法在训练期间调整并缩放激活值，使其在每个小批量中具有零均值和单位方差。它减少了内部协变量偏移，允许使用更高的学习率和更快的收敛速度。</p> <h3 id="summary">Summary</h3> <p>批归一化是一种技术，通过对小批量数据上的层输入进行归一化，以稳定并加速神经网络的训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内部协变量偏移</li> <li>小批量统计量</li> <li>梯度稳定</li> <li>正则化效应</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度神经网络</li> <li>卷积神经网络</li> <li>训练优化</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>layer <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Sequential( </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>Linear(<span style="color:#099">10</span>, <span style="color:#099">20</span>), </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>BatchNorm1d(<span style="color:#099">20</span>), </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>ReLU() </span></span><span style="display:flex;"><span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/layer-normalization-%E5%B1%82%E5%BD%92%E4%B8%80%E5%8C%96/">Layer Normalization (层归一化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">Gradient Descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>球树https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ball_tree/Sat, 18 Jul 2026 11:08:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ball_tree/<h2 id="definition">Definition</h2> <p>球树将数据点划分为嵌套的超球体（球），而不是超矩形。这种结构允许通过计算距离来进行高效的剪枝，从而加速最近邻查询。</p> <h3 id="summary">Summary</h3> <p>一种用于组织空间中点的二叉树数据结构，优化高维数据集中的最近邻搜索。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>超球体划分</li> <li>最近邻搜索</li> <li>高维数据</li> <li>树遍历</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>K近邻算法 (KNN)</li> <li>聚类分析</li> <li>异常检测</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.neighbors</span> <span style="color:#000;font-weight:bold">import</span> BallTree </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span>X <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>rand(<span style="color:#099">100</span>, <span style="color:#099">5</span>) </span></span><span style="display:flex;"><span>tree <span style="color:#000;font-weight:bold">=</span> BallTree(X, metric<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;euclidean&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kd-tree-k%E7%BB%B4%E6%A0%91/">KD-tree (K维树)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/k-nearest-neighbors-k%E8%BF%91%E9%82%BB/">K-Nearest Neighbors (K近邻)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/curse-of-dimensionality-%E7%BB%B4%E5%BA%A6%E7%81%BE%E9%9A%BE/">Curse of Dimensionality (维度灾难)</a></li> </ul>自主智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autonomous_agent/Sat, 18 Jul 2026 11:08:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autonomous_agent/<h2 id="definition">Definition</h2> <p>在人工智能中，自主智能体是在环境中独立运作的实体。它利用传感器感知状态，并通过执行器执行动作，由内部模型指导其行为。</p> <h3 id="summary">Summary</h3> <p>自主智能体是一种能够感知环境并独立采取行动以实现特定目标，而无需直接人类干预的系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感知</li> <li>行动</li> <li>目标导向行为</li> <li>环境交互</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车</li> <li>机器人流程自动化</li> <li>博弈AI</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">Multi-Agent Systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensor-fusion-%E4%BC%A0%E6%84%9F%E5%99%A8%E8%9E%8D%E5%90%88/">Sensor Fusion (传感器融合)</a></li> </ul>建筑自动化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automation_in_construction/Sat, 18 Jul 2026 11:08:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automation_in_construction/<h2 id="definition">Definition</h2> <p>建筑自动化指的是将机器人系统、无人机和人工智能驱动的项目管理工具整合到建筑生命周期中。这些技术协助完成从砌砖到安全检查的各种任务，从而提高施工效率、精度和安全性。</p> <h3 id="summary">Summary</h3> <p>应用机器人技术和人工智能来简化建筑流程并提高工地安全性的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>建筑机器人</li> <li>建筑信息模型</li> <li>工地安全</li> <li>项目管理人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自主砌砖机器人</li> <li>基于无人机的工地检查</li> <li>人工智能驱动的施工进度优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robotics-%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF/">robotics (机器人技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bim-%E5%BB%BA%E7%AD%91%E4%BF%A1%E6%81%AF%E6%A8%A1%E5%9E%8B/">bim (建筑信息模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/smart_sites-%E6%99%BA%E6%85%A7%E5%B7%A5%E5%9C%B0/">smart_sites (智慧工地)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/industrial_automation-%E5%B7%A5%E4%B8%9A%E8%87%AA%E5%8A%A8%E5%8C%96/">industrial_automation (工业自动化)</a></li> </ul>自动化医疗文书录入员https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_medical_scribe/Sat, 18 Jul 2026 11:08:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_medical_scribe/<h2 id="definition">Definition</h2> <p>自动化医疗文书录入员利用自然语言处理和语音识别技术，聆听医生与患者的对话，并创建结构化的电子健康记录。该技术旨在减轻医护人员的行政负担，提高数据记录的准确性和效率。</p> <h3 id="summary">Summary</h3> <p>一种由人工智能驱动的系统，能够自动生成基于医患互动的临床文档。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言处理</li> <li>临床文档</li> <li>语音识别</li> <li>电子健康记录</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>患者就诊时的实时文档记录</li> <li>减少医生职业倦怠</li> <li>提高计费编码的准确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clinical_nlp-%E4%B8%B4%E5%BA%8A%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">clinical_nlp (临床自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ehr_integration-%E7%94%B5%E5%AD%90%E5%81%A5%E5%BA%B7%E8%AE%B0%E5%BD%95%E9%9B%86%E6%88%90/">ehr_integration (电子健康记录集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/voice_assistants-%E8%AF%AD%E9%9F%B3%E5%8A%A9%E6%89%8B/">voice_assistants (语音助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/healthcare_ai-%E5%8C%BB%E7%96%97%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">healthcare_ai (医疗人工智能)</a></li> </ul>自动谈判https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_negotiation/Sat, 18 Jul 2026 11:08:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_negotiation/<h2 id="definition">Definition</h2> <p>自动谈判涉及代表人类利益进行讨价还价的软件代理。这些代理利用博弈论、优化算法和机器学习来提出报价、评估对手策略并达成最优协议，常用于商业交易和资源分配场景。</p> <h3 id="summary">Summary</h3> <p>使用人工智能代理自主进行谈判并在各方之间达成协议的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多智能体系统</li> <li>博弈论</li> <li>效用函数</li> <li>谈判协议</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>电子商务中的动态定价</li> <li>供应链合同管理</li> <li>云计算中的资源共享</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi_agent_systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">multi_agent_systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/game_theory-%E5%8D%9A%E5%BC%88%E8%AE%BA/">game_theory (博弈论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contract_net_protocol-%E5%90%88%E5%90%8C%E7%BD%91%E5%8D%8F%E8%AE%AE/">contract_net_protocol (合同网协议)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization_algorithms-%E4%BC%98%E5%8C%96%E7%AE%97%E6%B3%95/">optimization_algorithms (优化算法)</a></li> </ul>自动语音识别https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automatic_speech_recognition/Sat, 18 Jul 2026 11:08:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automatic_speech_recognition/<h2 id="definition">Definition</h2> <p>自动语音识别（ASR），也称为语音转文字，是语音处理的一个子领域，它利用人工智能将音频信号转录为书面文本。现代ASR系统能够处理各种口音、背景噪音和连续语音，广泛应用于人机交互领域。</p> <h3 id="summary">Summary</h3> <p>一种利用深度学习模型将口语转换为文本的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>声学建模</li> <li>语言建模</li> <li>深度学习</li> <li>转录</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语音助手（如Siri、Alexa）</li> <li>视频实时字幕生成</li> <li>专业人士的听写软件</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speaker_identification-%E8%AF%B4%E8%AF%9D%E4%BA%BA%E8%AF%86%E5%88%AB/">speaker_identification (说话人识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio_processing-%E9%9F%B3%E9%A2%91%E5%A4%84%E7%90%86/">audio_processing (音频处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> </ul>自治网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autonomic_networking/Sat, 18 Jul 2026 11:08:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autonomic_networking/<h2 id="definition">Definition</h2> <p>自治网络将自治计算的原则应用于电信网络，使系统能够在极少人工干预的情况下自我管理。这些网络利用人工智能检测故障、优化流量并自动重新配置，以确保高可用性和性能。</p> <h3 id="summary">Summary</h3> <p>利用人工智能自我配置、优化和修复的自管理网络基础设施。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自我配置</li> <li>自我修复</li> <li>网络优化</li> <li>零接触配置</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>5G网络管理</li> <li>数据中心流量路由</li> <li>物联网设备连接管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sdn-%E8%BD%AF%E4%BB%B6%E5%AE%9A%E4%B9%89%E7%BD%91%E7%BB%9C/">sdn (软件定义网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/network_orchestration-%E7%BD%91%E7%BB%9C%E7%BC%96%E6%8E%92/">network_orchestration (网络编排)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self_healing_systems-%E8%87%AA%E4%BF%AE%E5%A4%8D%E7%B3%BB%E7%BB%9F/">self_healing_systems (自修复系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/telecommunications-%E7%94%B5%E4%BF%A1/">telecommunications (电信)</a></li> </ul>审计https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/audit/Sat, 18 Jul 2026 11:07:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/audit/<h2 id="definition">Definition</h2> <p>AI审计涉及对机器学习模型及其部署管道的严格、结构化审查。它评估公平性、透明度、问责制和安全性，以识别潜在的偏见。</p> <h3 id="summary">Summary</h3> <p>对人工智能系统进行系统性评估，以确保其符合道德标准、监管要求和性能基准。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>合规性</li> <li>偏见检测</li> <li>透明度</li> <li>问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融AI的监管合规检查</li> <li>招聘算法中的公平性评估</li> <li>深度学习模型的安全漏洞扫描</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8Aai-explainable-ai/">可解释AI (Explainable AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E6%B2%BB%E7%90%86-model-governance/">模型治理 (Model Governance)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BC%A6%E7%90%86ai-ethical-ai/">伦理AI (Ethical AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%A3%8E%E9%99%A9%E8%AF%84%E4%BC%B0-risk-assessment/">风险评估 (Risk Assessment)</a></li> </ul>自动化机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_machine_learning/Sat, 18 Jul 2026 11:07:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_machine_learning/<h2 id="definition">Definition</h2> <p>AutoML（自动化机器学习）通过自动化数据预处理、特征工程、模型选择和超参数调整等任务，简化了ML模型的开发。它使得非专家也能使用。</p> <h3 id="summary">Summary</h3> <p>一种自动化将机器学习应用于现实世界问题端到端过程的方法论，从而减少人工工作量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>超参数调优</li> <li>特征工程</li> <li>模型选择</li> <li>民主化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>业务分析师的快速原型设计</li> <li>优化大规模生产管道</li> <li>自动比较多种算法</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">auto_ml</span> <span style="color:#000;font-weight:bold">import</span> Predictor </span></span><span style="display:flex;"><span>predictor <span style="color:#000;font-weight:bold">=</span> Predictor(type_of_estimator<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;classifier&#39;</span>) </span></span><span style="display:flex;"><span>predictor<span style="color:#000;font-weight:bold">.</span>fit(dataframe, target<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;label&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B6%85%E5%8F%82%E6%95%B0%E4%BC%98%E5%8C%96-hyperparameter-optimization/">超参数优化 (Hyperparameter Optimization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2-neural-architecture-search/">神经架构搜索 (Neural Architecture Search)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-mlops/">MLOps (MLOps)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%A0%E4%BB%A3%E7%A0%81ai-no-code-ai/">无代码AI (No-Code AI)</a></li> </ul>自动化决策https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_decision_making/Sat, 18 Jul 2026 11:07:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_decision_making/<h2 id="definition">Definition</h2> <p>自动化决策（ADM）依靠软件系统做出以前需要人类判断的选择。常见于信用评分、内容审核和物流领域，ADM使用预定义的规则。</p> <h3 id="summary">Summary</h3> <p>算法基于数据输入独立选择行动或结果，而无需直接人工监督的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法治理</li> <li>效率</li> <li>偏见缓解</li> <li>人在回路</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>银行信贷审批系统</li> <li>电子商务动态定价</li> <li>医疗分诊系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81-algorithmic-bias/">算法偏见 (Algorithmic Bias)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%86%B3%E7%AD%96%E6%94%AF%E6%8C%81%E7%B3%BB%E7%BB%9F-decision-support-systems/">决策支持系统 (Decision Support Systems)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E4%BA%8E%E8%A7%84%E5%88%99%E7%9A%84%E7%B3%BB%E7%BB%9F-rule-based-systems/">基于规则的系统 (Rule-Based Systems)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B2%BB%E7%90%86-governance/">治理 (Governance)</a></li> </ul>自动化数学家https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_mathematician/Sat, 18 Jul 2026 11:07:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated_mathematician/<h2 id="definition">Definition</h2> <p>自动化数学家利用机器学习和符号推理来探索超越人类直觉的数学空间。这些系统可以生成假设、验证证明并发现模式。</p> <h3 id="summary">Summary</h3> <p>一种旨在通过计算搜索和推理发现新数学定理、猜想或证明的人工智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>定理证明</li> <li>符号推理</li> <li>假设生成</li> <li>形式化验证</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>发现新的图论性质</li> <li>在形式化方法中自动验证证明</li> <li>寻找猜想的反例</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E5%8A%A8%E5%AE%9A%E7%90%86%E8%AF%81%E6%98%8E-automated-theorem-proving/">自动定理证明 (Automated Theorem Proving)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AC%A6%E5%8F%B7ai-symbolic-ai/">符号AI (Symbolic AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E9%80%BB%E8%BE%91-computational-logic/">计算逻辑 (Computational Logic)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E5%AD%A6%E5%8F%91%E7%8E%B0-mathematical-discovery/">数学发现 (Mathematical Discovery)</a></li> </ul>自诊断技术https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autognostics/Sat, 18 Jul 2026 11:07:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autognostics/<h2 id="definition">Definition</h2> <p>自诊断技术是指嵌入在智能系统中的自我监控和自我修复机制。它允许AI代理检测异常、诊断故障的根本原因，并可能进行自我修复。</p> <h3 id="summary">Summary</h3> <p>人工智能系统在不依赖人工干预的情况下，自我诊断其内部状态、性能问题或错误的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自我监控</li> <li>故障诊断</li> <li>自主性</li> <li>系统健康</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自愈式云基础设施</li> <li>机器人系统检测机械磨损</li> <li>AI模型内部识别数据漂移</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E6%84%88%E7%B3%BB%E7%BB%9F-self-healing-systems/">自愈系统 (Self-Healing Systems)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%82%E6%B5%8B%E6%80%A7-observability/">可观测性 (Observability)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-mlops/">MLOps (MLOps)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B-anomaly-detection/">异常检测 (Anomaly Detection)</a></li> </ul>归因演算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/attributional_calculus/Sat, 18 Jul 2026 11:07:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/attributional_calculus/<h2 id="definition">Definition</h2> <p>归因演算是模态逻辑的一个分支，专注于对认知状态进行推理。它为建模诸如“智能体A知道P”或“智能体B相信Q”这样的陈述提供了框架。该系统常用于多智能体系统中，以形式化方式描述不同实体之间的知识、信念及其相互影响。</p> <h3 id="summary">Summary</h3> <p>用于表示和推理知识归因的形式逻辑系统，特别是关于谁知道或相信什么。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>认知逻辑</li> <li>多智能体系统</li> <li>知识表示</li> <li>信念修正</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计协作机器人团队</li> <li>建模人机交互</li> <li>安全协议验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/modal-logic-%E6%A8%A1%E6%80%81%E9%80%BB%E8%BE%91/">Modal Logic (模态逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/game-theory-%E5%8D%9A%E5%BC%88%E8%AE%BA/">Game Theory (博弈论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graphs-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graphs (知识图谱)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-%E6%8E%A8%E7%90%86/">Reasoning (推理)</a></li> </ul>天体统计学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/astrostatistics/Sat, 18 Jul 2026 11:07:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/astrostatistics/<h2 id="definition">Definition</h2> <p>天体统计学是连接统计学与天文学的专业领域。它涉及开发和应用严谨的统计技术，以应对天文数据带来的独特挑战，例如处理海量观测数据、噪声建模以及从稀疏或不完整的数据中提取物理参数。</p> <h3 id="summary">Summary</h3> <p>应用统计方法分析天文数据并解决天体物理学问题的学科。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯推断</li> <li>数据挖掘</li> <li>误差分析</li> <li>宇宙学参数估计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析星系分布模式</li> <li>估算暗物质特性</li> <li>处理引力波探测器的信号</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-science-%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6/">Data Science (数据科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cosmology-%E5%AE%87%E5%AE%99%E5%AD%A6/">Cosmology (宇宙学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/signal-processing-%E4%BF%A1%E5%8F%B7%E5%A4%84%E7%90%86/">Signal Processing (信号处理)</a></li> </ul>异步处理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/async_processing/Sat, 18 Jul 2026 11:07:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/async_processing/<h2 id="definition">Definition</h2> <p>异步处理允许软件执行长时间运行的任务（如I/O操作或复杂计算），而不会冻结主应用程序界面或阻塞其他进程。通过事件循环和回调机制，程序可以在等待任务完成的同时继续响应其他请求，从而提高系统的并发能力和响应速度。</p> <h3 id="summary">Summary</h3> <p>一种编程范式，任务在主执行线程之外独立运行，允许进行非阻塞操作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>非阻塞I/O</li> <li>事件循环</li> <li>并发</li> <li>线程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时视频流处理</li> <li>同时处理多个API请求</li> <li>后台模型训练任务</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">asyncio</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">async</span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">fetch_data</span>(): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">await</span> asyncio<span style="color:#000;font-weight:bold">.</span>sleep(<span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> <span style="color:#d14">&#39;Data&#39;</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>asyncio<span style="color:#000;font-weight:bold">.</span>run(fetch_data()) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multithreading-%E5%A4%9A%E7%BA%BF%E7%A8%8B/">Multithreading (多线程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/callbacks-%E5%9B%9E%E8%B0%83/">Callbacks (回调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/promises-%E6%89%BF%E8%AF%BA-%E5%BC%82%E6%AD%A5%E5%AF%B9%E8%B1%A1/">Promises (承诺/异步对象)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/microservices-%E5%BE%AE%E6%9C%8D%E5%8A%A1/">Microservices (微服务)</a></li> </ul>音频到音频https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/audio_to_audio/Sat, 18 Jul 2026 11:07:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/audio_to_audio/<h2 id="definition">Definition</h2> <p>音频到音频（Audio-to-Audio）指旨在将一个音频信号映射到另一个音频信号的神经网络架构。与文本转语音不同，这涉及直接的波形或频谱图转换。应用场景包括声音风格迁移、语音转换、去噪以及在不改变说话人身份的情况下翻译语音内容。</p> <h3 id="summary">Summary</h3> <p>一种生成式AI任务，将输入音频转换为输出音频，同时保留或改变特定特征。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>波形生成</li> <li>语音转换</li> <li>频谱图变换</li> <li>风格迁移</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>游戏中的实时变声器</li> <li>去除录音中的背景噪音</li> <li>在保留说话人身份的同时翻译语音</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-to-speech-%E6%96%87%E6%9C%AC%E8%BD%AC%E8%AF%AD%E9%9F%B3/">Text-to-Speech (文本转语音)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/signal-processing-%E4%BF%A1%E5%8F%B7%E5%A4%84%E7%90%86/">Signal Processing (信号处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gans-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GANs (生成对抗网络)</a></li> </ul>音频修复https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/audio_inpainting/Sat, 18 Jul 2026 11:07:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/audio_inpainting/<h2 id="definition">Definition</h2> <p>音频修复是一种用于填补由信号丢失、噪音或有意掩码导致的录音空白区域的技术。利用生成式模型，系统根据缺失部分周围的上下文信息预测最可能的内容，从而恢复音频的完整性和自然度。这在历史档案恢复和数字文件修复中尤为重要。</p> <h3 id="summary">Summary</h3> <p>基于周围上下文重建音频信号中缺失或损坏片段的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信号重建</li> <li>生成式模型</li> <li>上下文预测</li> <li>降噪</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>修复历史音频档案</li> <li>修复损坏的数字文件</li> <li>增强嘈杂环境中的语音清晰度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-inpainting-%E5%9B%BE%E5%83%8F%E4%BF%AE%E5%A4%8D/">Image Inpainting (图像修复)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/audio-restoration-%E9%9F%B3%E9%A2%91%E8%BF%98%E5%8E%9F/">Audio Restoration (音频还原)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/signal-processing-%E4%BF%A1%E5%8F%B7%E5%A4%84%E7%90%86/">Signal Processing (信号处理)</a></li> </ul>人工繁殖https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_reproduction/Sat, 18 Jul 2026 11:06:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_reproduction/<h2 id="definition">Definition</h2> <p>人工繁殖包括促进或复制无需直接性交的生物生殖过程的技术，大量利用技术，并越来越多地利用AI进行优化&hellip;</p> <h3 id="summary">Summary</h3> <p>利用生物技术和AI辅助或复制生物生殖过程，通常应用于医学或农业领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>辅助生殖技术</li> <li>基因选择</li> <li>克隆</li> <li>生物医学工程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用AI进行试管婴儿胚胎筛选</li> <li>濒危物种的保护性繁育项目</li> <li>农业畜牧优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bioethics-%E7%94%9F%E7%89%A9%E4%BC%A6%E7%90%86%E5%AD%A6/">Bioethics (生物伦理学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/genomics-%E5%9F%BA%E5%9B%A0%E7%BB%84%E5%AD%A6/">Genomics (基因组学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/in-vitro-fertilization-%E4%BD%93%E5%A4%96%E5%8F%97%E7%B2%BE/">In Vitro Fertilization (体外受精)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synthetic-biology-%E5%90%88%E6%88%90%E7%94%9F%E7%89%A9%E5%AD%A6/">Synthetic Biology (合成生物学)</a></li> </ul>人工亲密关系https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intimacy/Sat, 18 Jul 2026 11:06:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intimacy/<h2 id="definition">Definition</h2> <p>人工亲密关系是指人类与聊天机器人、虚拟助手或社交机器人等人工代理之间产生真实情感纽带的心理现象。这些系统被&hellip;</p> <h3 id="summary">Summary</h3> <p>用户与模拟同理心、陪伴和个人互动的AI实体之间形成的情感联系。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机交互</li> <li>情感AI</li> <li>虚拟陪伴</li> <li>伦理影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提供支持的心理健康聊天机器人</li> <li>减少孤独感的养老护理机器人</li> <li>用于社交实践的伴侣应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social Robotics (社交机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/empathy-simulation-%E5%90%8C%E7%90%86%E5%BF%83%E6%A8%A1%E6%8B%9F/">Empathy Simulation (同理心模拟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-therapeutics-%E6%95%B0%E5%AD%97%E7%96%97%E6%B3%95/">Digital Therapeutics (数字疗法)</a></li> </ul>人工心理学https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_psychology/Sat, 18 Jul 2026 11:06:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_psychology/<h2 id="definition">Definition</h2> <p>人工心理学是一个跨学科领域，专注于AI系统中认知架构的设计与实现。它借鉴认知科学和心理学的知识来模拟人类的&hellip;</p> <h3 id="summary">Summary</h3> <p>一个研究如何设计具有模仿人类心理过程认知架构的AI系统的领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>认知架构</li> <li>计算心理学</li> <li>类人推理</li> <li>情感计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>开发游戏中逼真的NPC行为</li> <li>创建高级辅导系统</li> <li>研究人机协作模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-science-%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6/">Cognitive Science (认知科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuro-symbolic-ai-%E7%A5%9E%E7%BB%8F%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Neuro-symbolic AI (神经符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/affective-computing-%E6%83%85%E6%84%9F%E8%AE%A1%E7%AE%97/">Affective Computing (情感计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-modeling-%E8%AE%A4%E7%9F%A5%E5%BB%BA%E6%A8%A1/">Cognitive Modeling (认知建模)</a></li> </ul>人工智慧https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_wisdom/Sat, 18 Jul 2026 11:06:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_wisdom/<h2 id="definition">Definition</h2> <p>人工智慧（AW）是一个新兴概念，旨在通过融入人类价值观、伦理考量和长期战略判断来增强人工智能。虽然AI侧重于效率&hellip;</p> <h3 id="summary">Summary</h3> <p>将人工智能从单纯的智能扩展到包含判断力、伦理和情境理解，以实现明智的决策。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>伦理AI</li> <li>价值对齐</li> <li>情境判断</li> <li>负责任自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政策推荐系统</li> <li>自动驾驶车辆的伦理困境</li> <li>企业治理决策支持</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-ai%E4%BC%A6%E7%90%86/">AI Ethics (AI伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/value-sensitive-design-%E4%BB%B7%E5%80%BC%E6%95%8F%E6%84%9F%E8%AE%BE%E8%AE%A1/">Value Sensitive Design (价值敏感设计)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moral-philosophy-%E9%81%93%E5%BE%B7%E5%93%B2%E5%AD%A6/">Moral Philosophy (道德哲学)</a></li> </ul>万物智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_of_things/Sat, 18 Jul 2026 11:06:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_of_things/<h2 id="definition">Definition</h2> <p>万物智能（AIoT）代表了人工智能与物联网技术的协同整合。通过将人工智能算法直接嵌入到物联网设备中或&hellip;</p> <h3 id="summary">Summary</h3> <p>人工智能与物联网的融合，使智能设备能够在本地处理数据并做出自主决策。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>边缘计算</li> <li>智能传感器</li> <li>自主决策</li> <li>实时分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>工业制造中的预测性维护</li> <li>智能家居自动化系统</li> <li>自动驾驶车辆导航</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/internet-of-things-%E7%89%A9%E8%81%94%E7%BD%91/">Internet of Things (物联网)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-ai-%E8%BE%B9%E7%BC%98%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Edge AI (边缘人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/smart-cities-%E6%99%BA%E6%85%A7%E5%9F%8E%E5%B8%82/">Smart Cities (智慧城市)</a></li> </ul>教育中的人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_in_education/Sat, 18 Jul 2026 11:06:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_in_education/<h2 id="definition">Definition</h2> <p>教育中的人工智能涉及利用机器学习、自然语言处理和自适应系统来改善教育成果。它能够为每个学生定制个性化的学习路径，并提供智能辅导和自动评估功能。</p> <h3 id="summary">Summary</h3> <p>应用人工智能技术来增强教学方法、个性化学习体验并自动化行政任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>个性化学习</li> <li>自适应系统</li> <li>自动评估</li> <li>智能辅导</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>学生表现预测</li> <li>作文自动评分</li> <li>课程推荐引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%99%E8%82%B2%E7%A7%91%E6%8A%80-edtech/">教育科技 (EdTech)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AD%A6%E4%B9%A0%E5%88%86%E6%9E%90-learning-analytics/">学习分析 (Learning analytics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E9%80%82%E5%BA%94%E5%AD%A6%E4%B9%A0-adaptive-learning/">自适应学习 (Adaptive learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%99%BA%E6%85%A7%E6%95%99%E5%AE%A4-smart-classrooms/">智慧教室 (Smart classrooms)</a></li> </ul>灵性中的人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_in_spirituality/Sat, 18 Jul 2026 11:06:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_in_spirituality/<h2 id="definition">Definition</h2> <p>灵性中的人工智能指将人工智能应用于宗教或沉思语境。这包括提供道德建议的聊天机器人、用于冥想的AI生成艺术，或用于分析神学文本的算法。</p> <h3 id="summary">Summary</h3> <p>新兴的交叉领域，其中人工智能被用于灵性指导、冥想辅助或探索哲学问题。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>意识辩论</li> <li>数字宗教</li> <li>冥想辅助</li> <li>哲学探究</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>灵性伴侣聊天机器人</li> <li>AI生成的宗教艺术</li> <li>神学文本分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E6%84%8F%E8%AF%86-machine-consciousness/">机器意识 (Machine consciousness)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E5%AD%97%E7%A5%9E%E5%AD%A6-digital-theology/">数字神学 (Digital theology)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%AD%A3%E5%BF%B5%E5%BA%94%E7%94%A8-mindfulness-apps/">正念应用 (Mindfulness apps)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BF%83%E7%81%B5%E5%93%B2%E5%AD%A6-philosophy-of-mind/">心灵哲学 (Philosophy of mind)</a></li> </ul>人工智能军备竞赛https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_arms_race/Sat, 18 Jul 2026 11:06:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_arms_race/<h2 id="definition">Definition</h2> <p>人工智能军备竞赛是指国家、企业和研究机构之间为在人工智能技术领域取得主导地位而展开的激烈竞争。这种 rivalry 推动了快速创新，但也引发了关于安全与速度之间权衡的担忧。</p> <h3 id="summary">Summary</h3> <p>各国或组织为获得战略优势而迅速开发人工智能能力的竞争态势。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>地缘政治竞争</li> <li>战略优势</li> <li>快速创新</li> <li>安全与速度的权衡</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>国防战略规划</li> <li>企业研发投资决策</li> <li>国际政策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E4%B8%BB%E6%AD%A6%E5%99%A8-autonomous-weapons/">自主武器 (Autonomous weapons)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E5%AF%B9%E9%BD%90-ai-alignment/">AI对齐 (AI alignment)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8A%80%E6%9C%AF%E5%A5%87%E7%82%B9-technological-singularity/">技术奇点 (Technological singularity)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8-cybersecurity/">网络安全 (Cybersecurity)</a></li> </ul>人工智能争议https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_controversies/Sat, 18 Jul 2026 11:06:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_controversies/<h2 id="definition">Definition</h2> <p>人工智能争议涵盖了由人工智能技术引发的广泛伦理、法律和社会纠纷。关键问题包括算法偏见、隐私侵犯、就业替代以及责任归属等。</p> <h3 id="summary">Summary</h3> <p>围绕人工智能开发和应用带来的伦理、社会和技术影响的公共辩论与分歧。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法偏见</li> <li>隐私担忧</li> <li>就业替代</li> <li>伦理治理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政策制定与监管</li> <li>企业伦理委员会运作</li> <li>公众舆论分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E4%BC%A6%E7%90%86-ai-ethics/">AI伦理 (AI ethics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3-bias-mitigation/">偏见缓解 (Bias mitigation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81-data-privacy/">数据隐私 (Data privacy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%88%E8%A7%84%E6%80%A7%E7%9B%91%E7%AE%A1-regulatory-compliance/">合规性监管 (Regulatory compliance)</a></li> </ul>招聘中的人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_in_hiring/Sat, 18 Jul 2026 11:06:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_in_hiring/<h2 id="definition">Definition</h2> <p>招聘中的人工智能利用算法自动化和优化招聘生命周期的各个阶段。工具通过分析关键词相关性来解析简历，通过预测模型评估候选人匹配度，并利用聊天机器人进行初步沟通。</p> <h3 id="summary">Summary</h3> <p>使用人工智能工具简化招聘流程，包括简历筛选、候选人匹配和面试分析。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>简历解析</li> <li>候选人评分</li> <li>算法偏见</li> <li>流程自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动简历筛选</li> <li>预测性招聘分析</li> <li>基于聊天机器人的候选人互动</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8B%9B%E8%81%98%E8%87%AA%E5%8A%A8%E5%8C%96-recruitment-automation/">招聘自动化 (Recruitment automation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AE%97%E6%B3%95%E5%85%AC%E5%B9%B3%E6%80%A7-algorithmic-fairness/">算法公平性 (Algorithmic fairness)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%BA%E6%89%8D%E8%8E%B7%E5%8F%96-talent-acquisition/">人才获取 (Talent acquisition)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%BA%E5%8A%9B%E8%B5%84%E6%BA%90%E7%A7%91%E6%8A%80-hr-tech/">人力资源科技 (HR Tech)</a></li> </ul>人工大脑https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_brain/Sat, 18 Jul 2026 11:06:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_brain/<h2 id="definition">Definition</h2> <p>人工大脑指的是模拟人脑神经结构和处理方法的硬件或软件架构。这包括复制神经元活动的神经形态计算芯片等。</p> <h3 id="summary">Summary</h3> <p>一种旨在模仿生物人脑结构和功能的计算系统，通常使用神经网络。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经形态计算</li> <li>神经网络</li> <li>生物启发算法</li> <li>认知架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>节能的边缘计算设备</li> <li>医学影像中的高级模式识别</li> <li>机器人中的实时感官处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neuromorphic_engineering-%E7%A5%9E%E7%BB%8F%E5%BD%A2%E6%80%81%E5%B7%A5%E7%A8%8B/">neuromorphic_engineering (神经形态工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive_computing-%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">cognitive_computing (认知计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/brain_computer_interface-%E8%84%91%E6%9C%BA%E6%8E%A5%E5%8F%A3/">brain_computer_interface (脑机接口)</a></li> </ul>人工发明家项目https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_inventor_project/Sat, 18 Jul 2026 11:06:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_inventor_project/<h2 id="definition">Definition</h2> <p>“人工发明家项目”是一项跨学科的研究努力，旨在理解和复制人类创造力和发明的认知机制。它致力于构建能够模拟人类创新思维的AI系统。</p> <h3 id="summary">Summary</h3> <p>一项专注于开发类人创造性问题解决和发明过程计算模型的研究计划。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>计算创造力</li> <li>问题解决算法</li> <li>认知建模</li> <li>创新支持</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>协助工程师构思新颖的产品设计</li> <li>用于教授创造性思维的教育工具</li> <li>对人类认知过程的研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational_creativity-%E8%AE%A1%E7%AE%97%E5%88%9B%E9%80%A0%E5%8A%9B/">computational_creativity (计算创造力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/creative_problem_solving-%E5%88%9B%E9%80%A0%E6%80%A7%E9%97%AE%E9%A2%98%E8%A7%A3%E5%86%B3/">creative_problem_solving (创造性问题解决)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human_computer_interaction-%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/">human_computer_interaction (人机交互)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/innovation_management-%E5%88%9B%E6%96%B0%E7%AE%A1%E7%90%86/">innovation_management (创新管理)</a></li> </ul>人工意识https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_consciousness/Sat, 18 Jul 2026 11:06:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_consciousness/<h2 id="definition">Definition</h2> <p>人工意识探讨了创造拥有真正主观体验、自我意识和情感的机器的可能性，而不仅仅是模拟智能行为。它涉及对意识本质的哲学探讨。</p> <h3 id="summary">Summary</h3> <p>赋予机器类似人类的主观体验、自我意识和感知能力的理论概念。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感知能力</li> <li>自我意识</li> <li>心灵哲学</li> <li>意识的难题</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>未来AI发展的伦理框架</li> <li>认知科学的理论研究</li> <li>探索计算理论的极限</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_sentience-%E6%9C%BA%E5%99%A8%E6%84%9F%E7%9F%A5/">machine_sentience (机器感知)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/philosophy_of_ai-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%93%B2%E5%AD%A6/">philosophy_of_ai (人工智能哲学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/global_workspace_theory-%E5%85%A8%E5%B1%80%E5%B7%A5%E4%BD%9C%E7%A9%BA%E9%97%B4%E7%90%86%E8%AE%BA/">global_workspace_theory (全局工作空间理论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical_ai-%E4%BC%A6%E7%90%86ai/">ethical_ai (伦理AI)</a></li> </ul>人工智能与选举https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_and_elections/Sat, 18 Jul 2026 11:06:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence_and_elections/<h2 id="definition">Definition</h2> <p>该术语涵盖了AI在民主进程中的双重角色：通过数据分析提高效率，同时通过操纵带来风险。一方面，AI帮助竞选活动精准定位选民并优化策略；另一方面，它也引发了关于虚假信息传播的担忧。</p> <h3 id="summary">Summary</h3> <p>AI技术在选举过程中的应用，包括竞选管理、选民分析以及对错误信息的担忧。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>微观定位</li> <li>虚假信息</li> <li>深度伪造</li> <li>选举完整性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过社交媒体数据分析选民情绪</li> <li>检测在线假新闻和机器人活动</li> <li>自动化投票系统中的行政任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/political_messaging-%E6%94%BF%E6%B2%BB%E4%BC%A0%E6%92%AD/">political_messaging (政治传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social_media_manipulation-%E7%A4%BE%E4%BA%A4%E5%AA%92%E4%BD%93%E6%93%8D%E7%BA%B5/">social_media_manipulation (社交媒体操纵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">data_privacy (数据隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/democratic_resilience-%E6%B0%91%E4%B8%BB%E9%9F%A7%E6%80%A7/">democratic_resilience (民主韧性)</a></li> </ul>通用人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_general_intelligence/Sat, 18 Jul 2026 11:06:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_general_intelligence/<h2 id="definition">Definition</h2> <p>通用人工智能（AGI）指的是一种能够执行人类所能完成的任何智力任务的AI类型。与擅长特定任务（如国际象棋或图像识别）的狭义AI不同，AGI具有广泛的适应能力。</p> <h3 id="summary">Summary</h3> <p>假设的AI，具备在广泛任务中以人类水平理解、学习和应用知识的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人类水平智能</li> <li>迁移学习</li> <li>常识推理</li> <li>自主适应</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>能够进行复杂规划的通用个人助手</li> <li>跨多个学科的科学研究发现</li> <li>根据个人需求定制的自适应教育系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/narrow_ai-%E7%8B%AD%E4%B9%89ai/">narrow_ai (狭义AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/superintelligence-%E8%B6%85%E7%BA%A7%E6%99%BA%E8%83%BD/">superintelligence (超级智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive_architecture-%E8%AE%A4%E7%9F%A5%E6%9E%B6%E6%9E%84/">cognitive_architecture (认知架构)</a></li> </ul>困境/悖论https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aporia/Sat, 18 Jul 2026 11:05:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aporia/<h2 id="definition">Definition</h2> <p>在哲学和AI理论中，aporia描述了一种悖论情况，即两个同样有效的论点导致相互矛盾的结果。在机器学习中，这可能表现为模型性能在两种合理但冲突的目标之间难以权衡。</p> <h3 id="summary">Summary</h3> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>悖论</li> <li>逻辑矛盾</li> <li>可解释性局限</li> <li>哲学探究</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析模型偏见冲突</li> <li>伦理困境解决</li> <li>理论AI研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%82%96%E8%AE%BA-paradox/">悖论 (Paradox)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7-interpretability/">可解释性 (Interpretability)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BC%A6%E7%90%86%E5%AD%A6-ethics/">伦理学 (Ethics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8E%A8%E7%90%86-reasoning/">推理 (Reasoning)</a></li> </ul>论证框架https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/argumentation_framework/Sat, 18 Jul 2026 11:05:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/argumentation_framework/<h2 id="definition">Definition</h2> <p>论证框架为表示论点及其之间的攻击和防御提供了数学基础。在AI工程中，它们帮助系统通过权衡证据做出透明且可辩护的决策。</p> <h3 id="summary">Summary</h3> <p>用于建模和解决AI系统中竞争性主张或决策之间冲突的形式化结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>冲突解决</li> <li>可解释AI</li> <li>逻辑推理</li> <li>决策透明度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>法律推理系统</li> <li>医学诊断依据说明</li> <li>内容审核政策</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8Aai-xai/">可解释AI (XAI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%80%BB%E8%BE%91%E7%BC%96%E7%A8%8B-logic-programming/">逻辑编程 (Logic Programming)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%86%B3%E7%AD%96%E6%94%AF%E6%8C%81%E7%B3%BB%E7%BB%9F-decision-support-systems/">决策支持系统 (Decision Support Systems)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1-knowledge-graphs/">知识图谱 (Knowledge Graphs)</a></li> </ul>匿名化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/anonymization/Sat, 18 Jul 2026 11:05:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/anonymization/<h2 id="definition">Definition</h2> <p>匿名化涉及修改数据，使其在没有额外信息的情况下无法再与特定个人关联。在处理敏感数据时，这项技术在机器学习中至关重要。</p> <h3 id="summary">Summary</h3> <p>从数据集中移除个人身份信息以保护个人隐私的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐私保护</li> <li>重识别风险</li> <li>数据效用</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗研究数据共享</li> <li>客户行为分析</li> <li>公共数据集发布</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81-differential-privacy/">差分隐私 (Differential Privacy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BC%AA%E5%8C%BF%E5%90%8D%E5%8C%96-pseudonymization/">伪匿名化 (Pseudonymization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E6%8E%A9%E7%A0%81-data-masking/">数据掩码 (Data Masking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%AA%E4%BA%BA%E8%BA%AB%E4%BB%BD%E4%BF%A1%E6%81%AF-pii/">个人身份信息 (PII)</a></li> </ul>任意到任意https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/any_to_any/Sat, 18 Jul 2026 11:05:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/any_to_any/<h2 id="definition">Definition</h2> <p>任意到任意指的是统一的 multimodal 架构，能够处理各种输入-输出组合，例如文本到图像、图像到文本或音频到视频。与专用模型不同，这些系统具有更高的灵活性。</p> <h3 id="summary">Summary</h3> <p>一种生成式AI能力，允许模型直接将一种模态的输入转换为另一种任意模态的输出。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态学习</li> <li>统一架构</li> <li>跨模态转换</li> <li>潜在空间对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像描述生成与创作</li> <li>通过文本提示编辑视频</li> <li>音频转录与合成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%9A%E6%A8%A1%E6%80%81ai-multimodal-ai/">多模态AI (Multimodal AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B-generative-models/">生成模型 (Generative Models)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer/">Transformer (Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B-diffusion-models/">扩散模型 (Diffusion Models)</a></li> </ul>学徒学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/apprenticeship_learning/Sat, 18 Jul 2026 11:05:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/apprenticeship_learning/<h2 id="definition">Definition</h2> <p>学徒学习，也称为基于演示的逆强化学习，使智能体能够通过观察专家行为来获取技能，而不是完全依赖奖励函数。</p> <h3 id="summary">Summary</h3> <p>一种强化学习方法，智能体通过模仿专家的演示来学习策略。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>逆强化学习</li> <li>专家演示</li> <li>策略模仿</li> <li>奖励推断</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶训练</li> <li>机器人操作任务</li> <li>游戏AI</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E4%BB%BF%E5%AD%A6%E4%B9%A0-imitation-learning/">模仿学习 (Imitation Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-reinforcement-learning/">强化学习 (Reinforcement Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E4%BA%8E%E6%BC%94%E7%A4%BA%E7%9A%84%E5%AD%A6%E4%B9%A0-demonstration-based-learning/">基于演示的学习 (Demonstration-Based Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A5%96%E5%8A%B1%E5%A1%91%E9%80%A0-reward-shaping/">奖励塑造 (Reward Shaping)</a></li> </ul>AlphaChiphttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/alphachip/Sat, 18 Jul 2026 11:04:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/alphachip/<h2 id="definition">Definition</h2> <p>AlphaChip是一个专门的AI系统，旨在自动化并增强微芯片上组件的放置和布线过程。通过采用深度强化学习，它显著缩短了设计周期。</p> <h3 id="summary">Summary</h3> <p>由Google DeepMind开发的AI驱动芯片设计工具，利用强化学习优化集成电路布局。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强化学习</li> <li>芯片放置</li> <li>硬件优化</li> <li>DeepMind</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>微芯片布局优化</li> <li>缩短设计周期时间</li> <li>提高处理器的能效</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eda-tools-%E7%94%B5%E5%AD%90%E8%AE%BE%E8%AE%A1%E8%87%AA%E5%8A%A8%E5%8C%96%E5%B7%A5%E5%85%B7/">EDA tools (电子设计自动化工具)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/integrated-circuits-%E9%9B%86%E6%88%90%E7%94%B5%E8%B7%AF/">Integrated circuits (集成电路)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/google-deepmind-%E8%B0%B7%E6%AD%8Cdeepmind/">Google DeepMind (谷歌DeepMind)</a></li> </ul>Amecahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ameca/Sat, 18 Jul 2026 11:04:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ameca/<h2 id="definition">Definition</h2> <p>Ameca是一款尖端的人形机器人，仅面部就拥有超过40个自由度，能够实现微妙且逼真的情感表达。它被设计用于研究人机交互。</p> <h3 id="summary">Summary</h3> <p>由Engineered Arts开发的高度先进的人形机器人，以其出色的面部表情和类人交互能力而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人形机器人</li> <li>面部表情</li> <li>人机交互</li> <li>情感计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交机器人研究</li> <li>关于同理心的心理学研究</li> <li>娱乐和媒体应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/humanoid-robots-%E4%BA%BA%E5%BD%A2%E6%9C%BA%E5%99%A8%E4%BA%BA/">Humanoid robots (人形机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/emotional-ai-%E6%83%85%E6%84%9Fai/">Emotional AI (情感AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social robotics (社交机器人)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/engineered-arts-engineered-arts%E5%85%AC%E5%8F%B8/">Engineered Arts (Engineered Arts公司)</a></li> </ul>算法概率https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_probability/Sat, 18 Jul 2026 11:04:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_probability/<h2 id="definition">Definition</h2> <p>算法概率根植于柯尔莫哥洛夫复杂性和所罗门诺夫归纳法，它为由较短程序生成的输出分配更高的概率。它假设更简单的解释更有可能为真。</p> <h3 id="summary">Summary</h3> <p>一种理论度量，用于评估随机程序生成特定输出字符串的可能性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>柯尔莫哥洛夫复杂度</li> <li>所罗门诺夫归纳法</li> <li>奥卡姆剃刀</li> <li>通用先验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI的理论基础</li> <li>数据压缩算法</li> <li>归纳推理模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kolmogorov-complexity-%E6%9F%AF%E5%B0%94%E8%8E%AB%E5%93%A5%E6%B4%9B%E5%A4%AB%E5%A4%8D%E6%9D%82%E5%BA%A6/">Kolmogorov complexity (柯尔莫哥洛夫复杂度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">Bayesian inference (贝叶斯推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/minimum-description-length-%E6%9C%80%E5%B0%8F%E6%8F%8F%E8%BF%B0%E9%95%BF%E5%BA%A6/">Minimum description length (最小描述长度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/universal-turing-machine-%E9%80%9A%E7%94%A8%E5%9B%BE%E7%81%B5%E6%9C%BA/">Universal Turing machine (通用图灵机)</a></li> </ul>异常检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/anomaly_detection/Sat, 18 Jul 2026 11:04:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/anomaly_detection/<h2 id="definition">Definition</h2> <p>异常检测（也称为离群点检测）涉及分析数据以发现不符合预期行为的模式。它广泛应用于网络安全、欺诈检测和系统监控中。</p> <h3 id="summary">Summary</h3> <p>识别罕见项目、事件或观察结果的过程，这些结果与大多数数据显著偏离。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>离群点</li> <li>模式识别</li> <li>欺诈检测</li> <li>统计偏差</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>信用卡欺诈检测</li> <li>网络入侵检测</li> <li>工业故障诊断</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.ensemble</span> <span style="color:#000;font-weight:bold">import</span> IsolationForest </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> IsolationForest(contamination<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0.1</span>) </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>fit(data) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/outlier-detection-%E7%A6%BB%E7%BE%A4%E7%82%B9%E6%A3%80%E6%B5%8B/">Outlier detection (离群点检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-mining-%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98/">Data mining (数据挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fraud-prevention-%E6%AC%BA%E8%AF%88%E9%A2%84%E9%98%B2/">Fraud prevention (欺诈预防)</a></li> </ul>与或树https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/andor_tree/Sat, 18 Jul 2026 11:04:49 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/andor_tree/<h2 id="definition">Definition</h2> <p>与或树是一种用于问题解决和规划的代表结构，特别适用于AI搜索算法。“或”节点表示不同行动之间的选择，而“与”节点表明必须同时完成多个子目标。</p> <h3 id="summary">Summary</h3> <p>一种在搜索算法中使用的分层图结构，其中节点表示状态，边表示导致子目标的操作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>搜索算法</li> <li>问题分解</li> <li>AO*算法</li> <li>状态空间</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动规划</li> <li>博弈树搜索</li> <li>复杂问题解决</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/minimax-algorithm-%E6%9E%81%E5%B0%8F%E5%8C%96%E6%9E%81%E5%A4%A7%E7%AE%97%E6%B3%95/">Minimax algorithm (极小化极大算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state-space-search-%E7%8A%B6%E6%80%81%E7%A9%BA%E9%97%B4%E6%90%9C%E7%B4%A2/">State space search (状态空间搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning-graphs-%E8%A7%84%E5%88%92%E5%9B%BE/">Planning graphs (规划图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decision-trees-%E5%86%B3%E7%AD%96%E6%A0%91/">Decision trees (决策树)</a></li> </ul>算法偏见https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_bias/Sat, 18 Jul 2026 11:04:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_bias/<h2 id="definition">Definition</h2> <p>算法偏见通常源于非代表性的训练数据、主观的设计选择或放大现有社会偏见的反馈循环。它表现为预测结果的偏差</p> <h3 id="summary">Summary</h3> <p>算法偏见是指计算机系统中系统性且可重复的错误，导致不公平的结果，例如偏袒某一任意群体而忽视其他群体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据代表性</li> <li>系统性错误</li> <li>缓解策略</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>纠正搜索结果排名</li> <li>平衡医疗诊断数据集</li> <li>多样化图像识别训练集</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-discrimination-%E7%AE%97%E6%B3%95%E6%AD%A7%E8%A7%86/">Algorithmic Discrimination (算法歧视)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-cleaning-%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97/">Data Cleaning (数据清洗)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-fairness-%E6%A8%A1%E5%9E%8B%E5%85%AC%E5%B9%B3%E6%80%A7/">Model Fairness (模型公平性)</a></li> </ul>算法歧视https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_discrimination/Sat, 18 Jul 2026 11:04:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_discrimination/<h2 id="definition">Definition</h2> <p>这种现象源于AI模型因种族、性别、年龄或其他敏感属性而无意中或系统地对待个体不同。它通常源于有偏见的训练数据或</p> <h3 id="summary">Summary</h3> <p>当自动化系统基于受保护的特征产生不公平或有偏见的结果，从而对特定群体造成不利时，即发生算法歧视。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性</li> <li>受保护属性</li> <li>差异影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计招聘算法中的性别偏见</li> <li>评估贷款审批系统中的种族差异</li> <li>确保面部识别在不同肤色下的准确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">Algorithmic Bias (算法偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethical-ai-%E4%BC%A6%E7%90%86%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Ethical AI (伦理人工智能)</a></li> </ul>算法推理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_inference/Sat, 18 Jul 2026 11:04:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithmic_inference/<h2 id="definition">Definition</h2> <p>也称为预测或评分，推理发生在模型训练阶段之后。算法接收输入特征，并通过其内部结构（如神经网络中的权重）处理</p> <h3 id="summary">Summary</h3> <p>算法推理是指经过训练的机器学习模型将学习到的模式应用于新的、未见过的数据以进行预测或决策的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预测</li> <li>延迟优化</li> <li>推理引擎</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>电子邮件过滤器中的实时垃圾邮件检测</li> <li>移动应用中的图像分类</li> <li>流媒体服务中的推荐生成</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">tensorflow</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">tf</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Load a pre-trained model</span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> tf<span style="color:#000;font-weight:bold">.</span>keras<span style="color:#000;font-weight:bold">.</span>models<span style="color:#000;font-weight:bold">.</span>load_model(<span style="color:#d14">&#39;my_model.h5&#39;</span>) </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Perform inference on new data</span> </span></span><span style="display:flex;"><span>predictions <span style="color:#000;font-weight:bold">=</span> model<span style="color:#000;font-weight:bold">.</span>predict(new_data) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-training-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83/">Model Training (模型训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-latency-%E6%8E%A8%E7%90%86%E5%BB%B6%E8%BF%9F/">Inference Latency (推理延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">Edge Computing (边缘计算)</a></li> </ul>算法选择https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithm_selection/Sat, 18 Jul 2026 11:04:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/algorithm_selection/<h2 id="definition">Definition</h2> <p>算法选择涉及评估不同的计算方法，以确定哪一种能最高效地解决给定任务。此过程考虑的因素包括时间复杂度、空间复杂</p> <h3 id="summary">Summary</h3> <p>算法选择是根据性能指标和约束条件，为特定问题选择最合适的计算方法的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>性能指标</li> <li>复杂度分析</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为大型数据集选择排序算法</li> <li>为机器学习流水线选择分类器</li> <li>优化数据库查询执行计划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/big-o-notation-%E5%A4%A7o%E7%AC%A6%E5%8F%B7/">Big O Notation (大O符号)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter Tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-evaluation-%E6%A8%A1%E5%9E%8B%E8%AF%84%E4%BC%B0/">Model Evaluation (模型评估)</a></li> </ul>亚历山大·Y·特特尔鲍姆https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/alexander_y_tetelbaum/Sat, 18 Jul 2026 11:04:37 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/alexander_y_tetelbaum/<h2 id="definition">Definition</h2> <p>亚历山大·Y·特特尔鲍姆在学术界和技术社区中因其对人工智能研究的贡献而受到认可，特别是在涉及算法效率和神经网</p> <h3 id="summary">Summary</h3> <p>亚历山大·Y·特特尔鲍姆是人工智能和机器学习领域公认的研究人员和贡献者。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>研究人员</li> <li>AI文献</li> <li>学术贡献</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在学术论文中引用来源</li> <li>追溯特定算法的历史</li> <li>识别小众AI子领域的关键人物</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-research-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%A0%94%E7%A9%B6/">Machine Learning Research (机器学习研究)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Networks (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-efficiency-%E7%AE%97%E6%B3%95%E6%95%88%E7%8E%87/">Algorithmic Efficiency (算法效率)</a></li> </ul>代理逻辑https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agentive_logic/Sat, 18 Jul 2026 11:04:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agentive_logic/<h2 id="definition">Definition</h2> <p>它扩展了传统逻辑以涵盖代理性，允许系统表示信念、欲望和意图（BDI模型）。这种逻辑使智能体能够根据变化的环境动态规划行动。</p> <h3 id="summary">Summary</h3> <p>代理逻辑是指用于建模自主智能体意图、目标和决策过程的形式化推理框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>BDI模型</li> <li>目标导向行为</li> <li>意向性</li> <li>不确定性下的推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计自主机器人</li> <li>创建智能助手</li> <li>模拟社会互动</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bdi_architecture-bdi%E6%9E%B6%E6%9E%84/">bdi_architecture (BDI架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning_algorithms-%E8%A7%84%E5%88%92%E7%AE%97%E6%B3%95/">planning_algorithms (规划算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intentional_stance-%E6%84%8F%E5%90%91%E7%AB%8B%E5%9C%BA/">intentional_stance (意向立场)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous_agents-%E8%87%AA%E4%B8%BB%E6%99%BA%E8%83%BD%E4%BD%93/">autonomous_agents (自主智能体)</a></li> </ul>对抗攻击https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adversarial_attack/Sat, 18 Jul 2026 11:04:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adversarial_attack/<h2 id="definition">Definition</h2> <p>对抗攻击通过向图像或文本等输入引入细微噪声，利用神经网络的漏洞，导致模型输出出现显著错误。这些攻击突显了模型在面临恶意输入时的脆弱性。</p> <h3 id="summary">Summary</h3> <p>对抗攻击是一种技术，通过在输入数据中添加微小且通常不可察觉的扰动，欺骗机器学习模型做出错误的预测。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>扰动</li> <li>模型鲁棒性</li> <li>白盒与黑盒</li> <li>逃避攻击</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>测试模型安全性</li> <li>生成用于训练的对抗样本</li> <li>分析计算机视觉系统中的漏洞</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial_machine_learning-%E5%AF%B9%E6%8A%97%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">adversarial_machine_learning (对抗机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_robustness-%E6%A8%A1%E5%9E%8B%E9%B2%81%E6%A3%92%E6%80%A7/">model_robustness (模型鲁棒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/defense_mechanisms-%E9%98%B2%E5%BE%A1%E6%9C%BA%E5%88%B6/">defense_mechanisms (防御机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient_based_attacks-%E5%9F%BA%E4%BA%8E%E6%A2%AF%E5%BA%A6%E7%9A%84%E6%94%BB%E5%87%BB/">gradient_based_attacks (基于梯度的攻击)</a></li> </ul>对抗机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adversarial_machine_learning/Sat, 18 Jul 2026 11:04:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adversarial_machine_learning/<h2 id="definition">Definition</h2> <p>该领域既包括破坏模型的进攻性技术，也包括加固模型的防御策略。它涉及在对抗样本上训练模型以提高其韧性，这一过程被称为对抗训练。</p> <h3 id="summary">Summary</h3> <p>对抗机器学习是一个研究领域，旨在研究如何使机器学习模型对旨在欺骗它们的恶意输入保持鲁棒性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗训练</li> <li>鲁棒性</li> <li>泛化差距</li> <li>安全性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提高模型韧性</li> <li>AI系统的安全审计</li> <li>开发防御机制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial_attack-%E5%AF%B9%E6%8A%97%E6%94%BB%E5%87%BB/">adversarial_attack (对抗攻击)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/defense_mechanisms-%E9%98%B2%E5%BE%A1%E6%9C%BA%E5%88%B6/">defense_mechanisms (防御机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robustness-%E9%B2%81%E6%A3%92%E6%80%A7/">robustness (鲁棒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/privacy_preserving_ml-%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">privacy_preserving_ml (隐私保护机器学习)</a></li> </ul>智能体框架https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agent_harness/Sat, 18 Jul 2026 11:04:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agent_harness/<h2 id="definition">Definition</h2> <p>它作为多智能体系统的骨干，提供编排、监控和智能体间协调的工具。该框架确保智能体能够高效运行而不相互干扰。</p> <h3 id="summary">Summary</h3> <p>智能体框架（Agent harness）是管理系统中多个AI智能体的生命周期、通信和资源分配的基础设施层或框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>编排</li> <li>多智能体系统</li> <li>生命周期管理</li> <li>智能体间通信</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建多智能体工作流</li> <li>协调专用AI服务</li> <li>管理分布式智能体资源</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi_agent_systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">multi_agent_systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent_orchestration-%E6%99%BA%E8%83%BD%E4%BD%93%E7%BC%96%E6%8E%92/">agent_orchestration (智能体编排)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/swarm_intelligence-%E7%BE%A4%E4%BD%93%E6%99%BA%E8%83%BD/">swarm_intelligence (群体智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed_ai-%E5%88%86%E5%B8%83%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">distributed_ai (分布式人工智能)</a></li> </ul>智能体验证https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agent_verification/Sat, 18 Jul 2026 11:04:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agent_verification/<h2 id="definition">Definition</h2> <p>这涉及使用数学方法确保智能体的行为符合预定义的约束，如安全边界或伦理准则。这对于在关键环境中运行的智能体尤为重要。</p> <h3 id="summary">Summary</h3> <p>智能体验证是通过形式化方法证明自主智能体在所有指定条件下都能正确和安全地运行的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>形式化方法</li> <li>安全保证</li> <li>模型检测</li> <li>正确性证明</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车安全</li> <li>医疗决策支持系统</li> <li>关键基础设施控制</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/formal_verification-%E5%BD%A2%E5%BC%8F%E5%8C%96%E9%AA%8C%E8%AF%81/">formal_verification (形式化验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safety_critical_ai-%E5%AE%89%E5%85%A8%E5%85%B3%E9%94%AE%E5%9E%8Bai/">safety_critical_ai (安全关键型AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/runtime_monitoring-%E8%BF%90%E8%A1%8C%E6%97%B6%E7%9B%91%E6%8E%A7/">runtime_monitoring (运行时监控)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/trustworthy_ai-%E5%8F%AF%E4%BF%A1ai/">trustworthy_ai (可信AI)</a></li> </ul>动作模型学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/action_model_learning/Sat, 18 Jul 2026 11:04:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/action_model_learning/<h2 id="definition">Definition</h2> <p>动作模型学习涉及智能体构建内部表示，以了解其行为如何将环境从一个状态转移到另一个状态。与被动观察不同，这种方法利用智能体自身的行动反馈来学习环境的变化规律。</p> <h3 id="summary">Summary</h3> <p>一种强化学习技术，智能体通过观察自身行为对环境产生的影响来学习环境动力学。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态转移</li> <li>环境动力学</li> <li>基于模型的强化学习</li> <li>预测建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人在未知地形中的导航</li> <li>游戏人工智能学习物理引擎</li> <li>工业自动化控制系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-based-reinforcement-learning-%E5%9F%BA%E4%BA%8E%E6%A8%A1%E5%9E%8B%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">model-based reinforcement learning (基于模型的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/world-models-%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8B/">world models (世界模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dynamics-estimation-%E5%8A%A8%E5%8A%9B%E5%AD%A6%E4%BC%B0%E8%AE%A1/">dynamics estimation (动力学估计)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning-%E8%A7%84%E5%88%92/">planning (规划)</a></li> </ul>可容许启发式函数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/admissible_heuristic/Sat, 18 Jul 2026 11:04:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/admissible_heuristic/<h2 id="definition">Definition</h2> <p>在路径查找和搜索问题中，可容许启发式函数提供了到达目标节点实际成本的下界。通过保证估计成本始终小于或等于实际成本，它确保了搜索算法（如A*）能找到最优解。</p> <h3 id="summary">Summary</h3> <p>搜索算法中的一种启发式函数，它从不高估到达目标的真实成本，从而保证最优性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>下界</li> <li>最优性保证</li> <li>A*搜索</li> <li>成本估计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>GPS导航路线规划</li> <li>解谜游戏（如八数码问题）</li> <li>障碍物丰富环境中的机器人运动规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/consistent-heuristic-%E4%B8%80%E8%87%B4%E5%90%AF%E5%8F%91%E5%BC%8F%E5%87%BD%E6%95%B0/">consistent heuristic (一致启发式函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/a-algorithm-a-%E7%AE%97%E6%B3%95/">A* algorithm (A*算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/search-optimization-%E6%90%9C%E7%B4%A2%E4%BC%98%E5%8C%96/">search optimization (搜索优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pathfinding-%E8%B7%AF%E5%BE%84%E6%9F%A5%E6%89%BE/">pathfinding (路径查找)</a></li> </ul>问责制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/accountability/Sat, 18 Jul 2026 11:04:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/accountability/<h2 id="definition">Definition</h2> <p>人工智能中的问责制是指个人、组织和开发者有义务对人工智能技术的设计、部署及其后果承担责任。</p> <h3 id="summary">Summary</h3> <p>该原则要求人工智能系统的开发者和运营者必须对其系统的结果和影响负责。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>责任归属</li> <li>透明度</li> <li>审计追踪</li> <li>监管合规</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>建立自动驾驶汽车事故的责任框架</li> <li>为存在偏见的招聘算法创建审计日志</li> <li>定义人工智能治理委员会中的角色</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">explainability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/governance-%E6%B2%BB%E7%90%86/">governance (治理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">ethics (伦理)</a></li> </ul>演员-评论家算法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/actor_critic_algorithm/Sat, 18 Jul 2026 11:04:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/actor_critic_algorithm/<h2 id="definition">Definition</h2> <p>演员-评论家算法包含两个组件：演员负责更新策略以选择动作，评论家则通过估计价值函数来评估这些动作的质量。两者协同工作，以提高强化学习的稳定性和效率。</p> <h3 id="summary">Summary</h3> <p>一种结合基于价值和基于策略方法的强化学习框架，使用两个神经网络：演员（Actor）和评论家（Critic）。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>策略梯度</li> <li>价值函数</li> <li>时序差分误差</li> <li>混合强化学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机械臂操作</li> <li>游戏代理（如AlphaStar）</li> <li>自动驾驶中的连续控制系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ppo-%E8%BF%91%E7%AB%AF%E7%AD%96%E7%95%A5%E4%BC%98%E5%8C%96/">PPO (近端策略优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/a3c-%E5%BC%82%E6%AD%A5%E4%BC%98%E5%8A%BF%E6%BC%94%E5%91%98-%E8%AF%84%E8%AE%BA%E5%AE%B6/">A3C (异步优势演员-评论家)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/policy_gradient-%E7%AD%96%E7%95%A5%E6%A2%AF%E5%BA%A6/">policy_gradient (策略梯度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/value_function-%E4%BB%B7%E5%80%BC%E5%87%BD%E6%95%B0/">value_function (价值函数)</a></li> </ul>主动学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/active_learning/Sat, 18 Jul 2026 11:04:13 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/active_learning/<h2 id="definition">Definition</h2> <p>主动学习通过允许模型选择最具信息量的实例进行人工标记，减少了所需标记数据的数量。与被动接收随机样本不同，算法会主动识别那些最能提升模型性能的数据点进行查询。</p> <h3 id="summary">Summary</h3> <p>一种机器学习策略，算法选择性地查询用户或专家来标记新数据点，从而优化训练过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>查询策略</li> <li>标记效率</li> <li>不确定性采样</li> <li>人在回路</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>由放射科专家进行医学图像标注</li> <li>稀有方言的情感分析标记</li> <li>自动驾驶场景的选择</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semi-supervised-learning-%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">semi-supervised learning (半监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/query-strategies-%E6%9F%A5%E8%AF%A2%E7%AD%96%E7%95%A5/">query strategies (查询策略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-annotation-%E6%95%B0%E6%8D%AE%E6%A0%87%E6%B3%A8/">data annotation (数据标注)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/label-efficiency-%E6%A0%87%E8%AE%B0%E6%95%88%E7%8E%87/">label efficiency (标记效率)</a></li> </ul>Accelerated Linear Algebrahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/accelerated_linear_algebra/Sat, 18 Jul 2026 11:04:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/accelerated_linear_algebra/<h2 id="definition">Definition</h2> <p>该领域专注于加速基本的线性代数计算，这些计算是机器学习和科学模拟的核心。通过利用 GPU、TPU 和其他并行处理能力的优势，显著提高了大规模矩阵运算的速度和效率。</p> <h3 id="summary">Summary</h3> <p>加速线性代数涉及使用 GPU 和 TPU 等硬件加速器优化矩阵运算，以实现高性能计算。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>GPU 计算</li> <li>矩阵乘法</li> <li>并行处理</li> <li>CUDA</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度学习模型训练</li> <li>科学模拟</li> <li>实时图形渲染</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/blas-%E5%9F%BA%E7%A1%80%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%E5%AD%90%E7%A8%8B%E5%BA%8F/">BLAS (基础线性代数子程序)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cudnn-cuda-%E6%B7%B1%E5%BA%A6%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%BA%93/">cuDNN (CUDA 深度神经网络库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensor-cores-%E5%BC%A0%E9%87%8F%E6%A0%B8%E5%BF%83/">Tensor Cores (张量核心)</a></li> </ul>AIOpshttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aiops/Sat, 18 Jul 2026 11:04:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aiops/<h2 id="definition">Definition</h2> <p>IT 运维人工智能（AIOps）结合大数据分析和技术学习算法，以自动化 IT 基础设施和运维管理。它帮助组织管理复杂的 IT 环境，通过智能手段提升运维效率和稳定性。</p> <h3 id="summary">Summary</h3> <p>AIOps 指将人工智能和机器学习应用于自动化 IT 运维流程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>机器学习</li> <li>大数据分析</li> <li>异常检测</li> <li>IT 自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>服务器基础设施的预测性维护</li> <li>自动化故障根因分析</li> <li>实时性能监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/devops-%E5%BC%80%E5%8F%91%E8%BF%90%E7%BB%B4%E4%B8%80%E4%BD%93%E5%8C%96/">DevOps (开发运维一体化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/site-reliability-engineering-%E7%AB%99%E7%82%B9%E5%8F%AF%E9%9D%A0%E6%80%A7%E5%B7%A5%E7%A8%8B/">Site Reliability Engineering (站点可靠性工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/log-analysis-%E6%97%A5%E5%BF%97%E5%88%86%E6%9E%90/">Log Analysis (日志分析)</a></li> </ul>AIXIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aixi/Sat, 18 Jul 2026 11:04:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aixi/<h2 id="definition">Definition</h2> <p>AIXI 是由马库斯·胡特（Marcus Hutter）提出的理论框架，定义了一个理想化的智能体。它将用于预测环境的索洛莫夫归纳法与用于决策的强化学习相结合，旨在从理论上描述最优的智能行为。</p> <h3 id="summary">Summary</h3> <p>AIXI 是一种关于人工通用智能的数学理论，建模了一个与环境的交互最优智能体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>索洛莫夫归纳法</li> <li>强化学习</li> <li>柯尔莫哥洛夫复杂度</li> <li>最优智能体</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人工通用智能的理论研究</li> <li>强化学习算法的基准测试</li> <li>理解智能的极限</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">Bayesian Inference (贝叶斯推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-information-theory-%E7%AE%97%E6%B3%95%E4%BF%A1%E6%81%AF%E8%AE%BA/">Algorithmic Information Theory (算法信息论)</a></li> </ul>ASR-completehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/asr_complete/Sat, 18 Jul 2026 11:04:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/asr_complete/<h2 id="definition">Definition</h2> <p>术语“ASR-complete”表示自动语音识别系统在特定且定义明确的任务和数据集上，其性能已达到与人类转录员相当的水平。这是一个重要的里程碑，标志着系统在特定领域内的识别精度已满足实际应用的高标准要求。</p> <h3 id="summary">Summary</h3> <p>ASR-complete 描述在标准化基准数据集上达到人类水平准确率的语音识别系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语音识别</li> <li>人类水平准确率</li> <li>错误率</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估 ASR 模型性能</li> <li>制定行业标准</li> <li>比较不同的声学模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automatic-speech-recognition-%E8%87%AA%E5%8A%A8%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">Automatic Speech Recognition (自动语音识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wer-%E8%AF%8D%E9%94%99%E8%AF%AF%E7%8E%87/">WER (词错误率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> </ul>AZFinTexthttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/azfintext/Sat, 18 Jul 2026 11:04:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/azfintext/<h2 id="definition">Definition</h2> <p>AZFinText 是一个大规模标注语料库，专门针对中文金融文本分析而策划。它包括带有金融情感标签的新闻文章、报告和社会媒体帖子，旨在支持高精度的金融自然语言处理任务。</p> <h3 id="summary">Summary</h3> <p>AZFinText 是一个专为中文语境下的金融文本挖掘和情感分析设计的专用数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>金融自然语言处理</li> <li>情感分析</li> <li>中文文本挖掘</li> <li>数据集</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练金融情感分类器</li> <li>开发股票预测模型</li> <li>计算金融学研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/finbert-%E9%87%91%E8%9E%8D%E9%A2%86%E5%9F%9F%E9%A2%84%E8%AE%AD%E7%BB%83%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">FinBERT (金融领域预训练语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentiment-analysis-%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90/">Sentiment Analysis (情感分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/corpus-linguistics-%E8%AF%AD%E6%96%99%E5%BA%93%E8%AF%AD%E8%A8%80%E5%AD%A6/">Corpus Linguistics (语料库语言学)</a></li> </ul>AI辅助软件开发https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_assisted_software_development/Sat, 18 Jul 2026 11:03:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_assisted_software_development/<h2 id="definition">Definition</h2> <p>AI辅助软件开发涉及利用机器学习模型来支持开发人员编写代码、识别错误、生成测试用例并优化性能。诸如GitHub Copilot之类的工具便是典型代表。</p> <h3 id="summary">Summary</h3> <p>利用AI工具提高编码、调试、测试和设计过程中的生产力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>代码补全</li> <li>错误检测</li> <li>开发者生产力</li> <li>增强智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时代码建议</li> <li>自动化单元测试生成</li> <li>遗留代码重构</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">openai</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example of AI-assisted code generation</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">generate_code</span>(prompt): </span></span><span style="display:flex;"><span> response <span style="color:#000;font-weight:bold">=</span> openai<span style="color:#000;font-weight:bold">.</span>ChatCompletion<span style="color:#000;font-weight:bold">.</span>create( </span></span><span style="display:flex;"><span> model<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#34;gpt-3.5-turbo&#34;</span>, </span></span><span style="display:flex;"><span> messages<span style="color:#000;font-weight:bold">=</span>[{<span style="color:#d14">&#34;role&#34;</span>: <span style="color:#d14">&#34;user&#34;</span>, <span style="color:#d14">&#34;content&#34;</span>: prompt}] </span></span><span style="display:flex;"><span> ) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> response<span style="color:#000;font-weight:bold">.</span>choices[<span style="color:#099">0</span>]<span style="color:#000;font-weight:bold">.</span>message<span style="color:#000;font-weight:bold">.</span>content </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/copilot-%E4%BB%A3%E7%A0%81%E5%8A%A9%E6%89%8B/">copilot (代码助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/devops-%E5%BC%80%E5%8F%91%E8%BF%90%E7%BB%B4/">devops (开发运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/code_generation-%E4%BB%A3%E7%A0%81%E7%94%9F%E6%88%90/">code_generation (代码生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/productivity_tools-%E7%94%9F%E4%BA%A7%E5%8A%9B%E5%B7%A5%E5%85%B7/">productivity_tools (生产力工具)</a></li> </ul>AI漂绿https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_washing/Sat, 18 Jul 2026 11:03:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_washing/<h2 id="definition">Definition</h2> <p>AI漂绿是一个类似于“绿色洗白”的术语，描述了这种欺骗性的营销策略：公司声称其产品集成了先进的人工智能，但实际上仅依赖简单的基于规则的系统。</p> <h3 id="summary">Summary</h3> <p>为了营销目的，夸大或虚假声称产品或服务利用了人工智能的做法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>营销欺诈</li> <li>虚假宣传</li> <li>基于规则的系统</li> <li>消费者信任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>产品声明审计</li> <li>监管合规检查</li> <li>投资者尽职调查</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/greenwashing-%E7%BB%BF%E8%89%B2%E6%B4%97%E7%99%BD/">greenwashing (绿色洗白)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/marketing_ethics-%E8%90%A5%E9%94%80%E4%BC%A6%E7%90%86/">marketing_ethics (营销伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automation-%E8%87%AA%E5%8A%A8%E5%8C%96/">automation (自动化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">transparency (透明度)</a></li> </ul>AI素食主义https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_veganism/Sat, 18 Jul 2026 11:03:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_veganism/<h2 id="definition">Definition</h2> <p>“AI素食主义”是一个推测性和隐喻性的术语，指代这样一种理念：创造完全从合成数据、自生成数据或物理世界数据中学习的人工智能，而不是重新使用人类产生的数据。</p> <h3 id="summary">Summary</h3> <p>一个隐喻性概念，主张人工智能系统应运作而不依赖人类生成的数据或劳动力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>合成数据</li> <li>自主学习</li> <li>无人类训练</li> <li>伦理AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自监督学习研究</li> <li>数据来源的伦理辩论</li> <li>全自主智能体的开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synthetic_data-%E5%90%88%E6%88%90%E6%95%B0%E6%8D%AE/">synthetic_data (合成数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self_supervised_learning-%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">self_supervised_learning (自监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_ethics-%E6%95%B0%E6%8D%AE%E4%BC%A6%E7%90%86/">data_ethics (数据伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous_agents-%E8%87%AA%E4%B8%BB%E6%99%BA%E8%83%BD%E4%BD%93/">autonomous_agents (自主智能体)</a></li> </ul>AI完备问题https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_complete/Sat, 18 Jul 2026 11:03:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_complete/<h2 id="definition">Definition</h2> <p>AI完备问题是那些如果得以解决，就暗示了人工通用智能（AGI）存在的任务。这些问题需要类似人类的深刻理解、推理能力和适应性。</p> <h3 id="summary">Summary</h3> <p>极其复杂的问题，解决它需要类似人类的通用智能，等同于实现人工通用智能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工通用智能</li> <li>复杂性</li> <li>人类级认知</li> <li>非结构化问题</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定义AGI里程碑</li> <li>高级AI系统基准测试</li> <li>认知科学研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agi-%E4%BA%BA%E5%B7%A5%E9%80%9A%E7%94%A8%E6%99%BA%E8%83%BD/">agi (人工通用智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/strong_ai-%E5%BC%BA%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">strong_ai (强人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive_science-%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6/">cognitive_science (认知科学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/general_intelligence-%E9%80%9A%E7%94%A8%E6%99%BA%E8%83%BD/">general_intelligence (通用智能)</a></li> </ul>AI战争https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_warfare/Sat, 18 Jul 2026 11:03:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_warfare/<h2 id="definition">Definition</h2> <p>AI战争指的是将人工智能整合到军事战略中，包括自主无人机、预测性后勤、网络防御以及为指挥官提供决策支持的系统。</p> <h3 id="summary">Summary</h3> <p>将人工智能技术应用于军事行动、监视和自主武器系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>致命性自主武器</li> <li>军事战略</li> <li>网络战</li> <li>算法问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>无人机群协调</li> <li>军事硬件的预测性维护</li> <li>情报分析与威胁检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous_weapons-%E8%87%AA%E4%B8%BB%E6%AD%A6%E5%99%A8/">autonomous_weapons (自主武器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/military_ai-%E5%86%9B%E4%BA%8Bai/">military_ai (军事AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cybersecurity-%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8/">cybersecurity (网络安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics_in_ai-ai%E4%BC%A6%E7%90%86/">ethics_in_ai (AI伦理)</a></li> </ul>AI基础设施https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_infrastructure/Sat, 18 Jul 2026 11:03:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_infrastructure/<h2 id="definition">Definition</h2> <p>AI基础设施涵盖了人工智能运营所需的基础技术栈。这包括高性能计算硬件（如GPU和TPU）、云存储解决方案以及支持数据流动的网络架构，旨在确保AI系统的高效运行和扩展能力。</p> <h3 id="summary">Summary</h3> <p>用于大规模开发、训练和部署人工智能模型所需的硬件、软件和网络资源。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>GPU/TPU集群</li> <li>云计算</li> <li>数据管道</li> <li>模型部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>规划大规模模型训练环境</li> <li>优化AI工作负载的云成本</li> <li>为生产系统构建MLOps管道</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4/">MLOps (机器学习运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%91%E8%AE%A1%E7%AE%97-cloud-computing/">云计算 (Cloud Computing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%AB%98%E6%80%A7%E8%83%BD%E8%AE%A1%E7%AE%97-high-performance-computing/">高性能计算 (High-Performance Computing)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E5%B7%A5%E7%A8%8B-data-engineering/">数据工程 (Data Engineering)</a></li> </ul>AI可观测性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_observability/Sat, 18 Jul 2026 11:03:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_observability/<h2 id="definition">Definition</h2> <p>AI可观测性将传统的软件监控扩展到解决机器学习系统的独特挑战。它涉及实时跟踪模型性能、数据漂移和推理延迟，从而帮助开发者深入理解黑盒模型的决策过程及其在生产环境中的行为。</p> <h3 id="summary">Summary</h3> <p>通过日志、指标和追踪来监控和理解机器学习系统内部状态的做法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据漂移</li> <li>模型监控</li> <li>遥测</li> <li>调试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>检测生产模型中的概念漂移</li> <li>排查低置信度预测问题</li> <li>确保AI服务符合服务等级协议(SLA)</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">9 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">mlflow</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Log metrics during training</span> </span></span><span style="display:flex;"><span>mlflow<span style="color:#000;font-weight:bold">.</span>log_metric(<span style="color:#d14">&#39;accuracy&#39;</span>, <span style="color:#099">0.95</span>) </span></span><span style="display:flex;"><span>mlflow<span style="color:#000;font-weight:bold">.</span>log_metric(<span style="color:#d14">&#39;loss&#39;</span>, <span style="color:#099">0.05</span>) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Track model parameters</span> </span></span><span style="display:flex;"><span>mlflow<span style="color:#000;font-weight:bold">.</span>log_param(<span style="color:#d14">&#39;learning_rate&#39;</span>, <span style="color:#099">0.01</span>) </span></span><span style="display:flex;"><span>mlflow<span style="color:#000;font-weight:bold">.</span>log_param(<span style="color:#d14">&#39;epochs&#39;</span>, <span style="color:#099">10</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4/">MLOps (机器学习运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E6%BC%82%E7%A7%BB-model-drift/">模型漂移 (Model Drift)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B3%BB%E7%BB%9F%E7%9B%91%E6%8E%A7-system-monitoring/">系统监控 (System Monitoring)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%81%A5%E6%B5%8B-telemetry/">遥测 (Telemetry)</a></li> </ul>AI民族主义https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_nationalism/Sat, 18 Jul 2026 11:03:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_nationalism/<h2 id="definition">Definition</h2> <p>AI民族主义描述了各国政府将人工智能视为国家安全和经济主权问题的趋势。各国在国内AI研究上投入巨资，限制关键技术出口，并试图建立独立的技术生态系统，以确保在全球AI竞赛中的领先地位。</p> <h3 id="summary">Summary</h3> <p>由地缘政治和经济利益驱动的国家间争夺人工智能发展主导权的战略竞争。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>地缘政治</li> <li>技术主权</li> <li>出口管制</li> <li>战略竞争</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析半导体领域的国际贸易政策</li> <li>评估技术脱钩的风险</li> <li>理解政府在研发方面的资金优先事项</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A7%91%E6%8A%80%E6%88%98-tech-war/">科技战 (Tech War)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E4%B8%BB%E6%9D%83-data-sovereignty/">数据主权 (Data Sovereignty)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8D%8A%E5%AF%BC%E4%BD%93%E4%BE%9B%E5%BA%94%E9%93%BE-semiconductor-supply-chain/">半导体供应链 (Semiconductor Supply Chain)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BD%E5%AE%B6%E5%AE%89%E5%85%A8-national-security/">国家安全 (National Security)</a></li> </ul>AI素养https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_literacy/Sat, 18 Jul 2026 11:03:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_literacy/<h2 id="definition">Definition</h2> <p>AI素养指的是在日益受人工智能影响的世界中导航所需的能力。它超越了单纯的技术编码技能，还包括理解AI系统的工作原理、识别其局限性以及评估其在伦理和社会层面的后果。</p> <h3 id="summary">Summary</h3> <p>理解、评估人工智能技术及其社会影响，并与其有效互动的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>批判性思维</li> <li>伦理意识</li> <li>技术理解力</li> <li>社会影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为非技术人员开发教育课程</li> <li>制定AI采用的公共政策指南</li> <li>培训员工负责任地使用AI</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E5%AD%97%E7%B4%A0%E5%85%BB-digital-literacy/">数字素养 (Digital Literacy)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai%E4%BC%A6%E7%90%86-ai-ethics/">AI伦理 (AI Ethics)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81-algorithmic-bias/">算法偏见 (Algorithmic Bias)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stem%E6%95%99%E8%82%B2-stem-education/">STEM教育 (STEM Education)</a></li> </ul>AI效应https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_effect/Sat, 18 Jul 2026 11:03:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_effect/<h2 id="definition">Definition</h2> <p>AI效应描述了构成“人工智能”的界限的不断变化。随着算法变得更加复杂并能够执行特定任务，这些任务往往会被重新归类为常规技术，而非真正的智能。</p> <h3 id="summary">Summary</h3> <p>一旦任务被机器自动化，曾经被视为智能的任务便会被视为平凡无奇的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基准转移</li> <li>自动化偏见</li> <li>人类感知</li> <li>技术进步</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析AI术语的历史演变</li> <li>理解公众对AI主张的怀疑态度</li> <li>界定认知科学的研究范围</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD-artificial-general-intelligence/">通用人工智能 (Artificial General Intelligence)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E5%8A%A8%E5%8C%96-automation/">自动化 (Automation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-machine-learning/">机器学习 (Machine Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A4%E7%9F%A5%E5%81%8F%E5%B7%AE-cognitive-bias/">认知偏差 (Cognitive Bias)</a></li> </ul>AI 对齐https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_alignment/Sat, 18 Jul 2026 11:02:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_alignment/<h2 id="definition">Definition</h2> <p>AI 对齐旨在解决如何让人工智能系统稳健地执行用户真正意图的任务，而非仅仅字面指定的任务。它涉及确保系统行为有益的技术方法。</p> <h3 id="summary">Summary</h3> <p>致力于确保 AI 系统行为符合人类价值观和意图的研究领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>价值学习</li> <li>有益行为</li> <li>控制问题</li> <li>可解释性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大型语言模型的安全研究</li> <li>开发 RLHF 的奖励函数</li> <li>伦理准则的实施</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-safety-ai-%E5%AE%89%E5%85%A8/">AI Safety (AI 安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86%E5%AD%A6/">Ethics (伦理学)</a></li> </ul>AI 浏览器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_browser/Sat, 18 Jul 2026 11:02:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_browser/<h2 id="definition">Definition</h2> <p>AI 浏览器是一种直接将人工智能功能整合到用户界面中的网页浏览应用程序。这些功能通常包括自然语言搜索、自动内容摘要和对话式交互。</p> <h3 id="summary">Summary</h3> <p>集成 AI 功能以辅助搜索、摘要和内容分析的网页浏览器。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>集成 LLM</li> <li>智能搜索</li> <li>内容摘要</li> <li>对话式 UI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究辅助</li> <li>快速信息综合</li> <li>无障碍功能改进</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/search-engine-%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E/">Search Engine (搜索引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/web-scraping-%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/">Web Scraping (网络爬虫)</a></li> </ul>AI 拟人化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_anthropomorphism/Sat, 18 Jul 2026 11:02:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_anthropomorphism/<h2 id="definition">Definition</h2> <p>AI 拟人化是指用户将人类特质投射到非人类实体（如聊天机器人或机器人）上的心理现象。这可能导致对 AI 能力产生不切实际的期望。</p> <h3 id="summary">Summary</h3> <p>人类倾向于将类人的特征、情感或意图归因于 AI 系统的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人类投射</li> <li>ELIZA 效应</li> <li>用户感知</li> <li>情感依恋</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计对话式界面</li> <li>用户体验研究</li> <li>AI 产品营销</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/eliza-effect-eliza-%E6%95%88%E5%BA%94/">ELIZA Effect (ELIZA 效应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human-computer-interaction-%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/">Human-Computer Interaction (人机交互)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social Robotics (社交机器人)</a></li> </ul>AI 数据中心https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_data_center/Sat, 18 Jul 2026 11:02:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_data_center/<h2 id="definition">Definition</h2> <p>AI 数据中心是优化用于运行人工智能应用（特别是深度学习训练和推理）的物理设施。这些中心具备高密度服务器机架、先进的散热管理和高速网络连接。</p> <h3 id="summary">Summary</h3> <p>专为托管和运营 AI 工作负载的高性能计算基础设施而设计的专门设施。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>GPU/TPU 集群</li> <li>高性能计算</li> <li>热管理</li> <li>网络带宽</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>运行推理服务</li> <li>科学模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cloud-computing-%E4%BA%91%E8%AE%A1%E7%AE%97/">Cloud Computing (云计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/infrastructure-%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD/">Infrastructure (基础设施)</a></li> </ul>AI 智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_agent/Sat, 18 Jul 2026 11:02:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_agent/<h2 id="definition">Definition</h2> <p>AI 智能体是一种在定义的环境中自主运行以完成预定目标的软件实体。它利用感知机制收集数据，处理这些信息，并据此采取行动。</p> <h3 id="summary">Summary</h3> <p>一种旨在感知环境并采取行动以实现特定目标的自主系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主性</li> <li>感知-行动循环</li> <li>目标导向行为</li> <li>环境交互</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化客户服务机器人</li> <li>自动驾驶车辆导航</li> <li>代码生成助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">Multi-agent Systems (多智能体系统)</a></li> </ul>A/B 测试https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ab_testing/Sat, 18 Jul 2026 11:02:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ab_testing/<h2 id="definition">Definition</h2> <p>A/B 测试是一种随机对照实验，通过比较两个变体（A 和 B）来评估哪一个在特定指标上能产生更好的结果。在人工智能工程中，它对优化至关重要。</p> <h3 id="summary">Summary</h3> <p>一种统计方法，通过比较变量的两个版本来确定哪个表现更好。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对照组</li> <li>统计显著性</li> <li>假设检验</li> <li>随机化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>优化推荐引擎的点击率</li> <li>比较不同模型架构的准确性</li> <li>测试 AI 驱动应用中的用户界面更改</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multivariate-testing-%E5%A4%9A%E5%8F%98%E9%87%8F%E6%B5%8B%E8%AF%95/">Multivariate Testing (多变量测试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistical-power-%E7%BB%9F%E8%AE%A1%E5%8A%9F%E6%95%88/">Statistical Power (统计功效)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/conversion-rate-optimization-%E8%BD%AC%E5%8C%96%E7%8E%87%E4%BC%98%E5%8C%96/">Conversion Rate Optimization (转化率优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/randomized-controlled-trial-%E9%9A%8F%E6%9C%BA%E5%AF%B9%E7%85%A7%E8%AF%95%E9%AA%8C/">Randomized Controlled Trial (随机对照试验)</a></li> </ul>AI 安全研究所https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_security_institute/Sat, 18 Jul 2026 11:02:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_security_institute/<h2 id="definition">Definition</h2> <p>AI 安全研究所是专注于减轻人工智能技术相关风险的专门机构。这些研究所开展关于对抗性攻击、数据隐私等方面的研究。</p> <h3 id="summary">Summary</h3> <p>致力于研究、开发和推广保障人工智能系统最佳实践的组织。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗鲁棒性</li> <li>风险缓解</li> <li>安全标准</li> <li>伦理 AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>开发大型语言模型的安全协议</li> <li>审计 AI 模型的漏洞</li> <li>制定行业范围内的安全指南</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cybersecurity-%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8/">Cybersecurity (网络安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-robustness-%E6%A8%A1%E5%9E%8B%E9%B2%81%E6%A3%92%E6%80%A7/">Model Robustness (模型鲁棒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-committee-%E4%BC%A6%E7%90%86%E5%A7%94%E5%91%98%E4%BC%9A/">Ethics Committee (伦理委员会)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/compliance-framework-%E5%90%88%E8%A7%84%E6%A1%86%E6%9E%B6/">Compliance Framework (合规框架)</a></li> </ul>AI 成瘾https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_addiction/Sat, 18 Jul 2026 11:02:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_addiction/<h2 id="definition">Definition</h2> <p>AI 成瘾描述的是一种行为状况，即个人对 AI 驱动的交互（如聊天机器人或社交媒体算法）产生强迫性依赖。这种依赖通常源于多巴胺反馈循环。</p> <h3 id="summary">Summary</h3> <p>与人工智能系统交互产生的心理依赖，导致强迫性使用行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强迫性行为</li> <li>心理依赖</li> <li>多巴胺反馈循环</li> <li>社会隔离</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究聊天机器人陪伴的影响</li> <li>分析算法内容推送的效果</li> <li>开发数字健康干预措施</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/digital-detox-%E6%95%B0%E5%AD%97%E6%8E%92%E6%AF%92/">Digital Detox (数字排毒)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/behavioral-psychology-%E8%A1%8C%E4%B8%BA%E5%BF%83%E7%90%86%E5%AD%A6/">Behavioral Psychology (行为心理学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/screen-time-%E5%B1%8F%E5%B9%95%E6%97%B6%E9%97%B4/">Screen Time (屏幕时间)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/social-media-addiction-%E7%A4%BE%E4%BA%A4%E5%AA%92%E4%BD%93%E6%88%90%E7%98%BE/">Social Media Addiction (社交媒体成瘾)</a></li> </ul>AI 概览https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_overviews/Sat, 18 Jul 2026 11:02:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_overviews/<h2 id="definition">Definition</h2> <p>AI 概览是由大型语言模型生成的精简摘要，它们聚合并综合来自各种网络来源或数据库的数据。与传统仅列出链接的搜索结果不同，这些概览提供直接的答案。</p> <h3 id="summary">Summary</h3> <p>由 AI 模型生成的摘要响应，综合多个来源的信息以便快速理解。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>综合</li> <li>摘要</li> <li>检索增强生成</li> <li>直接回答</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在搜索引擎中提供即时答案</li> <li>为研究论文生成执行摘要</li> <li>提供复杂技术概念的快速解释</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/search-engine-optimization-%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E%E4%BC%98%E5%8C%96/">Search Engine Optimization (搜索引擎优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/large-language-model-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Large Language Model (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-retrieval-%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/">Information Retrieval (信息检索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-generation-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E7%94%9F%E6%88%90/">Natural Language Generation (自然语言生成)</a></li> </ul>AI 模式https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_mode/Sat, 18 Jul 2026 11:02:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_mode/<h2 id="definition">Definition</h2> <p>AI 模式指的是数字平台或应用程序中激活了人工智能能力以增强用户交互的特定操作状态。此模式通常启用诸如自然语言处理等功能。</p> <h3 id="summary">Summary</h3> <p>软件界面中的一种功能状态，在此状态下人工智能积极协助或自动化执行任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>主动协助</li> <li>用户交互</li> <li>功能激活</li> <li>上下文感知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在客户服务应用中启用聊天机器人回复</li> <li>在浏览器中激活智能搜索建议</li> <li>在生产力软件中开启生成式写作辅助工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/human-in-the-loop-%E4%BA%BA%E5%9C%A8%E5%9B%9E%E8%B7%AF/">Human-in-the-loop (人在回路)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/smart-assistant-%E6%99%BA%E8%83%BD%E5%8A%A9%E6%89%8B/">Smart Assistant (智能助手)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interactive-interface-%E4%BA%A4%E4%BA%92%E5%BC%8F%E7%95%8C%E9%9D%A2/">Interactive Interface (交互式界面)</a></li> </ul>计算机视觉https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vision/Sat, 18 Jul 2026 11:02:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vision/<h2 id="definition">Definition</h2> <p>计算机视觉（CV）是人工智能的一个分支，旨在训练计算机从数字图像、视频和其他视觉输入中提取有意义的信息。它涉及开发算法来模拟人类的视觉能力。</p> <h3 id="summary">Summary</h3> <p>计算机视觉是人工智能的一个领域，专注于使计算机能够解释和理解来自世界的视觉信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图像分类</li> <li>目标检测</li> <li>卷积神经网络</li> <li>特征提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶感知系统</li> <li>基于X光片的医学诊断</li> <li>人脸识别安全系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-graphics-%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%9B%BE%E5%BD%A2%E5%AD%A6/">Computer Graphics (计算机图形学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-processing-%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86/">Image Processing (图像处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cnn-%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">CNN (卷积神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/object-detection-%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B/">Object Detection (目标检测)</a></li> </ul>零样本学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zero_shot_learning/Sat, 18 Jul 2026 11:02:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zero_shot_learning/<h2 id="definition">Definition</h2> <p>零样本学习使机器学习模型能够对训练数据集中未出现的类别实例进行分类。它不依赖每个可能类别的标记示例，而是利用类别之间的语义关系进行推理。</p> <h3 id="summary">Summary</h3> <p>零样本学习是一种技术，模型通过利用语义关联，对训练过程中从未见过的类别执行任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化</li> <li>语义嵌入</li> <li>属性学习</li> <li>迁移学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>稀有动物物种分类</li> <li>新产品类别识别</li> <li>无需重新训练即可适应新兴威胁</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few-shot-learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">Few-shot Learning (少样本学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic-embedding-%E8%AF%AD%E4%B9%89%E5%B5%8C%E5%85%A5/">Semantic Embedding (语义嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">Generalization (泛化)</a></li> </ul>神经活动中固有的思想逻辑演算https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/a_logical_calculus_of_the_ideas_immanent_in_nervous_activity/Sat, 18 Jul 2026 11:02:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/a_logical_calculus_of_the_ideas_immanent_in_nervous_activity/<h2 id="definition">Definition</h2> <p>这篇基础性论文提出了神经网络的一个数学模型，证明了简单的人工神经元可以实现布尔逻辑门。通过展示这些单元的网络能够执行复杂的逻辑功能，它为计算理论奠定了基石。</p> <h3 id="summary">Summary</h3> <p>这是麦卡洛克和皮茨于1943年发表的一篇开创性论文，形式化了神经元如何执行逻辑操作，为人工神经网络奠定了基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>麦卡洛克-皮茨神经元</li> <li>布尔逻辑</li> <li>阈值单元</li> <li>联结主义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI发展的历史背景</li> <li>神经网络设计的理论基础</li> <li>理解计算中的生物启发原理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-neuron-%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E5%85%83/">Artificial Neuron (人工神经元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/perceptron-%E6%84%9F%E7%9F%A5%E6%9C%BA/">Perceptron (感知机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/boolean-algebra-%E5%B8%83%E5%B0%94%E4%BB%A3%E6%95%B0/">Boolean Algebra (布尔代数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cybernetics-%E6%8E%A7%E5%88%B6%E8%AE%BA/">Cybernetics (控制论)</a></li> </ul>视觉语言模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vision_language/Sat, 18 Jul 2026 11:02:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vision_language/<h2 id="definition">Definition</h2> <p>视觉语言模型通常被称为多模态大语言模型（MLLMs），它们整合了计算机视觉和自然语言处理技术。这些模型使AI能够理解图像并生成相应的文本描述或回答。</p> <h3 id="summary">Summary</h3> <p>视觉语言模型是处理并将视觉数据与文本信息相关联以理解多模态上下文的AI系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态</li> <li>跨模态对齐</li> <li>图像描述生成</li> <li>视觉问答</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化图像描述生成</li> <li>视觉问答系统</li> <li>结合上下文的内容审核</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clip-%E5%AF%B9%E6%AF%94%E8%AF%AD%E8%A8%80-%E5%9B%BE%E5%83%8F%E9%A2%84%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B/">CLIP (对比语言-图像预训练模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal-ai-%E5%A4%9A%E6%A8%A1%E6%80%81%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Multimodal AI (多模态人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> </ul>向量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vector/Sat, 18 Jul 2026 11:02:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vector/<h2 id="definition">Definition</h2> <p>在人工智能中，向量是一种用于以数值形式表示信息的基本数据结构。它由一个有序的数字列表（元素）组成，将实体的特征映射到多维空间中。</p> <h3 id="summary">Summary</h3> <p>一种数学对象，表示具有大小和方向的量，在人工智能中常用于在高维空间中编码数据点。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>维度</li> <li>嵌入</li> <li>模长</li> <li>方向</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数据库中的语义搜索</li> <li>自然语言处理嵌入</li> <li>图像识别特征提取</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span>vec <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([<span style="color:#099">1.0</span>, <span style="color:#099">2.0</span>, <span style="color:#099">3.0</span>]) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(vec<span style="color:#000;font-weight:bold">.</span>shape) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensor-%E5%BC%A0%E9%87%8F/">Tensor (张量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/matrix-%E7%9F%A9%E9%98%B5/">Matrix (矩阵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cosine-similarity-%E4%BD%99%E5%BC%A6%E7%9B%B8%E4%BC%BC%E5%BA%A6/">Cosine Similarity (余弦相似度)</a></li> </ul>Token Limithttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/token_limit/Sat, 18 Jul 2026 11:02:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/token_limit/<h2 id="definition">Definition</h2> <p>令牌限制定义了大型语言模型的上下文窗口大小约束，限制了同时可以分析或生成的文本量。这一架构边界影响内存管理、</p> <h3 id="summary">Summary</h3> <p>AI模型在单个输入或输出序列中可处理的最大令牌数量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文窗口</li> <li>截断</li> <li>提示工程</li> <li>内存管理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计检索增强生成（RAG）系统</li> <li>优化提示长度</li> <li>处理长文档</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context_window-%E4%B8%8A%E4%B8%8B%E6%96%87%E7%AA%97%E5%8F%A3/">context_window (上下文窗口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chunking-%E5%88%86%E5%9D%97/">chunking (分块)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt_tuning-%E6%8F%90%E7%A4%BA%E5%BE%AE%E8%B0%83/">prompt_tuning (提示微调)</a></li> </ul>Tool Usehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tool_use/Sat, 18 Jul 2026 11:02:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tool_use/<h2 id="definition">Definition</h2> <p>工具使用使语言模型能够通过调用预定义函数（如计算器、搜索引擎或数据库查询）与外部软件环境交互。这种方法扩展了模</p> <h3 id="summary">Summary</h3> <p>一种范式，AI代理通过选择和执行外部函数或API来执行超出其原生能力的特定任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>函数调用</li> <li>代理架构</li> <li>API集成</li> <li>外部知识</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化客服机器人</li> <li>数据分析助手</li> <li>智能家居自动化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-%E6%99%BA%E8%83%BD%E4%BD%93/">agent (智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/function_calling-%E5%87%BD%E6%95%B0%E8%B0%83%E7%94%A8/">function_calling (函数调用)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api_integration-api%E9%9B%86%E6%88%90/">api_integration (API集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval_augmented_generation-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">retrieval_augmented_generation (检索增强生成)</a></li> </ul>Translationhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/translation/Sat, 18 Jul 2026 11:02:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/translation/<h2 id="definition">Definition</h2> <p>AI中的翻译指的是神经机器翻译，其中深度学习模型映射语言之间的语义表示。与基于规则的系统不同，现代方法学习上下文细微差别</p> <h3 id="summary">Summary</h3> <p>将文本从源自然语言转换为目标自然语言，同时保留含义的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经机器翻译</li> <li>源语言</li> <li>目标语言</li> <li>语义保留</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>全球内容本地化</li> <li>实时聊天口译</li> <li>文档多语言化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nmt-%E7%A5%9E%E7%BB%8F%E6%9C%BA%E5%99%A8%E7%BF%BB%E8%AF%91/">nmt (神经机器翻译)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/localization-%E6%9C%AC%E5%9C%B0%E5%8C%96/">localization (本地化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multilingual_models-%E5%A4%9A%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">multilingual_models (多语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_lingual_transfer-%E8%B7%A8%E8%AF%AD%E8%A8%80%E8%BF%81%E7%A7%BB/">cross_lingual_transfer (跨语言迁移)</a></li> </ul>Transparencyhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transparency/Sat, 18 Jul 2026 11:02:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transparency/<h2 id="definition">Definition</h2> <p>透明度确保利益相关者能够理解AI模型如何得出其输出，从而培养信任和问责制。它涉及披露训练数据起源、模型架构和</p> <h3 id="summary">Summary</h3> <p>AI系统的决策过程、数据来源和局限性向用户开放且可理解的程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可解释性</li> <li>问责制</li> <li>偏见披露</li> <li>用户信任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监管合规报告</li> <li>建立医疗保健AI的用户信任</li> <li>审计算法决策</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable_ai-%E5%8F%AF%E8%A7%A3%E9%87%8Aai/">explainable_ai (可解释AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/accountability-%E9%97%AE%E8%B4%A3%E5%88%B6/">accountability (问责制)</a></li> </ul>Unsupervised Learninghttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unsupervised_learning/Sat, 18 Jul 2026 11:02:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unsupervised_learning/<h2 id="definition">Definition</h2> <p>无监督学习自主识别原始数据中的隐藏结构、聚类或分布。常见方法包括聚类、降维和生成建模。它是</p> <h3 id="summary">Summary</h3> <p>一种机器学习技术，模型在无标签数据中学习模式，无需明确的指导或正确答案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>聚类</li> <li>降维</li> <li>模式识别</li> <li>缺乏标注数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户细分</li> <li>异常检测</li> <li>NLP中的主题建模</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clustering-%E8%81%9A%E7%B1%BB/">clustering (聚类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pca-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/">pca (主成分分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autoencoder-%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">autoencoder (自编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semi_supervised_learning-%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">semi_supervised_learning (半监督学习)</a></li> </ul>Softmaxhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/softmax/Sat, 18 Jul 2026 11:02:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/softmax/<h2 id="definition">Definition</h2> <p>Softmax 广泛用于多分类任务中神经网络的输出层。它接收原始对数几率（logits）向量并对其进行归一化，使每个元素代表一个概率值。</p> <h3 id="summary">Summary</h3> <p>一种数学函数，将任意实数值分数向量转换为概率分布。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>概率分布</li> <li>对数几率 (Logits)</li> <li>归一化</li> <li>多分类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像分类的输出层</li> <li>语言模型的词元预测</li> <li>多标签分类</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn.functional</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">F</span> </span></span><span style="display:flex;"><span>logits <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>tensor([<span style="color:#099">1.0</span>, <span style="color:#099">2.0</span>, <span style="color:#099">3.0</span>]) </span></span><span style="display:flex;"><span>probs <span style="color:#000;font-weight:bold">=</span> F<span style="color:#000;font-weight:bold">.</span>softmax(logits, dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0</span>) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(probs) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/argmax-%E5%8F%96%E6%9C%80%E5%A4%A7%E5%80%BC%E7%B4%A2%E5%BC%95/">Argmax (取最大值索引)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%A4%E5%8F%89%E7%86%B5%E6%8D%9F%E5%A4%B1-cross-entropy-loss/">交叉熵损失 (Cross-Entropy Loss)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%B9%E6%95%B0%E5%87%A0%E7%8E%87-logits/">对数几率 (Logits)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-neural-network/">神经网络 (Neural Network)</a></li> </ul>测试https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/testing/Sat, 18 Jul 2026 11:02:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/testing/<h2 id="definition">Definition</h2> <p>AI 工程中的测试涉及使用多样化的数据集严格评估模型，以识别偏见、错误和鲁棒性问题。它包括对代码组件的单元测试、集成测试等。</p> <h3 id="summary">Summary</h3> <p>系统地评估 AI 模型在未见过数据上的性能和可靠性，以确保质量和安全的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>评估指标</li> <li>偏见检测</li> <li>鲁棒性</li> <li>生产就绪状态</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>部署前验证模型准确性</li> <li>检测对抗性漏洞</li> <li>确保符合伦理准则</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.metrics</span> <span style="color:#000;font-weight:bold">import</span> accuracy_score </span></span><span style="display:flex;"><span>y_pred <span style="color:#000;font-weight:bold">=</span> model<span style="color:#000;font-weight:bold">.</span>predict(X_test) </span></span><span style="display:flex;"><span>accuracy <span style="color:#000;font-weight:bold">=</span> accuracy_score(y_test, y_pred) </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">assert</span> accuracy <span style="color:#000;font-weight:bold">&gt;</span> <span style="color:#099">0.9</span>, <span style="color:#d14">&#34;Model accuracy below threshold&#34;</span> </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%AA%8C%E8%AF%81-validation/">验证 (Validation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95-benchmarking/">基准测试 (Benchmarking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8C%81%E7%BB%AD%E9%9B%86%E6%88%90-%E6%8C%81%E7%BB%AD%E4%BA%A4%E4%BB%98-ci-cd/">持续集成/持续交付 (CI/CD)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E8%AF%84%E4%BC%B0-model-evaluation/">模型评估 (Model Evaluation)</a></li> </ul>监督微调https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supervised_fine_tuning/Sat, 18 Jul 2026 11:02:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supervised_fine_tuning/<h2 id="definition">Definition</h2> <p>监督微调（SFT）涉及采用大型预训练模型（如语言模型），并在较小的高质量、针对特定下游任务标注的数据集上继续训练该模型。</p> <h3 id="summary">Summary</h3> <p>在特定数据集上进一步训练预训练模型，使其适应特定任务或领域的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预训练模型</li> <li>迁移学习</li> <li>指令微调</li> <li>领域适配</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定制聊天机器人开发</li> <li>专业医疗问答系统</li> <li>代码生成助手</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>train() </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">for</span> batch <span style="color:#000;font-weight:bold">in</span> dataloader: </span></span><span style="display:flex;"><span> inputs, labels <span style="color:#000;font-weight:bold">=</span> batch </span></span><span style="display:flex;"><span> outputs <span style="color:#000;font-weight:bold">=</span> model(inputs, labels<span style="color:#000;font-weight:bold">=</span>labels) </span></span><span style="display:flex;"><span> loss <span style="color:#000;font-weight:bold">=</span> outputs<span style="color:#000;font-weight:bold">.</span>loss </span></span><span style="display:flex;"><span> loss<span style="color:#000;font-weight:bold">.</span>backward() </span></span><span style="display:flex;"><span> optimizer<span style="color:#000;font-weight:bold">.</span>step() </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%A2%84%E8%AE%AD%E7%BB%83-pre-training/">预训练 (Pre-training)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-rlhf/">基于人类反馈的强化学习 (RLHF)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B-prompt-engineering/">提示工程 (Prompt Engineering)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B-llm/">大语言模型 (LLM)</a></li> </ul>监督学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supervised_learning/Sat, 18 Jul 2026 11:02:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supervised_learning/<h2 id="definition">Definition</h2> <p>在监督学习中，算法在带标签的数据集上进行训练，意味着每个输入示例都与正确的输出配对。目标是让模型学习输入与输出之间的潜在关系。</p> <h3 id="summary">Summary</h3> <p>一种机器学习范式，模型基于带标签的训练示例学习将输入映射到输出。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>带标签数据</li> <li>输入-输出映射</li> <li>分类</li> <li>回归</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>垃圾邮件检测</li> <li>房价预测</li> <li>图像识别</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.linear_model</span> <span style="color:#000;font-weight:bold">import</span> LinearRegression </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> LinearRegression() </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>fit(X_train, y_train) </span></span><span style="display:flex;"><span>predictions <span style="color:#000;font-weight:bold">=</span> model<span style="color:#000;font-weight:bold">.</span>predict(X_test) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">无监督学习</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%AD%E7%BB%83%E9%9B%86/">训练集</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%AA%8C%E8%AF%81%E9%9B%86/">验证集</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E5%87%86%E7%A1%AE%E7%8E%87/">模型准确率</a></li> </ul>文本摘要https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/summarization/Sat, 18 Jul 2026 11:02:04 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/summarization/<h2 id="definition">Definition</h2> <p>文本摘要将大量文本缩减为较短版本，而不丢失核心含义。它可以是抽取式的，即从源文本中选择重要句子；也可以是抽象式的，即生成新的概括性语句。</p> <h3 id="summary">Summary</h3> <p>一项自然语言处理任务，生成较长文本的简洁连贯摘要，同时保留其关键信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>抽取式摘要</li> <li>抽象式摘要</li> <li>信息密度</li> <li>连贯性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>新闻文章精简</li> <li>会议纪要生成</li> <li>法律文档审查</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> pipeline </span></span><span style="display:flex;"><span>summarizer <span style="color:#000;font-weight:bold">=</span> pipeline(<span style="color:#d14">&#34;summarization&#34;</span>) </span></span><span style="display:flex;"><span>result <span style="color:#000;font-weight:bold">=</span> summarizer(<span style="color:#d14">&#34;AI is transforming industries...&#34;</span>, max_length<span style="color:#000;font-weight:bold">=</span><span style="color:#099">50</span>, min_length<span style="color:#000;font-weight:bold">=</span><span style="color:#099">10</span>)[<span style="color:#099">0</span>][<span style="color:#d14">&#39;summary_text&#39;</span>] </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E6%A8%A1%E5%9E%8B/">Transformer 模型</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert/">BERT</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/t5/">T5</a></li> </ul>残差连接https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/residual_connection/Sat, 18 Jul 2026 11:01:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/residual_connection/<h2 id="definition">Definition</h2> <p>残差连接（也称为跳跃连接）通过将输入直接添加到后续层的输出来允许梯度在网络中流动。这种架构解决了深层网络中的梯度消失问题。</p> <h3 id="summary">Summary</h3> <p>一种将输入直接加到层输出上的机制，以促进深层网络中的梯度流动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>跳跃连接</li> <li>梯度消失问题</li> <li>深度残差学习</li> <li>梯度流</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练深层卷积神经网络</li> <li>Transformer 架构</li> <li>图像分类模型</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">ResidualBlock</span>(nn<span style="color:#000;font-weight:bold">.</span>Module): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> __init__(<span style="color:#999">self</span>, channels): </span></span><span style="display:flex;"><span> <span style="color:#0086b3">super</span>()<span style="color:#000;font-weight:bold">.</span>__init__() </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>conv <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Conv2d(channels, channels, <span style="color:#099">3</span>, padding<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">forward</span>(<span style="color:#999">self</span>, x): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> x <span style="color:#000;font-weight:bold">+</span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>conv(x) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/skip_connection-%E8%B7%B3%E8%B7%83%E8%BF%9E%E6%8E%A5/">skip_connection (跳跃连接)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vanishing_gradient-%E6%A2%AF%E5%BA%A6%E6%B6%88%E5%A4%B1/">vanishing_gradient (梯度消失)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/resnet-%E6%AE%8B%E5%B7%AE%E7%BD%91%E7%BB%9C/">resnet (残差网络)</a></li> </ul>检索https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/retrieval/Sat, 18 Jul 2026 11:01:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/retrieval/<h2 id="definition">Definition</h2> <p>检索是指根据用户查询或上下文，从大型数据集或外部知识库中搜索和提取特定信息的技术过程。在现代 AI 系统中，它&hellip;</p> <h3 id="summary">Summary</h3> <p>从数据库或知识库中获取相关数据以增强模型输入的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息检索</li> <li>向量搜索</li> <li>索引</li> <li>排序</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户支持聊天机器人</li> <li>文档搜索引擎</li> <li>推荐系统</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>null </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">rag (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantic_search-%E8%AF%AD%E4%B9%89%E6%90%9C%E7%B4%A2/">semantic_search (语义搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">embedding (嵌入)</a></li> </ul>软件开发工具包https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sdk/Sat, 18 Jul 2026 11:01:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/sdk/<h2 id="definition">Definition</h2> <p>SDK 是一组软件开发工具，允许开发人员为特定平台或服务创建应用程序。对于 AI 而言，SDK 提供预建的库、API 和实用程序来&hellip;</p> <h3 id="summary">Summary</h3> <p>提供用于构建应用程序的工具、库和文档的软件套件。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>API 集成</li> <li>库</li> <li>开发工具</li> <li>抽象</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将大语言模型集成到应用中</li> <li>构建计算机视觉流水线</li> <li>将机器学习模型部署到生产环境</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>null </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E7%BC%96%E7%A8%8B%E6%8E%A5%E5%8F%A3/">api (应用程序编程接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/library-%E5%BA%93/">library (库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/framework-%E6%A1%86%E6%9E%B6/">framework (框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/toolkit-%E5%B7%A5%E5%85%B7%E5%8C%85/">toolkit (工具包)</a></li> </ul>语义搜索https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic_search/Sat, 18 Jul 2026 11:01:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic_search/<h2 id="definition">Definition</h2> <p>语义搜索解释查询背后的意图和上下文含义，超越了简单的关键词匹配。它使用嵌入将文本表示为高维空间中的向量，从而允许&hellip;</p> <h3 id="summary">Summary</h3> <p>一种理解查询词含义而非仅匹配关键词的搜索技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>嵌入</li> <li>向量相似度</li> <li>意图识别</li> <li>上下文理解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业文档搜索</li> <li>电子商务产品发现</li> <li>知识库查询</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>null </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval-%E6%A3%80%E7%B4%A2/">retrieval (检索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)</a></li> </ul>自监督学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_supervised_learning/Sat, 18 Jul 2026 11:01:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_supervised_learning/<h2 id="definition">Definition</h2> <p>自监督学习是一种技术，算法从无标签数据本身创建监督信号，通常通过预测输入的缺失部分来实现。它弥合了无监督学习和&hellip;</p> <h3 id="summary">Summary</h3> <p>一种训练方法，模型从输入数据中生成自己的标签以学习表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预训练</li> <li>掩码语言建模</li> <li>对比学习</li> <li>表示学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>图像表示学习</li> <li>语音识别系统</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>null </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pre_training-%E9%A2%84%E8%AE%AD%E7%BB%83/">pre_training (预训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/unsupervised_learning-%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">unsupervised_learning (无监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer/">transformer (Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contrastive_loss-%E5%AF%B9%E6%AF%94%E6%8D%9F%E5%A4%B1/">contrastive_loss (对比损失)</a></li> </ul>ReActhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/react/Sat, 18 Jul 2026 11:01:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/react/<h2 id="definition">Definition</h2> <p>ReAct 框架使大语言模型能够以交错的方式生成推理轨迹和特定于任务的行动。通过模拟类人的思维过程，它允许模型与外部环境进行交互（原文截断，意为 interaction with external environment）。</p> <h3 id="summary">Summary</h3> <p>ReAct 是一种提示范式，通过结合推理和行动来提升大型语言模型在复杂任务上的表现。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>交错推理</li> <li>行动生成</li> <li>观察整合</li> <li>思维链</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂问答系统</li> <li>自主智能体</li> <li>事实核查工作流</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">Chain-of-Thought (思维链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-%E6%99%BA%E8%83%BD%E4%BD%93/">Agent (智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">Prompt Engineering (提示工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> </ul>ReLUhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/relu/Sat, 18 Jul 2026 11:01:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/relu/<h2 id="definition">Definition</h2> <p>由于其计算效率高且能缓解梯度消失问题，ReLU 被广泛应用于深度学习的神经网络中。其数学定义为 f(x) = max(0, x)，它引入了非线性特性（原文截断，意为 introduces non-linearity）。</p> <h3 id="summary">Summary</h3> <p>修正线性单元（ReLU）是一种激活函数，如果输入为正，则直接输出该输入；否则输出零。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>非线性</li> <li>激活函数</li> <li>梯度消失</li> <li>分段线性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>卷积神经网络中的隐藏层</li> <li>深度前馈网络</li> <li>图像识别模型</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>activation <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>ReLU() </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sigmoid-s%E5%9E%8B%E5%87%BD%E6%95%B0/">Sigmoid (S型函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tanh-%E5%8F%8C%E6%9B%B2%E6%AD%A3%E5%88%87%E5%87%BD%E6%95%B0/">Tanh (双曲正切函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/leaky-relu-%E6%B3%84%E6%BC%8F%E4%BF%AE%E6%AD%A3%E7%BA%BF%E6%80%A7%E5%8D%95%E5%85%83/">Leaky ReLU (泄漏修正线性单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-network-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Network (神经网络)</a></li> </ul>REST APIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rest_api/Sat, 18 Jul 2026 11:01:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rest_api/<h2 id="definition">Definition</h2> <p>REST API 通过利用基于 HTTP 协议（如 GET、POST、PUT 和 DELETE）的无状态操作，实现客户端与服务器之间的通信。它将资源结构化为 URI，并使用标准格式（通常截断自“standard formats”或类似语境，此处补全为完整语义）进行数据交换。</p> <h3 id="summary">Summary</h3> <p>表述性状态转移（REST）API 是一种为设计网络应用程序而采用的架构风格，它依赖于标准的 HTTP 方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>无状态性</li> <li>HTTP 方法</li> <li>基于资源的 URI</li> <li>JSON 序列化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>微服务间通信</li> <li>移动应用后端集成</li> <li>第三方数据访问</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/graphql-%E5%8F%A6%E4%B8%80%E7%A7%8D-api-%E6%9F%A5%E8%AF%A2%E8%AF%AD%E8%A8%80/">GraphQL (另一种 API 查询语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/soap-%E7%AE%80%E5%8D%95%E5%AF%B9%E8%B1%A1%E8%AE%BF%E9%97%AE%E5%8D%8F%E8%AE%AE/">SOAP (简单对象访问协议)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/http-%E8%B6%85%E6%96%87%E6%9C%AC%E4%BC%A0%E8%BE%93%E5%8D%8F%E8%AE%AE/">HTTP (超文本传输协议)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/json-javascript-%E5%AF%B9%E8%B1%A1%E8%A1%A8%E7%A4%BA%E6%B3%95/">JSON (JavaScript 对象表示法)</a></li> </ul>推理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reasoning/Sat, 18 Jul 2026 11:01:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reasoning/<h2 id="definition">Definition</h2> <p>在人工智能中，推理涉及模拟逻辑演绎、归纳或溯因的算法，以处理数据并生成见解。它包括符号逻辑、概率推断等技术（原文截断，意为 encompasses techniques like&hellip;）。</p> <h3 id="summary">Summary</h3> <p>推理是指基于可用信息得出结论、做出预测或解决问题的认知过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>逻辑演绎</li> <li>推断</li> <li>问题解决</li> <li>上下文理解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数学证明生成</li> <li>法律文档分析</li> <li>策略游戏对弈</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic-%E9%80%BB%E8%BE%91/">Logic (逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-engine-%E6%8E%A8%E7%90%86%E5%BC%95%E6%93%8E/">Inference Engine (推理引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cognitive-computing-%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">Cognitive Computing (认知计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> </ul>循环神经网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/recurrent_neural_network/Sat, 18 Jul 2026 11:01:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/recurrent_neural_network/<h2 id="definition">Definition</h2> <p>RNN 旨在识别数据序列中的模式，例如文本、基因组、手写体或语音。与前馈网络不同，它们具有内部记忆，能够捕获关于先前输入的信息（原文截断，意为 captures information about previous inputs）。</p> <h3 id="summary">Summary</h3> <p>RNN 是一类人工神经网络，其中节点之间的连接沿时间序列形成有向图。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>序列数据</li> <li>隐藏状态</li> <li>时间动态</li> <li>随时间反向传播</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语言建模</li> <li>时间序列预测</li> <li>语音识别</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lstm-%E9%95%BF%E7%9F%AD%E6%9C%9F%E8%AE%B0%E5%BF%86%E7%BD%91%E7%BB%9C/">LSTM (长短期记忆网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gru-%E9%97%A8%E6%8E%A7%E5%BE%AA%E7%8E%AF%E5%8D%95%E5%85%83/">GRU (门控循环单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-to-sequence-%E5%BA%8F%E5%88%97%E5%88%B0%E5%BA%8F%E5%88%97/">Sequence-to-Sequence (序列到序列)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> </ul>QLoRAhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qlora/Sat, 18 Jul 2026 11:01:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/qlora/<h2 id="definition">Definition</h2> <p>QLoRA 将低秩适应（LoRA）与 4 位量化相结合，显著减少了微调大规模模型所需的内存占用。通过将权重存储为 4 位格式并添加训练好的低秩适配器，该方法在保持性能的同时降低了资源需求。</p> <h3 id="summary">Summary</h3> <p>量化低秩适应，一种使用 4 位量化和低秩适配器高效微调大型语言模型的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>低秩适应</li> <li>4 位量化</li> <li>内存效率</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>消费级 GPU 微调</li> <li>资源受限环境</li> <li>快速模型迭代</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">peft</span> <span style="color:#000;font-weight:bold">import</span> LoraConfig, get_peft_model </span></span><span style="display:flex;"><span>config <span style="color:#000;font-weight:bold">=</span> LoraConfig(r<span style="color:#000;font-weight:bold">=</span><span style="color:#099">8</span>, lora_alpha<span style="color:#000;font-weight:bold">=</span><span style="color:#099">32</span>, target_modules<span style="color:#000;font-weight:bold">=</span>[<span style="color:#d14">&#34;q_proj&#34;</span>, <span style="color:#d14">&#34;v_proj&#34;</span>]) </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> get_peft_model(base_model, config) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora/">LoRA</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88%E5%BE%AE%E8%B0%83-peft/">参数高效微调 (PEFT)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%8C%96-quantization/">量化 (Quantization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88%E5%BE%AE%E8%B0%83-parameter-efficient-fine-tuning/">参数高效微调 (Parameter-Efficient Fine-Tuning)</a></li> </ul>量化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantization/Sat, 18 Jul 2026 11:01:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/quantization/<h2 id="definition">Definition</h2> <p>量化将高精度浮点数（如 FP32）转换为低精度格式（如 INT8 或 FP16）。这种转换减少了模型的内存使用和计算需求，从而加速推理过程并降低硬件要求。</p> <h3 id="summary">Summary</h3> <p>一种模型优化技术，通过降低神经网络计算中数字的精度来减小模型体积并提高速度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>精度降低</li> <li>推理速度</li> <li>内存优化</li> <li>INT8/FP16</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>边缘设备部署</li> <li>移动 AI 应用</li> <li>实时推理</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.quantization</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">quant</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example of converting a model to quantized format</span> </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>eval() </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>qconfig <span style="color:#000;font-weight:bold">=</span> quant<span style="color:#000;font-weight:bold">.</span>get_default_qconfig(<span style="color:#d14">&#39;fbgemm&#39;</span>) </span></span><span style="display:flex;"><span>quantized_model <span style="color:#000;font-weight:bold">=</span> quant<span style="color:#000;font-weight:bold">.</span>prepare(model, inplace<span style="color:#000;font-weight:bold">=</span><span style="color:#000;font-weight:bold">False</span>) </span></span><span style="display:flex;"><span>quantized_model <span style="color:#000;font-weight:bold">=</span> quant<span style="color:#000;font-weight:bold">.</span>convert(quantized_model, inplace<span style="color:#000;font-weight:bold">=</span><span style="color:#000;font-weight:bold">False</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%89%AA%E6%9E%9D-pruning/">剪枝 (Pruning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A5%E8%AF%86%E8%92%B8%E9%A6%8F-knowledge-distillation/">知识蒸馏 (Knowledge Distillation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B7%E5%90%88%E7%B2%BE%E5%BA%A6%E8%AE%AD%E7%BB%83-mixed-precision-training/">混合精度训练 (Mixed Precision Training)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/onnx/">ONNX</a></li> </ul>提示注入https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt_injection/Sat, 18 Jul 2026 11:01:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt_injection/<h2 id="definition">Definition</h2> <p>提示注入利用大语言模型解释用户指令的方式，通过在输入文本中嵌入隐藏或冲突的指令来 exploit 这一特性。这可能导致模型忽略其原始的系统设定或安全限制。</p> <h3 id="summary">Summary</h3> <p>一种对抗性攻击，恶意输入操纵 AI 模型以绕过安全过滤器或执行非预期命令。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗性攻击</li> <li>系统提示词</li> <li>安全风险</li> <li>输入清洗</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型安全测试</li> <li>聊天机器人安全性</li> <li>数据隐私保护</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%B6%8A%E7%8B%B1-jailbreaking/">越狱 (Jailbreaking)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BA%A2%E9%98%9F%E6%B5%8B%E8%AF%95-red-teaming/">红队测试 (Red Teaming)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8A%A4%E6%A0%8F%E6%9C%BA%E5%88%B6-guardrails/">护栏机制 (Guardrails)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B9%BB%E8%A7%89-hallucination/">幻觉 (Hallucination)</a></li> </ul>位置编码https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/positional_encoding/Sat, 18 Jul 2026 11:01:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/positional_encoding/<h2 id="definition">Definition</h2> <p>由于 Transformer 并行处理所有令牌，而不是像循环神经网络（RNN）那样按顺序处理，因此它缺乏对令牌顺序的固有认知。位置编码通过向输入嵌入添加特定的向量来保留这种顺序信息。</p> <h3 id="summary">Summary</h3> <p>一种将序列中令牌的相对或绝对位置信息注入 Transformer 模型的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>序列顺序</li> <li>自注意力机制</li> <li>正弦函数</li> <li>令牌嵌入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器翻译</li> <li>文本摘要</li> <li>语言建模</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">9 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">math</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">get_positional_encoding</span>(seq_len, d_model): </span></span><span style="display:flex;"><span> pe <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>zeros(seq_len, d_model) </span></span><span style="display:flex;"><span> position <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>arange(<span style="color:#099">0</span>, seq_len, dtype<span style="color:#000;font-weight:bold">=</span>torch<span style="color:#000;font-weight:bold">.</span>float)<span style="color:#000;font-weight:bold">.</span>unsqueeze(<span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> div_term <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>exp(torch<span style="color:#000;font-weight:bold">.</span>arange(<span style="color:#099">0</span>, d_model, <span style="color:#099">2</span>)<span style="color:#000;font-weight:bold">.</span>float() <span style="color:#000;font-weight:bold">*</span> (<span style="color:#000;font-weight:bold">-</span>math<span style="color:#000;font-weight:bold">.</span>log(<span style="color:#099">10000.0</span>) <span style="color:#000;font-weight:bold">/</span> d_model)) </span></span><span style="display:flex;"><span> pe[:, <span style="color:#099">0</span>::<span style="color:#099">2</span>] <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>sin(position <span style="color:#000;font-weight:bold">*</span> div_term) </span></span><span style="display:flex;"><span> pe[:, <span style="color:#099">1</span>::<span style="color:#099">2</span>] <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>cos(position <span style="color:#000;font-weight:bold">*</span> div_term) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> pe<span style="color:#000;font-weight:bold">.</span>unsqueeze(<span style="color:#099">0</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E6%9E%B6%E6%9E%84/">Transformer 架构</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5-embedding/">嵌入 (Embedding)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6-attention-mechanism/">注意力机制 (Attention Mechanism)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%8B%E8%BD%AC%E4%BD%8D%E7%BD%AE%E7%BC%96%E7%A0%81-rope/">旋转位置编码 (RoPE)</a></li> </ul>问答https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/question_answering/Sat, 18 Jul 2026 11:01:29 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/question_answering/<h2 id="definition">Definition</h2> <p>问答（QA）涉及从给定上下文或知识库中检索或生成对用户查询的准确响应。它包括依赖特定文档的封闭领域问答，以及基于通用知识的开放领域问答。</p> <h3 id="summary">Summary</h3> <p>一项自然语言处理任务，系统自动提供用自然语言提出的问题的精确答案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息检索</li> <li>语义理解</li> <li>上下文提取</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>虚拟助手</li> <li>搜索引擎</li> <li>客户支持自动化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90-retrieval-augmented-generation/">检索增强生成 (Retrieval-Augmented Generation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB-named-entity-recognition/">命名实体识别 (Named Entity Recognition)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%96%87%E6%9C%AC%E6%91%98%E8%A6%81-text-summarization/">文本摘要 (Text Summarization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%84%8F%E5%9B%BE%E5%88%86%E7%B1%BB-intent-classification/">意图分类 (Intent Classification)</a></li> </ul>多示例学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multiple_instance_learning/Sat, 18 Jul 2026 11:01:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multiple_instance_learning/<h2 id="definition">Definition</h2> <p>多示例学习（MIL）解决的是数据被分组为具有单一标签的“包”，而包内的各个实例未标记的场景。通常，如果一个包中包含至少一个正例实例，则该包被标记为正例；否则为负例。</p> <h3 id="summary">Summary</h3> <p>一种弱监督学习范式，标签被分配给实例集合（包），而非单个实例。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>包级标注</li> <li>实例级不确定性</li> <li>弱监督</li> <li>正/负包逻辑</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>药物活性预测</li> <li>基于边界框的图像分类</li> <li>基于内容的图像检索</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/weak_supervision-%E5%BC%B1%E7%9B%91%E7%9D%A3/">weak_supervision (弱监督)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bagging-%E8%A3%85%E8%A2%8B%E6%B3%95/">bagging (装袋法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/instance_classification-%E5%AE%9E%E4%BE%8B%E5%88%86%E7%B1%BB/">instance_classification (实例分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/label_noise-%E6%A0%87%E7%AD%BE%E5%99%AA%E5%A3%B0/">label_noise (标签噪声)</a></li> </ul>规划https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/planning/Sat, 18 Jul 2026 11:01:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/planning/<h2 id="definition">Definition</h2> <p>AI中的规划涉及确定一系列动作，使系统从初始状态过渡到期望的目标状态。这需要推理动作的影响以及环境的约束条件。</p> <h3 id="summary">Summary</h3> <p>在特定环境中生成一系列动作以实现特定目标的认知过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态空间搜索</li> <li>动作序列</li> <li>目标满足</li> <li>启发式搜索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人导航</li> <li>供应链物流</li> <li>自动驾驶决策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement_learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">reinforcement_learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/search_algorithms-%E6%90%9C%E7%B4%A2%E7%AE%97%E6%B3%95/">search_algorithms (搜索算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decision_making-%E5%86%B3%E7%AD%96%E5%88%B6%E5%AE%9A/">decision_making (决策制定)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state_space-%E7%8A%B6%E6%80%81%E7%A9%BA%E9%97%B4/">state_space (状态空间)</a></li> </ul>过拟合https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/overfitting/Sat, 18 Jul 2026 11:01:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/overfitting/<h2 id="definition">Definition</h2> <p>当模型对训练数据学习得过于完美，包括其随机噪声和异常值时，就会发生过拟合。这导致模型在训练数据上表现优异，但在新的、未见过的测试数据上表现糟糕。</p> <h3 id="summary">Summary</h3> <p>一种建模误差，机器学习算法捕捉到了噪声而非潜在信号，从而损害了泛化能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>高方差</li> <li>泛化能力差</li> <li>训练误差与测试误差差距大</li> <li>模型复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>诊断模型性能问题</li> <li>选择正则化强度</li> <li>确定最佳模型深度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/underfitting-%E6%AC%A0%E6%8B%9F%E5%90%88/">underfitting (欠拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">cross_validation (交叉验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias_variance_tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">bias_variance_tradeoff (偏差-方差权衡)</a></li> </ul>命名实体识别https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/named_entity_recognition/Sat, 18 Jul 2026 11:01:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/named_entity_recognition/<h2 id="definition">Definition</h2> <p>命名实体识别（NER）是信息抽取的一个子任务，用于在文本中定位并将命名实体分类为预定义的类别，如人名、组织机构名、地名、医疗术语等。</p> <h3 id="summary">Summary</h3> <p>一项自然语言处理任务，旨在将关键信息实体识别并分类到预定义的类别中。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>实体类型化</li> <li>词元分类</li> <li>序列标注</li> <li>BiLSTM-CRF 架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>简历解析</li> <li>客户支持意图检测</li> <li>病历分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information_extraction-%E4%BF%A1%E6%81%AF%E6%8A%BD%E5%8F%96/">information_extraction (信息抽取)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/part_of_speech_tagging-%E8%AF%8D%E6%80%A7%E6%A0%87%E6%B3%A8/">part_of_speech_tagging (词性标注)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/coreference_resolution-%E6%8C%87%E4%BB%A3%E6%B6%88%E8%A7%A3/">coreference_resolution (指代消解)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenization-%E5%88%86%E8%AF%8D/">tokenization (分词)</a></li> </ul>优化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/optimization/Sat, 18 Jul 2026 11:01:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/optimization/<h2 id="definition">Definition</h2> <p>在机器学习中，优化指的是用于调整模型参数以最小化损失函数的算法，从而提高模型性能。常见方法包括梯度下降及其变体（如随机梯度下降、Adam等）。</p> <h3 id="summary">Summary</h3> <p>通过最小化或最大化目标函数来寻找最佳解决方案参数的数学过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>损失函数最小化</li> <li>梯度下降</li> <li>学习率</li> <li>收敛</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>神经网络训练</li> <li>超参数调优</li> <li>资源分配问题</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient_descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">gradient_descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/loss_function-%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0/">loss_function (损失函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter_tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">hyperparameter_tuning (超参数调优)</a></li> </ul>多模态https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multimodal/Sat, 18 Jul 2026 11:01:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multimodal/<h2 id="definition">Definition</h2> <p>多模态AI系统整合来自不同感官输入的信息，以形成对世界更全面的理解。与仅限于单一数据类型的单模态模型不同，多模态模型通过跨模态学习和数据融合，能够建立不同模态间的关联。这使得模型能够执行如视觉问答、视频描述等复杂任务，提供更接近人类感知的交互体验。</p> <h3 id="summary">Summary</h3> <p>指能够同时处理多种数据类型（如文本、图像、音频和视频）并生成相应内容的AI模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>跨模态学习</li> <li>数据融合</li> <li>表示学习</li> <li>感官输入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>视觉问答</li> <li>视频字幕生成</li> <li>视听语音识别</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (变换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> </ul>多智能体系统https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_agent_system/Sat, 18 Jul 2026 11:01:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_agent_system/<h2 id="definition">Definition</h2> <p>多智能体系统由多个独立智能体组成，每个智能体可能专注于不同的任务或领域。这些智能体通过通信和协调行动来实现共同目标。这种分布式方法提高了系统的鲁棒性和灵活性，适用于需要并行处理和复杂决策的场景，如自动化软件开发和复杂模拟环境。</p> <h3 id="summary">Summary</h3> <p>一种架构方法，其中多个自主AI智能体协作、竞争或协调，以解决超出单个智能体能力的复杂问题。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>智能体协作</li> <li>专业化</li> <li>协调</li> <li>去中心化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化软件开发</li> <li>复杂模拟环境</li> <li>分布式决策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-%E6%99%BA%E8%83%BD%E4%BD%93/">Agent (智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/orchestration-%E7%BC%96%E6%8E%92/">Orchestration (编排)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/swarm-intelligence-%E7%BE%A4%E4%BD%93%E6%99%BA%E8%83%BD/">Swarm Intelligence (群体智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/react-%E6%8E%A8%E7%90%86%E4%B8%8E%E8%A1%8C%E5%8A%A8/">ReAct (推理与行动)</a></li> </ul>记忆https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/memory/Sat, 18 Jul 2026 11:01:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/memory/<h2 id="definition">Definition</h2> <p>在人工智能中，记忆是指允许模型在单次推理步骤之外保留信息的机制。这包括用于即时上下文的短期工作记忆，以及用于长期知识保留的长期记忆。通过向量检索等技术，系统能够从历史交互中提取相关信息，从而增强对话连贯性和任务执行的准确性。</p> <h3 id="summary">Summary</h3> <p>AI系统跨交互存储、检索和利用信息的能力，以维持上下文并随时间推移提升性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>短期记忆</li> <li>长期记忆</li> <li>向量检索</li> <li>上下文窗口</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>个性化聊天机器人</li> <li>自主智能体</li> <li>持续学习系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-window-%E4%B8%8A%E4%B8%8B%E6%96%87%E7%AA%97%E5%8F%A3/">Context Window (上下文窗口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">RAG (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state-management-%E7%8A%B6%E6%80%81%E7%AE%A1%E7%90%86/">State Management (状态管理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5%E8%A1%A8%E7%A4%BA/">Embeddings (嵌入表示)</a></li> </ul>模型服务https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_serving/Sat, 18 Jul 2026 11:01:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_serving/<h2 id="definition">Definition</h2> <p>模型服务涉及将静态的训练模型封装在可扩展的基础设施中，以处理传入请求、执行推理并返回结果。关键挑战包括管理延迟、优化吞吐量以及确保高可用性。通过容器化和服务网格技术，模型服务使得AI能力能够以API形式稳定地提供给应用程序使用。</p> <h3 id="summary">Summary</h3> <p>将训练好的机器学习模型部署到生产环境中，以便为最终用户提供预测或生成输出的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>推理</li> <li>延迟优化</li> <li>可扩展性</li> <li>部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时推荐引擎</li> <li>图像分类API</li> <li>自然语言处理服务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E7%90%86/">Inference (推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deployment-%E9%83%A8%E7%BD%B2/">Deployment (部署)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/microservices-%E5%BE%AE%E6%9C%8D%E5%8A%A1/">Microservices (微服务)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/load-balancing-%E8%B4%9F%E8%BD%BD%E5%9D%87%E8%A1%A1/">Load Balancing (负载均衡)</a></li> </ul>模型上下文协议https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_context_protocol/Sat, 18 Jul 2026 11:01:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/model_context_protocol/<h2 id="definition">Definition</h2> <p>模型上下文协议（MCP）是一种开放标准，使AI应用能够以统一的方式连接各种数据源，如数据库、API和文件系统。它抽象了连接细节，允许开发人员轻松构建可移植的AI助手，并确保不同系统间的数据集成和工具调用具备互操作性和安全性。</p> <h3 id="summary">Summary</h3> <p>旨在促进AI模型与外部数据源或工具之间安全高效通信的标准化框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>互操作性</li> <li>标准化</li> <li>数据集成</li> <li>工具调用</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将大语言模型连接至企业数据</li> <li>构建可移植的AI助手</li> <li>安全的API集成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E7%BC%96%E7%A8%8B%E6%8E%A5%E5%8F%A3/">API (应用程序编程接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/integration-%E9%9B%86%E6%88%90/">Integration (集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interoperability-%E4%BA%92%E6%93%8D%E4%BD%9C%E6%80%A7/">Interoperability (互操作性)</a></li> </ul>损失函数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/loss_function/Sat, 18 Jul 2026 11:00:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/loss_function/<h2 id="definition">Definition</h2> <p>损失函数也被称为成本函数或误差函数，它提供一个标量值，指示模型的执行表现。在训练过程中，优化算法利用该值来计算梯度，从而更新模型参数以最小化误差。</p> <h3 id="summary">Summary</h3> <p>在训练期间量化预测值与实际目标值之间差异的数学函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>反向传播</li> <li>梯度计算</li> <li>优化</li> <li>误差指标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练监督学习模型</li> <li>评估模型性能</li> <li>超参数调优</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>criterion <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>CrossEntropyLoss() </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient_descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">gradient_descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_entropy-%E4%BA%A4%E5%8F%89%E7%86%B5/">cross_entropy (交叉熵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mse-%E5%9D%87%E6%96%B9%E8%AF%AF%E5%B7%AE/">mse (均方误差)</a></li> </ul>学习率https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_rate/Sat, 18 Jul 2026 11:00:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_rate/<h2 id="definition">Definition</h2> <p>学习率决定了在每次训练迭代中，模型权重相对于计算出的梯度更新了多少。如果学习率过高，可能导致模型在优化过程中越过最优解；如果过低，则可能导致训练收敛缓慢。</p> <h3 id="summary">Summary</h3> <p>控制模型优化过程中步长的超参数，旨在最小化损失函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度下降</li> <li>超参数调优</li> <li>收敛</li> <li>优化器</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>神经网络训练</li> <li>深度学习模型优化</li> <li>强化学习策略更新</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.optim</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">optim</span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> MyModel() </span></span><span style="display:flex;"><span>optimizer <span style="color:#000;font-weight:bold">=</span> optim<span style="color:#000;font-weight:bold">.</span>SGD(model<span style="color:#000;font-weight:bold">.</span>parameters(), lr<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0.01</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient_descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">gradient_descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimizer-%E4%BC%98%E5%8C%96%E5%99%A8/">optimizer (优化器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter-%E8%B6%85%E5%8F%82%E6%95%B0/">hyperparameter (超参数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convergence-%E6%94%B6%E6%95%9B/">convergence (收敛)</a></li> </ul>延迟https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/latency/Sat, 18 Jul 2026 11:00:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/latency/<h2 id="definition">Definition</h2> <p>延迟衡量AI服务的响应速度，通常以毫秒为单位表示。它包括推理时间、网络传输延迟和处理开销。低延迟对于实时应用至关重要。</p> <h3 id="summary">Summary</h3> <p>AI系统中请求发起与响应开始之间的时间延迟。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>推理时间</li> <li>响应时间</li> <li>实时处理</li> <li>优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语音识别系统</li> <li>自动驾驶车辆控制</li> <li>实时翻译服务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">throughput (吞吐量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E7%90%86/">inference (推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">optimization (优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/real_time-%E5%AE%9E%E6%97%B6/">real_time (实时)</a></li> </ul>长短期记忆网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long_short_term_memory/Sat, 18 Jul 2026 11:00:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long_short_term_memory/<h2 id="definition">Definition</h2> <p>LSTM网络通过使用细胞状态和三个门控机制（输入门、遗忘门和输出门），解决了标准RNN中常见的梯度消失问题。这些门控机制调节信息的流动，使网络能够记住或忘记特定信息。</p> <h3 id="summary">Summary</h3> <p>一种专门设计的循环神经网络架构，旨在学习序列数据中的长期依赖关系。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>门控机制</li> <li>细胞状态</li> <li>序列数据</li> <li>梯度消失</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>时间序列预测</li> <li>语音识别</li> <li>机器翻译</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>lstm <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>LSTM(input_size<span style="color:#000;font-weight:bold">=</span><span style="color:#099">10</span>, hidden_size<span style="color:#000;font-weight:bold">=</span><span style="color:#099">20</span>, num_layers<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recurrent_neural_network-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">recurrent_neural_network (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gates-%E9%97%A8%E6%8E%A7/">gates (门控)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence_modeling-%E5%BA%8F%E5%88%97%E5%BB%BA%E6%A8%A1/">sequence_modeling (序列建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">nlp (自然语言处理)</a></li> </ul>知识库https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_base/Sat, 18 Jul 2026 11:00:35 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge_base/<h2 id="definition">Definition</h2> <p>知识库充当数字图书馆，包含经过策划的数据、文档或事实，AI系统可以查询这些信息以提供准确且具备上下文感知的响应。在现代架构（如检索增强生成）中，知识库发挥着核心作用。</p> <h3 id="summary">Summary</h3> <p>用于支持决策制定和检索增强生成（RAG）的AI应用程序中的结构化信息集中存储库。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>检索增强生成</li> <li>向量嵌入</li> <li>语义搜索</li> <li>数据索引</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>客户支持聊天机器人</li> <li>企业文档搜索</li> <li>医疗诊断助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">rag (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5/">embeddings (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval-%E6%A3%80%E7%B4%A2/">retrieval (检索)</a></li> </ul>函数调用https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/function_calling/Sat, 18 Jul 2026 11:00:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/function_calling/<h2 id="definition">Definition</h2> <p>函数调用使大型语言模型能够通过生成指定执行哪个函数及其参数的结构化输出（如 JSON 对象）来与外部工具和 API 进行交互。</p> <h3 id="summary">Summary</h3> <p>一种允许大语言模型输出结构化数据以触发特定软件功能的机制。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>结构化输出</li> <li>API 集成</li> <li>工具使用</li> <li>JSON 模式</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过旅游 API 预订航班</li> <li>执行复杂的数学计算</li> <li>查询数据库记录</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/react-%E6%8E%A8%E7%90%86%E4%B8%8E%E8%A1%8C%E5%8A%A8/">ReAct (推理与行动)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-%E6%99%BA%E8%83%BD%E4%BD%93/">Agent (智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E7%BC%96%E7%A8%8B%E6%8E%A5%E5%8F%A3/">API (应用程序编程接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tool-use-%E5%B7%A5%E5%85%B7%E4%BD%BF%E7%94%A8/">Tool Use (工具使用)</a></li> </ul>可解释性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/interpretability/Sat, 18 Jul 2026 11:00:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/interpretability/<h2 id="definition">Definition</h2> <p>可解释性（或称可解释性）涉及使 AI 模型的内部工作原理和决策过程对人类透明且易于理解。这对于调试、确保公平性以及建立用户信任至关重要。</p> <h3 id="summary">Summary</h3> <p>人类理解 AI 模型做出决策原因的程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可解释 AI (XAI)</li> <li>透明度</li> <li>特征重要性</li> <li>信任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>贷款审批理由说明</li> <li>医疗治疗建议</li> <li>招聘算法中的偏见审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/black-box-%E9%BB%91%E7%9B%92/">Black Box (黑盒)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/shap-%E6%B2%99%E6%99%AE%E5%88%A9%E5%8A%A0%E5%92%8C%E8%A7%A3%E9%87%8A/">SHAP (沙普利加和解释)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/trustworthy-ai-%E5%8F%AF%E4%BF%A1-ai/">Trustworthy AI (可信 AI)</a></li> </ul>人在回路https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_in_the_loop/Sat, 18 Jul 2026 11:00:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/human_in_the_loop/<h2 id="definition">Definition</h2> <p>人在回路（HITL）指在工作流程的各个阶段（如数据标注、模型评估或最终决策批准）需要人类干预的 AI 系统。这种方法确保了系统的可靠性、准确性和伦理合规性。</p> <h3 id="summary">Summary</h3> <p>一种系统设计，人类积极参与 AI 模型的决策或反馈过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>反馈循环</li> <li>问责制</li> <li>验证</li> <li>监督</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断验证</li> <li>内容审核</li> <li>金融欺诈检测审批</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active Learning (主动学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-safety-ai-%E5%AE%89%E5%85%A8/">AI Safety (AI 安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automation-bias-%E8%87%AA%E5%8A%A8%E5%8C%96%E5%81%8F%E8%A7%81/">Automation Bias (自动化偏见)</a></li> </ul>梯度下降https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gradient_descent/Sat, 18 Jul 2026 11:00:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gradient_descent/<h2 id="definition">Definition</h2> <p>梯度下降是一种用于寻找可微函数局部最小值的一阶迭代优化算法。在机器学习中，它沿梯度的反方向更新模型权重，以逐步降低损失。</p> <h3 id="summary">Summary</h3> <p>一种迭代优化算法，通过调整模型参数来最小化损失函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>损失函数</li> <li>学习率</li> <li>优化</li> <li>反向传播</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练深度神经网络</li> <li>线性回归参数调优</li> <li>图像识别模型优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/learning-rate-%E5%AD%A6%E4%B9%A0%E7%8E%87/">Learning Rate (学习率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimizer-%E4%BC%98%E5%8C%96%E5%99%A8/">Optimizer (优化器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/loss-function-%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0/">Loss Function (损失函数)</a></li> </ul>越狱https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/jailbreak/Sat, 18 Jul 2026 11:00:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/jailbreak/<h2 id="definition">Definition</h2> <p>越狱涉及设计特定的输入或提示，诱骗 AI 模型忽略其内置的安全指南并生成禁止的内容，例如仇恨言论、危险指令或非法建议。</p> <h3 id="summary">Summary</h3> <p>一种旨在绕过 AI 模型安全过滤器和伦理约束的提示工程技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>提示注入</li> <li>安全过滤器</li> <li>红队测试</li> <li>对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>安全研究测试</li> <li>恶意生成有害内容</li> <li>评估模型鲁棒性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-injection-%E6%8F%90%E7%A4%BA%E6%B3%A8%E5%85%A5/">Prompt Injection (提示注入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial-attack-%E5%AF%B9%E6%8A%97%E6%94%BB%E5%87%BB/">Adversarial Attack (对抗攻击)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/red-teaming-%E7%BA%A2%E9%98%9F%E6%B5%8B%E8%AF%95/">Red Teaming (红队测试)</a></li> </ul>公平性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fairness/Sat, 18 Jul 2026 11:00:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fairness/<h2 id="definition">Definition</h2> <p>在人工智能领域，公平性是一项关键的伦理指标，确保算法不会基于种族、性别或年龄等受保护属性而延续或放大社会偏见。它涉及在模型开发和部署过程中识别和减轻潜在偏差的努力。</p> <h3 id="summary">Summary</h3> <p>公平性是指人工智能系统应避免对特定群体产生偏见或歧视性结果的原则。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>偏差缓解</li> <li>差异影响</li> <li>平等</li> <li>算法正义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>招聘算法评估</li> <li>贷款审批系统</li> <li>犯罪再犯预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86%E5%AD%A6/">ethics (伦理学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">explainability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/accountability-%E9%97%AE%E8%B4%A3%E5%88%B6/">accountability (问责制)</a></li> </ul>联邦学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/federated_learning/Sat, 18 Jul 2026 11:00:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/federated_learning/<h2 id="definition">Definition</h2> <p>联邦学习使组织能够在不共享敏感原始数据的情况下协作训练人工智能模型。与集中信息不同，模型被发送到本地设备，在那里进行局部学习，然后将更新后的参数聚合到全局模型中，从而在保护隐私的同时实现协同智能。</p> <h3 id="summary">Summary</h3> <p>联邦学习是一种分布式机器学习方法，它在保持数据本地化的同时在去中心化设备上训练模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据隐私</li> <li>分布式训练</li> <li>模型聚合</li> <li>边缘计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预测文本键盘</li> <li>医疗诊断协作</li> <li>金融欺诈检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/privacy-%E9%9A%90%E7%A7%81/">privacy (隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge_ai-%E8%BE%B9%E7%BC%98ai/">edge_ai (边缘AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed_systems-%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/">distributed_systems (分布式系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/differential_privacy-%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81/">differential_privacy (差分隐私)</a></li> </ul>少样本提示https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/few_shot_prompting/Sat, 18 Jul 2026 11:00:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/few_shot_prompting/<h2 id="definition">Definition</h2> <p>这种方法利用大型语言模型的上下文学习能力，直接在提示词中提供几个说明性示例。与需要更新模型权重的微调不同，少样本提示通过展示期望的输出格式或逻辑，让模型在不重新训练的情况下适应新任务。</p> <h3 id="summary">Summary</h3> <p>少样本提示是一种技术，通过在提示词中提供少量输入-输出示例来引导大型语言模型的行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文学习</li> <li>提示工程</li> <li>基于示例的引导</li> <li>零样本对比</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>情感分析格式化</li> <li>代码风格适配</li> <li>结构化数据提取</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>response <span style="color:#000;font-weight:bold">=</span> llm<span style="color:#000;font-weight:bold">.</span>generate( </span></span><span style="display:flex;"><span> prompt<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#34;Translate English to French:</span><span style="color:#d14">\n</span><span style="color:#d14">&#34;</span> </span></span><span style="display:flex;"><span> <span style="color:#d14">&#34;Hello -&gt; Bonjour</span><span style="color:#d14">\n</span><span style="color:#d14">&#34;</span> </span></span><span style="display:flex;"><span> <span style="color:#d14">&#34;World -&gt; Monde</span><span style="color:#d14">\n</span><span style="color:#d14">&#34;</span> </span></span><span style="display:flex;"><span> <span style="color:#d14">&#34;Cat -&gt; ?&#34;</span> </span></span><span style="display:flex;"><span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zero_shot-%E9%9B%B6%E6%A0%B7%E6%9C%AC/">zero_shot (零样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt_engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">prompt_engineering (提示工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/in_context_learning-%E4%B8%8A%E4%B8%8B%E6%96%87%E5%AD%A6%E4%B9%A0/">in_context_learning (上下文学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">llm (大型语言模型)</a></li> </ul>少样本学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/few_shot_learning/Sat, 18 Jul 2026 11:00:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/few_shot_learning/<h2 id="definition">Definition</h2> <p>少样本学习旨在使模型能够从寥寥几个示例中进行泛化，模仿人类的学习效率。它通常依赖于元学习策略，即模型先在一系列相关任务上进行预训练，从而获得快速适应新任务的能力，即使这些新任务只有少量标注数据可用。</p> <h3 id="summary">Summary</h3> <p>少样本学习是一种机器学习范式，模型仅从非常有限的标记训练数据中学习新概念。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元学习</li> <li>数据效率</li> <li>泛化能力</li> <li>任务适配</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>罕见疾病识别</li> <li>新产品分类</li> <li>自定义物体检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta_learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta_learning (元学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_efficiency-%E6%95%B0%E6%8D%AE%E6%95%88%E7%8E%87/">data_efficiency (数据效率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)</a></li> </ul>通量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/flux/Sat, 18 Jul 2026 11:00:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/flux/<h2 id="definition">Definition</h2> <p>在计算语境中，通量描述单位时间内通过给定区域的量转移速率。在人工智能和数据工程中，它通常与数据流有关，其中信息连续不断地移动和处理，强调实时性和高吞吐量，常见于流式数据处理场景。</p> <h3 id="summary">Summary</h3> <p>通量指系统或网络内数据、能量或信息的持续流动或变化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据流</li> <li>流处理</li> <li>变化率</li> <li>吞吐量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时分析</li> <li>物联网传感器数据处理</li> <li>网络流量监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/streaming-%E6%B5%81%E5%AA%92%E4%BD%93-%E6%B5%81%E5%A4%84%E7%90%86/">streaming (流媒体/流处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">throughput (吞吐量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">latency (延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_pipeline-%E6%95%B0%E6%8D%AE%E7%AE%A1%E9%81%93/">data_pipeline (数据管道)</a></li> </ul>Dockerhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/docker/Sat, 18 Jul 2026 10:59:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/docker/<h2 id="definition">Definition</h2> <p>Docker 使开发人员能够将应用程序及其所有依赖项打包成一个标准化的软件开发单元。这些容器将软件与其运行环境隔离开来，确保了一致性。</p> <h3 id="summary">Summary</h3> <p>Docker 是一个用于在轻量级、可移植的容器中开发、分发和运行应用程序的平台。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>容器化</li> <li>镜像</li> <li>隔离</li> <li>可移植性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>作为微服务部署经过训练的机器学习模型</li> <li>为数据科学团队标准化开发环境</li> <li>在云基础设施中扩展推理工作负载</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>FROM python:<span style="color:#099">3.9</span><span style="color:#000;font-weight:bold">-</span>slim </span></span><span style="display:flex;"><span>COPY <span style="color:#000;font-weight:bold">.</span> <span style="color:#000;font-weight:bold">/</span>app </span></span><span style="display:flex;"><span>WORKDIR <span style="color:#000;font-weight:bold">/</span>app </span></span><span style="display:flex;"><span>RUN pip install <span style="color:#000;font-weight:bold">-</span>r requirements<span style="color:#000;font-weight:bold">.</span>txt </span></span><span style="display:flex;"><span>CMD [<span style="color:#d14">&#34;python&#34;</span>, <span style="color:#d14">&#34;app.py&#34;</span>] </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kubernetes-k8s-%E5%AE%B9%E5%99%A8%E7%BC%96%E6%8E%92%E5%BC%95%E6%93%8E/">Kubernetes (K8s，容器编排引擎)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/virtual-machine-%E8%99%9A%E6%8B%9F%E6%9C%BA-%E6%8F%90%E4%BE%9B%E7%A1%AC%E4%BB%B6%E7%BA%A7%E9%9A%94%E7%A6%BB/">Virtual Machine (虚拟机，提供硬件级隔离)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ci-cd-%E6%8C%81%E7%BB%AD%E9%9B%86%E6%88%90%E4%B8%8E%E6%8C%81%E7%BB%AD%E4%BA%A4%E4%BB%98/">CI/CD (持续集成与持续交付)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/microservices-%E5%BE%AE%E6%9C%8D%E5%8A%A1%E6%9E%B6%E6%9E%84/">Microservices (微服务架构)</a></li> </ul>Dropouthttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dropout/Sat, 18 Jul 2026 10:59:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dropout/<h2 id="definition">Definition</h2> <p>在神经网络中，Dropout 通过在每次训练步骤中临时移除随机子集的神经元来防止过拟合。这迫使网络学习在联合使用时有用的鲁棒特征。</p> <h3 id="summary">Summary</h3> <p>Dropout 是一种正则化技术，通过在训练过程中随机忽略神经元来防止过拟合。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>正则化</li> <li>防止过拟合</li> <li>神经网络</li> <li>随机抑制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练深层前馈神经网络</li> <li>提高大型语言模型的泛化能力</li> <li>减少对特定神经元路径的计算依赖</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Sequential( </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>Linear(<span style="color:#099">100</span>, <span style="color:#099">50</span>), </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>Dropout(<span style="color:#099">0.5</span>), </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>ReLU(), </span></span><span style="display:flex;"><span> nn<span style="color:#000;font-weight:bold">.</span>Linear(<span style="color:#099">50</span>, <span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/l2-regularization-l2%E6%AD%A3%E5%88%99%E5%8C%96-%E6%9D%83%E9%87%8D%E8%A1%B0%E5%87%8F/">L2 Regularization (L2正则化，权重衰减)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/batch-normalization-%E6%89%B9%E5%BD%92%E4%B8%80%E5%8C%96/">Batch Normalization (批归一化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">Generalization (泛化)</a></li> </ul>Embedding Modelhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embedding_model/Sat, 18 Jul 2026 10:59:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embedding_model/<h2 id="definition">Definition</h2> <p>这些模型将高维数据映射到低维连续向量空间中，其中相似的项目彼此靠得更近。这种转换捕捉了语义关系，使得&hellip;（原文截断）</p> <h3 id="summary">Summary</h3> <p>嵌入模型将文本或图像等原始数据转换为表示语义意义的稠密数值向量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量表示</li> <li>语义相似度</li> <li>降维</li> <li>特征提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建语义搜索引擎</li> <li>产品或内容推荐系统</li> <li>聚类相似的文档或图像</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> AutoTokenizer, AutoModel </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> AutoModel<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#39;sentence-transformers/all-MiniLM-L6-v2&#39;</span>) </span></span><span style="display:flex;"><span>tokenizer <span style="color:#000;font-weight:bold">=</span> AutoTokenizer<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#39;sentence-transformers/all-MiniLM-L6-v2&#39;</span>) </span></span><span style="display:flex;"><span>inputs <span style="color:#000;font-weight:bold">=</span> tokenizer(<span style="color:#d14">&#39;Hello world&#39;</span>, return_tensors<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;pt&#39;</span>) </span></span><span style="display:flex;"><span>embeddings <span style="color:#000;font-weight:bold">=</span> model(<span style="color:#000;font-weight:bold">**</span>inputs)<span style="color:#000;font-weight:bold">.</span>last_hidden_state<span style="color:#000;font-weight:bold">.</span>mean(dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/word2vec-%E8%AF%8D%E5%90%91%E9%87%8F%E6%A8%A1%E5%9E%8B/">Word2Vec (词向量模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E9%A2%84%E8%AE%AD%E7%BB%83%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">BERT (预训练语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">Vector Database (向量数据库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/similarity-search-%E7%9B%B8%E4%BC%BC%E5%BA%A6%E6%90%9C%E7%B4%A2/">Similarity Search (相似度搜索)</a></li> </ul>Encoderhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/encoder/Sat, 18 Jul 2026 10:59:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/encoder/<h2 id="definition">Definition</h2> <p>编码器处理原始输入序列或数据结构，并将它们转换为潜在空间表示，通常称为嵌入或代码。它们是 Transformer 和自编码器等架构的核心部分。</p> <h3 id="summary">Summary</h3> <p>编码器是神经网络的组件，它将输入数据转换为压缩的、有意义的表示形式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>特征提取</li> <li>潜在空间</li> <li>序列处理</li> <li>压缩</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在 Transformer 模型中处理输入文本</li> <li>在去噪自编码器中压缩图像</li> <li>从评论中提取情感特征</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">9 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">SimpleEncoder</span>(nn<span style="color:#000;font-weight:bold">.</span>Module): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> __init__(<span style="color:#999">self</span>, input_dim, hidden_dim): </span></span><span style="display:flex;"><span> <span style="color:#0086b3">super</span>()<span style="color:#000;font-weight:bold">.</span>__init__() </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>fc <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(input_dim, hidden_dim) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">forward</span>(<span style="color:#999">self</span>, x): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> torch<span style="color:#000;font-weight:bold">.</span>relu(<span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>fc(x)) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decoder-%E8%A7%A3%E7%A0%81%E5%99%A8/">Decoder (解码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E8%BD%AC%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (转换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autoencoder-%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">Autoencoder (自编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent-variable-%E6%BD%9C%E5%8F%98%E9%87%8F/">Latent Variable (潜变量)</a></li> </ul>Explainabilityhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explainability/Sat, 18 Jul 2026 10:59:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/explainability/<h2 id="definition">Definition</h2> <p>这一概念通过提供对模型如何得出特定预测的洞察，解决了复杂人工智能系统中的“黑盒”问题。SHAP 或 LIME 等技术有助于可视化特征重要性&hellip;（原文截断）</p> <h3 id="summary">Summary</h3> <p>可解释性是指人类理解人工智能模型做出决策原因的程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可理解性</li> <li>黑盒问题</li> <li>信任</li> <li>偏差检测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计贷款批准算法以评估公平性</li> <li>为临床医生诊断医学影像模型</li> <li>金融风险评估中的监管合规</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">shap</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Assuming model is a trained scikit-learn model</span> </span></span><span style="display:flex;"><span>explainer <span style="color:#000;font-weight:bold">=</span> shap<span style="color:#000;font-weight:bold">.</span>TreeExplainer(model) </span></span><span style="display:flex;"><span>shap_values <span style="color:#000;font-weight:bold">=</span> explainer<span style="color:#000;font-weight:bold">.</span>shap_values(X_test) </span></span><span style="display:flex;"><span>shap<span style="color:#000;font-weight:bold">.</span>summary_plot(shap_values, X_test) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/shap-%E6%B2%99%E6%99%AE%E5%88%A9%E5%8A%A0%E5%92%8C%E8%A7%A3%E9%87%8A/">SHAP (沙普利加和解释)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lime-%E5%B1%80%E9%83%A8%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%A8%A1%E5%9E%8B%E4%B8%8D%E5%8F%AF%E7%9F%A5%E8%A7%A3%E9%87%8A/">LIME (局部可解释模型不可知解释)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-ethics-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">AI Ethics (人工智能伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">Transparency (透明度)</a></li> </ul>持续集成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continuous_integration/Sat, 18 Jul 2026 10:59:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continuous_integration/<h2 id="definition">Definition</h2> <p>持续集成（CI）是一项关键的 DevOps 实践，它自动化地将来自多个贡献者的代码更改整合到单一软件项目中。通过运行自动化构建和测试，CI 能够尽早发现集成错误，提高软件质量并加速交付周期。</p> <h3 id="summary">Summary</h3> <p>一种软件开发实践，开发人员频繁将代码更改合并到中央存储库中，从而触发自动化构建和测试。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动化测试</li> <li>版本控制</li> <li>构建自动化</li> <li>反馈循环</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>验证机器学习模型代码的更改</li> <li>确保数据管道的一致性</li> <li>集成新功能分支</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/continuous-delivery-%E6%8C%81%E7%BB%AD%E4%BA%A4%E4%BB%98/">Continuous Delivery (持续交付)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/devops-%E5%BC%80%E5%8F%91%E8%BF%90%E7%BB%B4/">DevOps (开发运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/git-%E5%88%86%E5%B8%83%E5%BC%8F%E7%89%88%E6%9C%AC%E6%8E%A7%E5%88%B6%E7%B3%BB%E7%BB%9F/">Git (分布式版本控制系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/jenkins-%E8%87%AA%E5%8A%A8%E5%8C%96%E6%9C%8D%E5%8A%A1%E5%99%A8/">Jenkins (自动化服务器)</a></li> </ul>分布式训练https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/distributed_training/Sat, 18 Jul 2026 10:59:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/distributed_training/<h2 id="definition">Definition</h2> <p>分布式训练通过在多个 GPU 或节点上并行化计算来加速模型收敛。主要技术包括数据并行（每个工作进程处理数据子集）和模型并行（将模型的不同部分分布在不同设备上），以处理大规模数据集和巨型模型。</p> <h3 id="summary">Summary</h3> <p>通过将数据或计算任务拆分到多个设备或服务器上，从而训练机器学习模型的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据并行</li> <li>模型并行</li> <li>GPU 集群</li> <li>梯度同步</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>加速计算机视觉数据集的处理</li> <li>减少复杂神经网络的训练时间</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/parallel-computing-%E5%B9%B6%E8%A1%8C%E8%AE%A1%E7%AE%97/">Parallel Computing (并行计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/horovod-%E5%88%86%E5%B8%83%E5%BC%8F%E8%AE%AD%E7%BB%83%E6%A1%86%E6%9E%B6/">Horovod (分布式训练框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-ddp-pytorch-%E5%88%86%E5%B8%83%E5%BC%8F%E6%95%B0%E6%8D%AE%E5%B9%B6%E8%A1%8C/">PyTorch DDP (PyTorch 分布式数据并行)</a></li> </ul>解码器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decoder/Sat, 18 Jul 2026 10:59:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decoder/<h2 id="definition">Definition</h2> <p>在序列到序列（Seq2Seq）模型中，解码器接收由编码器生成的上下文向量，并逐步生成目标输出。它利用注意力机制来关注输入序列的相关部分，从而准确预测下一个输出元素。</p> <h3 id="summary">Summary</h3> <p>负责从编码后的潜在表示生成输出序列的神经网络组件。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>序列生成</li> <li>注意力机制</li> <li>潜在空间</li> <li>自回归预测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器翻译（如英语到法语）</li> <li>文本摘要</li> <li>图像描述生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/encoder-%E7%BC%96%E7%A0%81%E5%99%A8/">Encoder (编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (变换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rnn-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">RNN (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-to-sequence-%E5%BA%8F%E5%88%97%E5%88%B0%E5%BA%8F%E5%88%97%E6%A8%A1%E5%9E%8B/">Sequence-to-Sequence (序列到序列模型)</a></li> </ul>深度伪造https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepfake/Sat, 18 Jul 2026 10:59:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deepfake/<h2 id="definition">Definition</h2> <p>深度伪造是利用生成对抗网络（GAN）或自动编码器创建的超逼真音频或视频操纵内容。它们在虚假信息传播、隐私侵犯和身份盗用方面引发了重大的伦理和安全关切。</p> <h3 id="summary">Summary</h3> <p>使用人工智能和深度学习技术，将某人的外貌替换为另一人的合成媒体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生成对抗网络</li> <li>媒体操纵</li> <li>虚假信息</li> <li>取证检测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>检测欺诈性的身份验证</li> <li>分析政治虚假宣传运动</li> <li>开发反深度伪造检测算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/misinformation-%E8%99%9A%E5%81%87%E4%BF%A1%E6%81%AF/">Misinformation (虚假信息)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synthetic-media-%E5%90%88%E6%88%90%E5%AA%92%E4%BD%93/">Synthetic Media (合成媒体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> </ul>数据保护https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_protection/Sat, 18 Jul 2026 10:59:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/data_protection/<h2 id="definition">Definition</h2> <p>数据保护包括旨在保护个人数据和专有数据免受泄露和滥用的法律、技术和组织措施。在人工智能领域，这包括实施加密、访问控制和匿名化等技术，以确保合规性并维护用户隐私。</p> <h3 id="summary">Summary</h3> <p>在整个数据生命周期中，防止敏感信息遭受未经授权的访问、损坏或盗窃的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>加密</li> <li>隐私合规</li> <li>访问控制</li> <li>匿名化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>保护医疗人工智能中的患者健康记录</li> <li>在推荐系统中保护用户身份</li> <li>遵守欧盟公民数据的 GDPR 规定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/privacy-preserving-ml-%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Privacy-Preserving ML (隐私保护机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-security-%E6%95%B0%E6%8D%AE%E5%AE%89%E5%85%A8/">Data Security (数据安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> </ul>Claudehttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/claude/Sat, 18 Jul 2026 10:59:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/claude/<h2 id="definition">Definition</h2> <p>Claude是由AI安全公司Anthropic创建的一系列先进大语言模型。以其强大的对齐原则和宪法AI框架而闻名，Claude专注于提供有帮助、无害且诚实的响应。它在企业文档分析、代码生成与安全对话代理等场景中表现出色。</p> <h3 id="summary">Summary</h3> <p>Claude是由Anthropic开发的一系列大语言模型，旨在成为有用、无害且诚实的AI助手。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Anthropic</li> <li>宪法AI</li> <li>大语言模型</li> <li>AI对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业文档分析</li> <li>代码生成与审查</li> <li>安全的对话代理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt-%E7%94%9F%E6%88%90%E5%BC%8F%E9%A2%84%E8%AE%AD%E7%BB%83transformer%E7%B3%BB%E5%88%97/">GPT (生成式预训练Transformer系列)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llama-%E5%A4%A7%E8%A7%84%E6%A8%A1%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84/">LLaMA (大规模语言模型架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/anthropic-anthropic%E5%85%AC%E5%8F%B8/">Anthropic (Anthropic公司)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/constitutional-ai-%E5%AE%AA%E6%B3%95ai/">Constitutional AI (宪法AI)</a></li> </ul>代码https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/code/Sat, 18 Jul 2026 10:59:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/code/<h2 id="definition">Definition</h2> <p>代码是用Python、C++或JavaScript等编程语言编写的一组指令，计算机执行这些指令以执行特定任务。在人工智能中，代码是构建神经网络、实现算法以及部署模型服务的基础。它将抽象的AI概念转化为可执行的计算步骤。</p> <h3 id="summary">Summary</h3> <p>在AI语境中，代码指用编程语言编写的结构化指令，用于定义模型行为和数据处理的逻辑。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>编程语言</li> <li>软件实现</li> <li>算法执行</li> <li>开发</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建神经网络层</li> <li>创建数据预处理脚本</li> <li>部署模型的API端点</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">add</span>(a, b): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> a <span style="color:#000;font-weight:bold">+</span> b </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/python-python%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80/">Python (Python编程语言)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/source-code-%E6%BA%90%E4%BB%A3%E7%A0%81/">Source Code (源代码)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/software-development-%E8%BD%AF%E4%BB%B6%E5%BC%80%E5%8F%91/">Software Development (软件开发)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/implementation-%E5%AE%9E%E7%8E%B0/">Implementation (实现)</a></li> </ul>命令行界面 (CLI)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cli/Sat, 18 Jul 2026 10:59:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cli/<h2 id="definition">Definition</h2> <p>命令行界面（CLI）允许用户通过输入文本命令而非使用图形元素来控制软件。在人工智能开发中，CLI对于运行脚本、管理模型资源以及自动化数据处理流程至关重要。它提供了对系统底层功能的直接访问，适合高级用户和自动化任务。</p> <h3 id="summary">Summary</h3> <p>命令行界面是一种基于文本的交互方式，用户通过在终端中输入命令来控制软件程序。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本输入</li> <li>终端仿真</li> <li>脚本编写</li> <li>自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>运行模型推理脚本</li> <li>管理云端AI资源</li> <li>自动化数据预处理流水线</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gui-%E5%9B%BE%E5%BD%A2%E7%94%A8%E6%88%B7%E7%95%8C%E9%9D%A2/">GUI (图形用户界面)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/terminal-%E7%BB%88%E7%AB%AF/">Terminal (终端)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/shell-%E5%A3%B3%E5%B1%82-%E5%91%BD%E4%BB%A4%E8%A1%8C%E8%A7%A3%E9%87%8A%E5%99%A8/">Shell (壳层/命令行解释器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E7%BC%96%E7%A8%8B%E6%8E%A5%E5%8F%A3/">API (应用程序编程接口)</a></li> </ul>思维链提示 (Chain-of-Thought Prompting)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chain_of_thought_prompting/Sat, 18 Jul 2026 10:59:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chain_of_thought_prompting/<h2 id="definition">Definition</h2> <p>思维链（CoT）提示通过明确要求模型阐述其逐步逻辑，从而提升大型语言模型在复杂推理任务上的表现。与直接跳跃到最终答案不同，CoT引导模型展示其思考过程，这有助于解决需要多步逻辑推导的问题，如数学应用题或复杂的逻辑推理任务。</p> <h3 id="summary">Summary</h3> <p>思维链提示是一种鼓励大语言模型在生成最终答案之前，先生成中间推理步骤的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>逐步推理</li> <li>少样本学习</li> <li>逻辑演绎</li> <li>中间步骤</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>解决数学应用题</li> <li>复杂逻辑推理任务</li> <li>调试代码生成错误</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>prompt <span style="color:#000;font-weight:bold">=</span> <span style="color:#d14">&#34;Q: Roger has 5 tennis balls. He buys 2 more cans of tennis balls. If each can has 3 balls, how many does he have?</span><span style="color:#d14">\n</span><span style="color:#d14">A: Roger started with 5 balls. 2 cans of 3 balls each is 6 balls. 5 + 6 = 11. The answer is 11.&#34;</span> </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(prompt) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zero-shot-prompting-%E9%9B%B6%E6%A0%B7%E6%9C%AC%E6%8F%90%E7%A4%BA/">Zero-Shot Prompting (零样本提示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few-shot-prompting-%E5%B0%91%E6%A0%B7%E6%9C%AC%E6%8F%90%E7%A4%BA/">Few-Shot Prompting (少样本提示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self-consistency-%E8%87%AA%E6%B4%BD%E6%80%A7/">Self-Consistency (自洽性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-%E6%8E%A8%E7%90%86/">Reasoning (推理)</a></li> </ul>字节对编码 (BPE)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bpe/Sat, 18 Jul 2026 10:59:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bpe/<h2 id="definition">Definition</h2> <p>字节对编码（BPE）是一种数据压缩技术，经过调整后应用于自然语言处理中，以处理未登录词（Out-of-Vocabulary）。它从单个字符的词汇表开始，并迭代地合并最频繁出现的字符对，直到达到预定的词汇表大小或收敛。这种方法允许模型将罕见词分解为更常见的子词单元，从而提高对未知词汇的处理能力。</p> <h3 id="summary">Summary</h3> <p>字节对编码是一种用于子词分词的算法，它通过迭代合并出现频率最高的字符对来构建词汇表。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>子词分词</li> <li>词汇表合并</li> <li>频率分析</li> <li>未登录词处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为大语言模型预处理文本</li> <li>处理形态丰富的语言</li> <li>减少神经网络中的词汇表规模</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">tiktoken</span> </span></span><span style="display:flex;"><span>enc <span style="color:#000;font-weight:bold">=</span> tiktoken<span style="color:#000;font-weight:bold">.</span>get_encoding(<span style="color:#d14">&#34;cl100k_base&#34;</span>) </span></span><span style="display:flex;"><span>tokens <span style="color:#000;font-weight:bold">=</span> enc<span style="color:#000;font-weight:bold">.</span>encode(<span style="color:#d14">&#34;unhappiness&#34;</span>) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(tokens) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wordpiece-wordpiece%E5%88%86%E8%AF%8D%E7%AE%97%E6%B3%95/">WordPiece (WordPiece分词算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sentencepiece-sentencepiece%E5%88%86%E8%AF%8D%E5%B7%A5%E5%85%B7%E5%BA%93/">SentencePiece (SentencePiece分词工具库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenization-%E5%88%86%E8%AF%8D/">Tokenization (分词)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/subword-units-%E5%AD%90%E8%AF%8D%E5%8D%95%E5%85%83/">Subword Units (子词单元)</a></li> </ul>激活函数https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/activation_function/Sat, 18 Jul 2026 10:59:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/activation_function/<h2 id="definition">Definition</h2> <p>激活函数为神经网络引入非线性，使其能够学习数据中的复杂模式和关系。如果没有这些函数，多层网络的行为将退化为线性变换，无法处理复杂任务。</p> <h3 id="summary">Summary</h3> <p>根据输入信号确定神经网络节点输出的数学方程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>非线性</li> <li>梯度下降</li> <li>神经元激活</li> <li>反向传播</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使深度神经网络能够进行图像分类</li> <li>促进自然语言处理任务</li> <li>提高生成模型训练时的收敛速度</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>relu <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>ReLU() </span></span><span style="display:flex;"><span>output <span style="color:#000;font-weight:bold">=</span> relu(input_tensor) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/relu-%E4%BF%AE%E6%AD%A3%E7%BA%BF%E6%80%A7%E5%8D%95%E5%85%83/">ReLU (修正线性单元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sigmoid-s%E5%9E%8B%E5%87%BD%E6%95%B0/">Sigmoid (S型函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tanh-%E5%8F%8C%E6%9B%B2%E6%AD%A3%E5%88%87%E5%87%BD%E6%95%B0/">Tanh (双曲正切函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/softmax-%E8%BD%AF%E6%9C%80%E5%A4%A7%E5%87%BD%E6%95%B0/">Softmax (软最大函数)</a></li> </ul>人工智能伦理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_ethics/Sat, 18 Jul 2026 10:59:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_ethics/<h2 id="definition">Definition</h2> <p>人工智能伦理包含一套旨在确保人工智能技术负责任地开发和使用的原则与标准框架。它解决了诸如算法偏见、透明度、问责制和公平性等关键关切。</p> <h3 id="summary">Summary</h3> <p>研究人工智能系统开发和应用过程中产生的道德问题及其影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法偏见</li> <li>透明度</li> <li>问责制</li> <li>公平性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为招聘算法开发偏见检测工具</li> <li>为自动驾驶汽车创建监管框架</li> <li>审计机器学习模型以发现歧视性结果</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84ai/">Responsible AI (负责任的AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8Aai/">Explainable AI (可解释AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">Data Privacy (数据隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-fairness-%E7%AE%97%E6%B3%95%E5%85%AC%E5%B9%B3%E6%80%A7/">Algorithmic Fairness (算法公平性)</a></li> </ul>适配器https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adapter/Sat, 18 Jul 2026 10:59:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adapter/<h2 id="definition">Definition</h2> <p>适配器是一种参数高效的微调技术，主要用于大型语言模型和Transformer架构中。与计算成本高昂的更新所有模型权重不同，适配器仅训练少量新增参数，从而保留预训练知识并降低资源消耗。</p> <h3 id="summary">Summary</h3> <p>插入预训练模型中的轻量级模块，用于针对特定下游任务进行高效微调。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>参数高效微调</li> <li>迁移学习</li> <li>模块化架构</li> <li>灾难性遗忘</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为客服聊天机器人微调大型语言模型</li> <li>适配视觉模型以进行医学图像分析</li> <li>高效部署多个领域特定的模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora-%E4%BD%8E%E7%A7%A9%E9%80%82%E5%BA%94/">LoRA (低秩适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-tuning-%E6%8F%90%E7%A4%BA%E5%BE%AE%E8%B0%83/">Prompt Tuning (提示微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">Fine-Tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> </ul>智能体式（或代理式）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agentic/Sat, 18 Jul 2026 10:59:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agentic/<h2 id="definition">Definition</h2> <p>“智能体式”一词描述了具有高自主性的AI智能体。与仅仅预测文本或分类数据的被动模型不同，智能体系统能够将复杂目标分解为子任务，利用工具与环境交互，并独立执行操作以达成目的。</p> <h3 id="summary">Summary</h3> <p>指具备自主规划、推理和执行行动以实现特定目标的人工智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主性</li> <li>工具使用</li> <li>规划</li> <li>目标导向行为</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化软件工程助手</li> <li>综合文献的研究智能体</li> <li>管理复杂日程和预订的个人助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-agents-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E6%99%BA%E8%83%BD%E4%BD%93/">LLM Agents (大型语言模型智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/react-%E6%8E%A8%E7%90%86%E4%B8%8E%E8%A1%8C%E5%8A%A8/">ReAct (推理与行动)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">Multi-Agent Systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous-ai-%E8%87%AA%E4%B8%BBai/">Autonomous AI (自主AI)</a></li> </ul>注意力机制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/attention/Sat, 18 Jul 2026 10:59:15 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/attention/<h2 id="definition">Definition</h2> <p>注意力机制使模型在处理输入（特别是文本等序列数据）时能够关注相关信息。通过计算注意力分数，模型确定哪些元素对当前任务最相关，从而捕捉长距离依赖关系并增强上下文理解。</p> <h3 id="summary">Summary</h3> <p>一种允许神经网络动态权衡输入序列不同部分重要性的机制。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自注意力</li> <li>上下文加权</li> <li>长距离依赖</li> <li>Transformer架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>跨语言机器翻译</li> <li>长文档摘要</li> <li>图像描述生成和视觉问答</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self-attention-%E8%87%AA%E6%B3%A8%E6%84%8F%E5%8A%9B/">Self-Attention (自注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-head-attention-%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B/">Multi-Head Attention (多头注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-modeling-%E5%BA%8F%E5%88%97%E5%BB%BA%E6%A8%A1/">Sequence Modeling (序列建模)</a></li> </ul>基于视觉的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vision_based/Sat, 18 Jul 2026 10:59:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vision_based/<h2 id="definition">Definition</h2> <p>基于视觉的范式利用摄像头和图像处理算法从视觉场景中提取有意义的信息。这些系统是机器人技术、自动驾驶和增强现实等领域的基础。</p> <h3 id="summary">Summary</h3> <p>主要依赖视觉数据输入来感知和与世界交互的系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图像处理</li> <li>传感器输入</li> <li>空间理解</li> <li>计算机视觉</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车导航</li> <li>监控与安全监测</li> <li>机器人的抓取与操作</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer_vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">computer_vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensor_fusion-%E4%BC%A0%E6%84%9F%E5%99%A8%E8%9E%8D%E5%90%88/">sensor_fusion (传感器融合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image_classification-%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB/">image_classification (图像分类)</a></li> </ul>两阶段的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/two_stage/Sat, 18 Jul 2026 10:59:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/two_stage/<h2 id="definition">Definition</h2> <p>两阶段架构将复杂任务划分为两个独立的步骤，通常涉及检测后跟分类或细化。在计算机视觉中，典型的例子包括像 Faster R-CNN 这样的对象检测器，先生成区域建议，再进行分类。</p> <h3 id="summary">Summary</h3> <p>一种流水线架构，其中处理过程分为 distinct 且顺序进行的阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>顺序处理</li> <li>区域提议</li> <li>模块化</li> <li>流水线</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对象检测（例如 Faster R-CNN）</li> <li>人脸识别流水线</li> <li>大语言模型中的多步推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/single_stage-%E5%8D%95%E9%98%B6%E6%AE%B5/">single_stage (单阶段)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/object_detection-%E5%AF%B9%E8%B1%A1%E6%A3%80%E6%B5%8B/">object_detection (对象检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E6%B5%81%E6%B0%B4%E7%BA%BF/">pipeline (流水线)</a></li> </ul>零样本https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zero_shot/Sat, 18 Jul 2026 10:59:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/zero_shot/<h2 id="definition">Definition</h2> <p>零样本学习使模型能够泛化到新的类别或任务，而这些类别或任务在初始训练阶段没有提供标记的训练数据。这通常是通过利用语义嵌入或预训练知识来实现的。</p> <h3 id="summary">Summary</h3> <p>在没有先前训练示例的情况下，对未见过的类别执行任务的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化</li> <li>语义嵌入</li> <li>无标记数据</li> <li>迁移学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对新产品分类</li> <li>回答关于未见主题的问题</li> <li>跨语言文本分类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few_shot-%E5%B0%91%E6%A0%B7%E6%9C%AC/">few_shot (少样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">generalization (泛化)</a></li> </ul>免训练的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/training_free/Sat, 18 Jul 2026 10:59:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/training_free/<h2 id="definition">Definition</h2> <p>免训练方法是指在不通过反向传播更新底层权重的情况下修改模型行为或输出的技术。这些方法通常利用提示工程、特征提取或其他非参数化手段来实现适配。</p> <h3 id="summary">Summary</h3> <p>无需执行基于梯度的参数更新即可适应或增强模型的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>提示工程</li> <li>无梯度下降</li> <li>参数高效</li> <li>零成本适配</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过提示进行少样本学习</li> <li>无需微调的领域自适应</li> <li>大语言模型应用的快速原型设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompting-%E6%8F%90%E7%A4%BA/">prompting (提示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/in_context_learning-%E4%B8%8A%E4%B8%8B%E6%96%87%E5%AD%A6%E4%B9%A0/">in_context_learning (上下文学习)</a></li> </ul>权衡https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/trade_off/Sat, 18 Jul 2026 10:59:01 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/trade_off/<h2 id="definition">Definition</h2> <p>在人工智能和工程领域，权衡指的是在优化相互冲突的目标（如模型准确率与计算成本，或延迟与精度）时所需的平衡。由于资源有限，必须在不同指标之间做出取舍。</p> <h3 id="summary">Summary</h3> <p>一种妥协，即在某一领域获得优势的同时，在另一领域遭受损失。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>资源分配</li> <li>优化</li> <li>准确率与速度的权衡</li> <li>偏差-方差权衡</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为边缘设备选择模型大小</li> <li>平衡推理延迟与预测准确率</li> <li>训练期间管理内存使用量</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">optimization (优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter_tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">hyperparameter_tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_compression-%E6%A8%A1%E5%9E%8B%E5%8E%8B%E7%BC%A9/">model_compression (模型压缩)</a></li> </ul>后训练https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/post_training/Sat, 18 Jul 2026 10:57:22 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/post_training/<h2 id="definition">Definition</h2> <p>后训练是机器学习生命周期中的一个关键阶段，发生在模型基于大规模通用数据进行初始预训练之后。在此阶段，模型会经历进一步的调整和优化，以更好地服务于特定应用场景。</p> <h3 id="summary">Summary</h3> <p>后训练是指在特定数据集上对预训练模型进行微调，使其适应特定任务或优化性能的阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>微调</li> <li>人类反馈强化学习 (RLHF)</li> <li>量化</li> <li>适配</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使大语言模型符合人类偏好</li> <li>优化模型体积以适应边缘设备</li> <li>将模型专业化用于医疗诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pre_trained-%E9%A2%84%E8%AE%AD%E7%BB%83%E7%9A%84/">pre_trained (预训练的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">quantization (量化)</a></li> </ul>任务特定https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/task_specific/Sat, 18 Jul 2026 10:57:22 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/task_specific/<h2 id="definition">Definition</h2> <p>任务特定指的是专为在狭窄的目标集合上表现出色而定制的AI模型或组件，例如检测图像中的物体或翻译语言。与通用基础模型不同，它们在特定领域往往具有更高的效率和精度。</p> <h3 id="summary">Summary</h3> <p>任务特定模型是为执行单一、明确定义的功能而设计和优化的AI系统，而非用于通用推理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>专业化</li> <li>效率</li> <li>微调</li> <li>领域适配</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>垃圾邮件过滤</li> <li>人脸识别系统</li> <li>医学图像分割</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/general_purpose-%E9%80%9A%E7%94%A8%E7%9B%AE%E7%9A%84/">general_purpose (通用目的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/specialized_model-%E4%B8%93%E7%94%A8%E6%A8%A1%E5%9E%8B/">specialized_model (专用模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/domain_adaptation-%E9%A2%86%E5%9F%9F%E9%80%82%E9%85%8D/">domain_adaptation (领域适配)</a></li> </ul>实时https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/real_time/Sat, 18 Jul 2026 10:57:22 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/real_time/<h2 id="definition">Definition</h2> <p>在人工智能领域，实时指的是系统以极低的延迟（通常为毫秒级）处理输入并生成输出的能力。这对于那些需要即时响应、延迟不可接受的应用场景至关重要。</p> <h3 id="summary">Summary</h3> <p>实时处理指系统在接收到输入后，在严格且保证的时间限制内计算并交付结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>延迟</li> <li>吞吐量</li> <li>推理优化</li> <li>确定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆导航</li> <li>银行实时欺诈检测</li> <li>实时语音翻译</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">latency (延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E7%90%86/">inference (推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge_computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">edge_computing (边缘计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/streaming-%E6%B5%81%E5%BC%8F%E4%BC%A0%E8%BE%93/">streaming (流式传输)</a></li> </ul>预训练https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pre_trained/Sat, 18 Jul 2026 10:57:22 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pre_trained/<h2 id="definition">Definition</h2> <p>预训练模型是一种基础人工智能模型，已在海量且多样化的数据集（如维基百科或ImageNet）上进行了广泛训练。这种初始训练使模型能够学习到广泛通用的特征表示。</p> <h3 id="summary">Summary</h3> <p>预训练模型是指已在大型数据集上训练过的神经网络，旨在学习通用特征，以便后续针对特定任务进行调整。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>基础模型</li> <li>特征提取</li> <li>权重初始化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用大语言模型构建聊天机器人</li> <li>使用ResNet进行图像分类</li> <li>使用BERT进行情感分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/post_training-%E5%90%8E%E8%AE%AD%E7%BB%83/">post_training (后训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/foundation_model-%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/">foundation_model (基础模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/weights-%E6%9D%83%E9%87%8D/">weights (权重)</a></li> </ul>自监督https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_supervised/Sat, 18 Jul 2026 10:57:22 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_supervised/<h2 id="definition">Definition</h2> <p>自监督学习是机器学习的一个子集，其监督信号自动从数据本身派生，消除了手动标注的需求。模型通常通过解决预设的代理任务来学习数据的内在结构和表示。</p> <h3 id="summary">Summary</h3> <p>自监督学习是一种技术，模型从输入数据中自动生成标签以学习表示，无需人工标注。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>pretext任务 (代理任务)</li> <li>掩码建模</li> <li>无标签数据</li> <li>表示学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过掩码语言建模训练BERT</li> <li>用于图像嵌入的对比学习</li> <li>预测大语言模型中的下一个词元</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/unsupervised-%E6%97%A0%E7%9B%91%E7%9D%A3/">unsupervised (无监督)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/contrastive_learning-%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/">contrastive_learning (对比学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/masked_language_modeling-%E6%8E%A9%E7%A0%81%E8%AF%AD%E8%A8%80%E5%BB%BA%E6%A8%A1/">masked_language_modeling (掩码语言建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/representation_learning-%E8%A1%A8%E7%A4%BA%E5%AD%A6%E4%B9%A0/">representation_learning (表示学习)</a></li> </ul>单样本学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/one_shot/Sat, 18 Jul 2026 10:57:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/one_shot/<h2 id="definition">Definition</h2> <p>单样本学习是少样本学习的一种特定形式，算法在训练期间仅看到一个正例后，必须能够泛化到新类别或新任务。这种方法模仿了人类</p> <h3 id="summary">Summary</h3> <p>一种学习范式，模型仅通过一个带标签的示例即可学会执行某项任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>少样本学习</li> <li>特征提取</li> <li>相似度度量</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>样本有限的 facial recognition（人脸识别）</li> <li>笔迹识别</li> <li>基于罕见病例的医疗诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few-shot-%E5%B0%91%E6%A0%B7%E6%9C%AC/">few-shot (少样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zero-shot-%E9%9B%B6%E6%A0%B7%E6%9C%AC/">zero-shot (零样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta-learning (元学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/siamese-networks-%E5%AD%AA%E7%94%9F%E7%BD%91%E7%BB%9C/">siamese networks (孪生网络)</a></li> </ul>分布外https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/out_of_distribution/Sat, 18 Jul 2026 10:57:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/out_of_distribution/<h2 id="definition">Definition</h2> <p>分布外（OOD）检测用于识别落在训练数据分布范围之外的输入。模型在处理 OOD 数据时往往表现不佳，或者自信地给出错误答案，从而导致不可靠</p> <h3 id="summary">Summary</h3> <p>与模型训练阶段所见的分布显著不同的数据点。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分布偏移</li> <li>异常检测</li> <li>泛化失败</li> <li>安全性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车的安全检查</li> <li>欺诈检测系统</li> <li>医学图像分析验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/domain-adaptation-%E5%9F%9F%E9%80%82%E5%BA%94/">domain adaptation (域适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">generalization (泛化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/anomaly-%E5%BC%82%E5%B8%B8/">anomaly (异常)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/covariate-shift-%E5%8D%8F%E5%8F%98%E9%87%8F%E5%81%8F%E7%A7%BB/">covariate shift (协变量偏移)</a></li> </ul>开放权重https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open_weight/Sat, 18 Jul 2026 10:57:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open_weight/<h2 id="definition">Definition</h2> <p>开放权重模型与完全开源的人工智能不同，因为它只发布最终学到的参数，而不一定发布创建它们所用的基础设施或数据。这允许用户运行推理</p> <h3 id="summary">Summary</h3> <p>发布经过训练的模型参数（权重），但训练代码和数据集可能保持私有的 AI 模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型权重</li> <li>推理</li> <li>微调</li> <li>部分透明度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在本地硬件上部署大型语言模型</li> <li>自定义预训练模型</li> <li>降低 API 调用成本</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-%E5%BC%80%E6%BA%90/">open-source (开源)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">fine-tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E7%90%86/">inference (推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/proprietary-%E4%B8%93%E6%9C%89%E7%9A%84-%E7%A7%81%E6%9C%89%E7%9A%84/">proprietary (专有的/私有的)</a></li> </ul>开源https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open_source/Sat, 18 Jul 2026 10:57:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open_source/<h2 id="definition">Definition</h2> <p>开源指的是一种开发模式，软件项目的底层代码公开可用。在人工智能领域，这使得研究人员和开发人员能够检查、修改和重新分发算</p> <h3 id="summary">Summary</h3> <p>源代码向公众免费开放，允许任何人使用、修改和分发的软件。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>透明度</li> <li>协作</li> <li>可访问性</li> <li>社区驱动</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>PyTorch 框架开发</li> <li>Hugging Face 模型库</li> <li>学术研究的可复现性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/proprietary-%E4%B8%93%E6%9C%89%E7%9A%84-%E7%A7%81%E6%9C%89%E7%9A%84/">proprietary (专有的/私有的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-weight-%E5%BC%80%E6%94%BE%E6%9D%83%E9%87%8D/">open-weight (开放权重)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/community-%E7%A4%BE%E5%8C%BA/">community (社区)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/license-%E8%AE%B8%E5%8F%AF%E8%AF%81/">license (许可证)</a></li> </ul>一步法https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/one_step/Sat, 18 Jul 2026 10:57:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/one_step/<h2 id="definition">Definition</h2> <p>在机器学习和优化领域，一步法直接解决问题，不需要多次迭代或更新即可收敛。与需要多步才能最小化</p> <h3 id="summary">Summary</h3> <p>指在单次迭代中完成任务或决策过程，无需进行迭代优化的算法或流程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>闭式解</li> <li>计算效率</li> <li>非迭代性</li> <li>直接映射</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过正规方程进行的线性回归</li> <li>实时信号处理</li> <li>简单的分类规则</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/iterative-%E8%BF%AD%E4%BB%A3%E7%9A%84/">iterative (迭代的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">gradient descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/closed-form-%E9%97%AD%E5%BC%8F%E7%9A%84/">closed-form (闭式的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/direct-method-%E7%9B%B4%E6%8E%A5%E6%B3%95/">direct method (直接法)</a></li> </ul>多步https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_step/Sat, 18 Jul 2026 10:56:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_step/<h2 id="definition">Definition</h2> <p>多步方法涉及将复杂的查询或任务分解为更小的、可执行的步骤。这种方法在推理任务中至关重要，例如数学问题解决或代码生成。</p> <h3 id="summary">Summary</h3> <p>一种需要执行一系列逻辑运算或计算才能得出最终解决方案的问题解决策略。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>推理</li> <li>中间步骤</li> <li>思维链</li> <li>分解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂数学应用题</li> <li>具有依赖关系的代码生成</li> <li>逻辑演绎任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">chain-of-thought (思维链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/step-by-step-%E9%80%90%E6%AD%A5/">step-by-step (逐步)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithmic-thinking-%E7%AE%97%E6%B3%95%E6%80%9D%E7%BB%B4/">algorithmic thinking (算法思维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/decomposition-%E5%88%86%E8%A7%A3/">decomposition (分解)</a></li> </ul>多阶段https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_stage/Sat, 18 Jul 2026 10:56:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_stage/<h2 id="definition">Definition</h2> <p>多阶段方法将复杂的工作流程分解为可管理的片段，允许在每个步骤中进行专门处理。这种方法增强了控制能力、调试效率以及性能优化。</p> <h3 id="summary">Summary</h3> <p>一种将复杂任务划分为不同、顺序阶段的过程设计，每个阶段都有特定的目标和输出。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>顺序处理</li> <li>阶段分离</li> <li>管道</li> <li>模块化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器学习数据预处理管道</li> <li>工业质量控制工作流</li> <li>逐步诊断推理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E7%AE%A1%E9%81%93/">pipeline (管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/workflow-%E5%B7%A5%E4%BD%9C%E6%B5%81/">workflow (工作流)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/process-mining-%E6%B5%81%E7%A8%8B%E6%8C%96%E6%8E%98/">process mining (流程挖掘)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chaining-%E9%93%BE%E5%BC%8F%E8%B0%83%E7%94%A8/">chaining (链式调用)</a></li> </ul>多智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_agent/Sat, 18 Jul 2026 10:56:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_agent/<h2 id="definition">Definition</h2> <p>多智能体系统由多个独立的智能实体组成，它们感知环境、做出决策并据此行动。这些智能体之间可能相互合作、竞争或协商。</p> <h3 id="summary">Summary</h3> <p>一种系统架构，其中多个自主智能体在环境中相互作用，以实现个人或集体目标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主性</li> <li>交互</li> <li>协调</li> <li>分布式智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆交通协调</li> <li>供应链优化模拟</li> <li>多人游戏AI开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/swarm-intelligence-%E7%BE%A4%E4%BD%93%E6%99%BA%E8%83%BD/">swarm intelligence (群体智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cooperative-ai-%E5%8D%8F%E4%BD%9C%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">cooperative AI (协作式人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/game-theory-%E5%8D%9A%E5%BC%88%E8%AE%BA/">game theory (博弈论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed-systems-%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/">distributed systems (分布式系统)</a></li> </ul>在线策略https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/on_policy/Sat, 18 Jul 2026 10:56:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/on_policy/<h2 id="definition">Definition</h2> <p>在线策略算法要求智能体直接从其当前策略所采取的动作中学习。这意味着在探索过程中收集的数据被立即用于更新策略，从而确保数据分布的一致性。</p> <h3 id="summary">Summary</h3> <p>一种强化学习方法，其中被评估和改进的策略与用于生成数据的策略相同。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强化学习</li> <li>策略梯度</li> <li>数据一致性</li> <li>样本效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有安全约束的机器人控制</li> <li>需要精确更新的博弈代理</li> <li>实时自适应系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/off-policy-%E7%A6%BB%E7%BA%BF%E7%AD%96%E7%95%A5/">off-policy (离线策略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforce-reinforce%E7%AE%97%E6%B3%95/">REINFORCE (REINFORCE算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ppo-%E8%BF%91%E7%AB%AF%E7%AD%96%E7%95%A5%E4%BC%98%E5%8C%96/">PPO (近端策略优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/actor-critic-%E6%BC%94%E5%91%98-%E8%AF%84%E8%AE%BA%E5%AE%B6%E6%9E%B6%E6%9E%84/">actor-critic (演员-评论家架构)</a></li> </ul>自然语言https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/natural_language/Sat, 18 Jul 2026 10:56:59 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/natural_language/<h2 id="definition">Definition</h2> <p>自然语言指人类说话和写作的方式，包括其所有的歧义、习语和文化细微差别。在人工智能中，处理自然语言涉及理解句法、语义以及上下文。</p> <h3 id="summary">Summary</h3> <p>标准的人类交流方式，以语法、词汇和语境为特征，区别于形式化的计算机语言。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语言学</li> <li>语义学</li> <li>句法学</li> <li>人机交互</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>聊天机器人对话</li> <li>机器翻译</li> <li>评论情感分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text-processing-%E6%96%87%E6%9C%AC%E5%A4%84%E7%90%86/">text processing (文本处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/linguistics-%E8%AF%AD%E8%A8%80%E5%AD%A6/">linguistics (语言学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> </ul>大规模https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/large_scale/Sat, 18 Jul 2026 10:56:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/large_scale/<h2 id="definition">Definition</h2> <p>大规模指的是 AI 系统中组件的规模，通常涉及数十亿参数、太字节级的训练数据或分布式计算集群。这种方法构成了&hellip;</p> <h3 id="summary">Summary</h3> <p>描述使用海量数据、参数或计算资源运行的 AI 系统或数据集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>参数量</li> <li>分布式计算</li> <li>可扩展性</li> <li>资源密集型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练像 GPT 这样的基础模型</li> <li>大数据分析管道</li> <li>分布式强化学习</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed_training-%E5%88%86%E5%B8%83%E5%BC%8F%E8%AE%AD%E7%BB%83/">distributed_training (分布式训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/big_data-%E5%A4%A7%E6%95%B0%E6%8D%AE/">big_data (大数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/foundation_models-%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/">foundation_models (基础模型)</a></li> </ul>低成本https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/low_cost/Sat, 18 Jul 2026 10:56:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/low_cost/<h2 id="definition">Definition</h2> <p>低成本 AI 专注于效率，旨在降低与机器学习相关的入门壁垒和运营成本。这包括模型压缩、量化等技术&hellip;</p> <h3 id="summary">Summary</h3> <p>指在保持功能的同时最小化计算、财务或能源支出的 AI 解决方案。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>效率</li> <li>模型压缩</li> <li>边缘计算</li> <li>成本优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>移动应用 AI 功能</li> <li>物联网传感器处理</li> <li>初创公司 MVP 开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantization-%E9%87%8F%E5%8C%96/">quantization (量化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge_ai-%E8%BE%B9%E7%BC%98-ai/">edge_ai (边缘 AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pruning-%E5%89%AA%E6%9E%9D/">pruning (剪枝)</a></li> </ul>高质量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_quality/Sat, 18 Jul 2026 10:56:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_quality/<h2 id="definition">Definition</h2> <p>在人工智能中，高质量通常描述具有高保真度、低噪声和强大泛化能力的模型或数据输出。高质量的训练数据确保模型能够&hellip;</p> <h3 id="summary">Summary</h3> <p>指具有 superior 准确性、可靠性和最小噪声的数据集、模型或输出。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据保真度</li> <li>降噪</li> <li>泛化能力</li> <li>精度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练鲁棒的计算机视觉模型</li> <li>评估大语言模型输出的连贯性</li> <li>医学诊断数据的策展</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_cleaning-%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97/">data_cleaning (数据清洗)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model_accuracy-%E6%A8%A1%E5%9E%8B%E5%87%86%E7%A1%AE%E7%8E%87/">model_accuracy (模型准确率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ground_truth-%E5%9C%B0%E9%9D%A2%E7%9C%9F%E5%80%BC/">ground_truth (地面真值)</a></li> </ul>基于学习的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_based/Sat, 18 Jul 2026 10:56:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/learning_based/<h2 id="definition">Definition</h2> <p>基于学习的方法依赖统计算法来识别模式并根据数据暴露做出决策，这与基于规则的系统形成对比。该类别包括监督学习、无监督学&hellip;</p> <h3 id="summary">Summary</h3> <p>指算法通过经验而非显式编程规则来提升性能的方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模式识别</li> <li>优化</li> <li>自适应</li> <li>数据驱动</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预测性维护系统</li> <li>推荐引擎</li> <li>自动驾驶感知</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rule_based-%E5%9F%BA%E4%BA%8E%E8%A7%84%E5%88%99%E7%9A%84/">rule_based (基于规则的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">optimization (优化)</a></li> </ul>长视界https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long_horizon/Sat, 18 Jul 2026 10:56:47 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long_horizon/<h2 id="definition">Definition</h2> <p>长视界问题涉及一系列动作，其中早期决策的影响仅在许多步骤后才显现。这在机器人技术、规划和多步推理任务中很常见。挑战&hellip;</p> <h3 id="summary">Summary</h3> <p>指需要在较长时间范围内进行决策，且奖励或后果延迟的任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时间依赖性</li> <li>信用分配</li> <li>延迟奖励</li> <li>序列决策</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人操作任务</li> <li>多步金融交易</li> <li>战略游戏规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement_learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">reinforcement_learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/temporal_difference-%E6%97%B6%E5%BA%8F%E5%B7%AE%E5%88%86/">temporal_difference (时序差分)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning-%E8%A7%84%E5%88%92/">planning (规划)</a></li> </ul>保留的（数据）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/held_out/Sat, 18 Jul 2026 10:56:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/held_out/<h2 id="definition">Definition</h2> <p>“保留的”数据集由故意排除在机器学习模型训练阶段之外的示例组成。该子集用于评估模型对未见数据的泛化能力，为开发者提供关于模型在真实场景中表现的无偏估计，从而辅助超参数调整和模型选择。</p> <h3 id="summary">Summary</h3> <p>从训练集中预留的数据样本，用于评估模型性能并在开发过程中防止过拟合。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化</li> <li>过拟合</li> <li>验证集</li> <li>无偏评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调整超参数</li> <li>比较不同的模型架构</li> <li>生产部署前的最终性能估算</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/training_set-%E8%AE%AD%E7%BB%83%E9%9B%86/">training_set (训练集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/test_set-%E6%B5%8B%E8%AF%95%E9%9B%86/">test_set (测试集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross_validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">cross_validation (交叉验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">generalization (泛化)</a></li> </ul>高保真的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_fidelity/Sat, 18 Jul 2026 10:56:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_fidelity/<h2 id="definition">Definition</h2> <p>高保真描述生成模型的输出与真实数据难以区分或非常相似。在图像生成中，意味着逼真的纹理和光照；在音频中，指清晰自然的语音或音乐。高保真度是衡量生成式AI质量的关键指标，广泛应用于需要极高真实感的场景。</p> <h3 id="summary">Summary</h3> <p>指生成的内容在细节、质量和逼真度上与现实世界数据高度相似。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>逼真度</li> <li>生成质量</li> <li>视觉/音频保真度</li> <li>不可区分性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>照片级真实图像合成</li> <li>声音克隆和语音合成</li> <li>虚拟现实资产创建</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative_models-%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/">generative_models (生成模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion_models-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">diffusion_models (扩散模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quality_metrics-%E8%B4%A8%E9%87%8F%E6%8C%87%E6%A0%87/">quality_metrics (质量指标)</a></li> </ul>高层的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_level/Sat, 18 Jul 2026 10:56:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_level/<h2 id="definition">Definition</h2> <p>在人工智能中，“高层”指简化复杂过程的抽象层。高级语言（如Python）或API允许开发人员在不管理内存或硬件细节的情况下构建模型。高层抽象提高了开发效率和代码可读性，使研究者能专注于算法逻辑而非底层优化。</p> <h3 id="summary">Summary</h3> <p>指抽象表示或编程接口，对用户隐藏了底层实现细节。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>抽象</li> <li>API</li> <li>复杂性隐藏</li> <li>生产力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用PyTorch/TensorFlow高层API</li> <li>机器学习管道中的特征工程</li> <li>AI专用领域特定语言</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/abstraction-%E6%8A%BD%E8%B1%A1/">abstraction (抽象)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/low_level-%E4%BD%8E%E5%B1%82/">low_level (低层)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/framework-%E6%A1%86%E6%9E%B6/">framework (框架)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/api-%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E6%8E%A5%E5%8F%A3/">API (应用程序接口)</a></li> </ul>高维的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_dimensional/Sat, 18 Jul 2026 10:56:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/high_dimensional/<h2 id="definition">Definition</h2> <p>高维是指包含海量属性或特征的 dataset 或向量空间。在人工智能中，这常见于文本嵌入、图像像素或基因表达数据。虽然高维数据蕴含丰富信息，但也带来了“维度灾难”，即随着维度增加，数据变得极其稀疏，距离度量失效，且计算复杂度急剧上升。</p> <h3 id="summary">Summary</h3> <p>描述具有大量特征或维度的数据空间，通常导致稀疏性和计算挑战。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>维度灾难</li> <li>特征空间</li> <li>稀疏性</li> <li>降维</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理（词嵌入）</li> <li>计算机视觉（像素数组）</li> <li>推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pca-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/">PCA (主成分分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sparsity-%E7%A8%80%E7%96%8F%E6%80%A7/">sparsity (稀疏性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature_engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">feature_engineering (特征工程)</a></li> </ul>一阶https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/first_order/Sat, 18 Jul 2026 10:56:36 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/first_order/<h2 id="definition">Definition</h2> <p>在人工智能和数学中，“一阶”通常描述不涉及高阶交互的直接、线性关系系统或操作。在优化领域，它指的是仅利用目标函数的一阶导数（梯度）信息来寻找极值的方法，例如梯度下降法。与二阶方法相比，一阶方法计算成本较低，但收敛速度可能较慢。</p> <h3 id="summary">Summary</h3> <p>指涉及直接关系或线性近似概念，如一阶逻辑或一阶导数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度下降</li> <li>一阶逻辑</li> <li>线性近似</li> <li>导数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过反向传播训练神经网络</li> <li>符号AI中的知识表示</li> <li>如随机梯度下降（SGD）等优化算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/second-order-%E4%BA%8C%E9%98%B6/">second-order (二阶)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-%E6%A2%AF%E5%BA%A6/">gradient (梯度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/logic-%E9%80%BB%E8%BE%91/">logic (逻辑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">optimization (优化)</a></li> </ul>基于扩散的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusion_based/Sat, 18 Jul 2026 10:56:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusion_based/<h2 id="definition">Definition</h2> <p>基于扩散的模型是一类生成式AI，它们通过从随机分布中迭代去除噪声来创建新的数据样本。该过程始于一个前向阶段，即缓慢地向数据中添加高斯噪声，直到数据变为纯噪声；随后通过训练神经网络学习逆向过程，从而从噪声中恢复出有意义的结构。</p> <h3 id="summary">Summary</h3> <p>一种生成建模方法，通过学习去噪步骤逆转逐渐添加噪声的过程来创建数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>前向过程</li> <li>逆向过程</li> <li>去噪</li> <li>潜在空间</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高分辨率图像合成</li> <li>文生图生成</li> <li>医学影像的数据增强</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable_diffusion-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3/">stable_diffusion (稳定扩散)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative_models-%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/">generative_models (生成模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/denoising_autoencoder-%E5%8E%BB%E5%99%AA%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">denoising_autoencoder (去噪自编码器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latent_diffusion-%E6%BD%9C%E5%9C%A8%E6%89%A9%E6%95%A3/">latent_diffusion (潜在扩散)</a></li> </ul>决策制定https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision_making/Sat, 18 Jul 2026 10:56:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision_making/<h2 id="definition">Definition</h2> <p>在人工智能中，决策制定是指系统根据特定标准或目标评估潜在行动，以选择最佳结果的算法过程。这一过程涉及对当前状态的评估以及对未来可能结果的预测。</p> <h3 id="summary">Summary</h3> <p>基于可用信息，从多个备选方案中选择行动路线的认知过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态评估</li> <li>动作选择</li> <li>效用最大化</li> <li>奖励信号</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆导航</li> <li>算法交易系统</li> <li>游戏AI代理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement_learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">reinforcement_learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/policy_gradient-%E7%AD%96%E7%95%A5%E6%A2%AF%E5%BA%A6/">policy_gradient (策略梯度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/value_function-%E4%BB%B7%E5%80%BC%E5%87%BD%E6%95%B0/">value_function (价值函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-%E6%99%BA%E8%83%BD%E4%BD%93/">agent (智能体)</a></li> </ul>少样本https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/few_shot/Sat, 18 Jul 2026 10:56:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/few_shot/<h2 id="definition">Definition</h2> <p>少样本学习使机器学习模型能够从极其有限的数据中进行泛化，通常每个类别仅需一到十个示例。与需要数千个示例的传统监督学习不同，少样本学习利用预训练模型中提取的通用特征，使其能够在新任务上快速适应并表现良好。</p> <h3 id="summary">Summary</h3> <p>一种学习范式，模型在仅接触少量标注示例后便能正确执行任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元学习</li> <li>泛化能力</li> <li>标签效率</li> <li>预训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>罕见病诊断</li> <li>聊天机器人中的自定义意图识别</li> <li>有限数据下的领域自适应</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zero_shot-%E9%9B%B6%E6%A0%B7%E6%9C%AC/">zero_shot (零样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/one_shot-%E5%8D%95%E6%A0%B7%E6%9C%AC/">one_shot (单样本)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta_learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta_learning (元学习)</a></li> </ul>微调后的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine_tuned/Sat, 18 Jul 2026 10:56:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine_tuned/<h2 id="definition">Definition</h2> <p>微调涉及使用较小且针对特定任务的数据集，继续训练已在大型通用数据集上训练好的模型。该技术利用了预训练模型中习得的通用特征表示，使其能够以较低的计算成本和较少的数据量，高效地适配到具体的应用场景中。</p> <h3 id="summary">Summary</h3> <p>在特定数据集上进一步训练预训练模型，使其适应特定下游任务的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>权重更新</li> <li>任务特定</li> <li>预训练模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调整大语言模型以审阅法律文档</li> <li>定制视觉模型用于工业缺陷检测</li> <li>专门化语音识别以适应特定口音</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pre_training-%E9%A2%84%E8%AE%AD%E7%BB%83/">pre_training (预训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised_fine_tuning-%E7%9B%91%E7%9D%A3%E5%BE%AE%E8%B0%83/">supervised_fine_tuning (监督微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/parameter_efficient-%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88/">parameter_efficient (参数高效)</a></li> </ul>细粒度https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine_grained/Sat, 18 Jul 2026 10:56:23 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine_grained/<h2 id="definition">Definition</h2> <p>细粒度分析涉及在子类别层面而非仅仅在主类别层面识别和分类对象或概念。例如，区分狗的具体品种或不同品牌的智能手机，而不是仅仅将其归类为“动物”或“电子产品”。这要求模型捕捉更细微的特征差异。</p> <h3 id="summary">Summary</h3> <p>描述需要在宽泛类别内区分细微差异的分析或分类任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>子分类</li> <li>类内方差</li> <li>详细特征</li> <li>分层标签</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生态学中的物种鉴定</li> <li>电商中的产品变体检测</li> <li>面部表情的微分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/classification-%E5%88%86%E7%B1%BB/">classification (分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/visual_features-%E8%A7%86%E8%A7%89%E7%89%B9%E5%BE%81/">visual_features (视觉特征)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hierarchy-%E5%B1%82%E7%BA%A7%E7%BB%93%E6%9E%84/">hierarchy (层级结构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/granularity-%E7%B2%92%E5%BA%A6/">granularity (粒度)</a></li> </ul>Wasserstein（瓦瑟斯坦）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wasserstein/Sat, 18 Jul 2026 10:56:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/wasserstein/<h2 id="definition">Definition</h2> <p>Wasserstein距离，也称为地球移动距离（Earth Mover&rsquo;s Distance），通过计算将质量从一个分布移动到另一个分布所需的“最小工作量”来量化两个概率分布之间的差异。</p> <h3 id="summary">Summary</h3> <p>一种基于将一个概率分布转换为另一个所需最小成本来衡量概率分布之间距离的指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>地球移动距离</li> <li>概率分布</li> <li>最优传输</li> <li>梯度稳定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练稳定的生成对抗网络</li> <li>领域自适应</li> <li>测量分布相似性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kl%E6%95%A3%E5%BA%A6-kullback-leibler-divergence/">KL散度 (Kullback-Leibler Divergence)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C-generative-adversarial-networks/">生成对抗网络 (Generative Adversarial Networks)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%9C%80%E4%BC%98%E4%BC%A0%E8%BE%93-optimal-transport/">最优传输 (Optimal Transport)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E5%B8%83%E5%8C%B9%E9%85%8D-distribution-matching/">分布匹配 (Distribution Matching)</a></li> </ul>闭环（closed-loop）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/closed_loop/Sat, 18 Jul 2026 10:56:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/closed_loop/<h2 id="definition">Definition</h2> <p>人工智能中的闭环系统利用来自环境的实时反馈来动态调整其行为或参数。这与执行预定义序列的开环系统形成对比&hellip;</p> <h3 id="summary">Summary</h3> <p>一种控制系统的输出反馈被连续用于调整未来行动的系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>反馈回路</li> <li>实时调整</li> <li>自主性</li> <li>控制理论</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆控制</li> <li>强化学习</li> <li>自适应机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%80%E7%8E%AF-open-loop/">开环 (Open Loop)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0-reinforcement-learning/">强化学习 (Reinforcement Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%8D%E9%A6%88%E6%9C%BA%E5%88%B6-feedback-mechanism/">反馈机制 (Feedback Mechanism)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8E%A7%E5%88%B6%E7%B3%BB%E7%BB%9F-control-systems/">控制系统 (Control Systems)</a></li> </ul>黑盒（black-box）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/black_box/Sat, 18 Jul 2026 10:56:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/black_box/<h2 id="definition">Definition</h2> <p>在人工智能中，黑盒模型指的是像深度神经网络这样的复杂系统，其内部决策逻辑是不透明的，难以被人解释。虽然这些模型通常能取得&hellip;</p> <h3 id="summary">Summary</h3> <p>内部机制被隐藏，仅能观察输入和输出的系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可解释性</li> <li>不透明性</li> <li>输入-输出映射</li> <li>可解释人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度学习模型</li> <li>专有算法</li> <li>复杂预测系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%99%BD%E7%9B%92-white-box/">白盒 (White Box)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7-interpretability/">可解释性 (Interpretability)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-deep-learning/">深度学习 (Deep Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD-explainable-ai/">可解释人工智能 (Explainable AI)</a></li> </ul>跨模态（cross-modal）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cross_modal/Sat, 18 Jul 2026 10:56:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cross_modal/<h2 id="definition">Definition</h2> <p>跨模态人工智能涉及处理和关联来自不同模态的数据，例如结合视觉、听觉和文本输入。这些系统学习共享表示以理解关系&hellip;</p> <h3 id="summary">Summary</h3> <p>整合和处理不同感官数据类型（如文本和图像）信息的 techniques。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多模态学习</li> <li>数据融合</li> <li>共享嵌入</li> <li>模态间映射</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像描述生成</li> <li>视觉问答</li> <li>多模态搜索</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A4%9A%E6%A8%A1%E6%80%81%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD-multimodal-ai/">多模态人工智能 (Multimodal AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5-embedding/">嵌入 (Embedding)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89-computer-vision/">计算机视觉 (Computer Vision)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> </ul>连续时间（continuous-time）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continuous_time/Sat, 18 Jul 2026 10:56:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/continuous_time/<h2 id="definition">Definition</h2> <p>连续时间模型使用微分方程描述系统动态，允许状态随时间平滑演化。在人工智能中，这体现在神经常微分方程（Neural ODEs）等应用中&hellip;</p> <h3 id="summary">Summary</h3> <p>一种建模方法，其中变量在连续域上平滑变化，而非离散步骤。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>微分方程</li> <li>神经常微分方程</li> <li>平滑动态</li> <li>时序建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>神经常微分方程</li> <li>物理信息机器学习</li> <li>不规则时间序列数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A6%BB%E6%95%A3%E6%97%B6%E9%97%B4-discrete-time/">离散时间 (Discrete-Time)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E5%B8%B8%E5%BE%AE%E5%88%86%E6%96%B9%E7%A8%8B-neural-ode/">神经常微分方程 (Neural ODE)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8A%A8%E5%8A%9B%E7%B3%BB%E7%BB%9F-dynamical-systems/">动力系统 (Dynamical Systems)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90-time-series-analysis/">时间序列分析 (Time Series Analysis)</a></li> </ul>非匹配（Unlike）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unlike/Sat, 18 Jul 2026 10:55:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/unlike/<h2 id="definition">Definition</h2> <p>在数据库查询和逻辑中，“Unlike”通常指 NOT LIKE 运算符，它执行反向的模式匹配。对于列值不符合指定模式的行，该运算符返回真值。</p> <h3 id="summary">Summary</h3> <p>一种用于 SQL 和编程的逻辑运算符，用于筛选不满足指定条件的记录。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模式匹配</li> <li>通配符</li> <li>否定</li> <li>SQL 过滤</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>排除特定域名的电子邮件地址</li> <li>过滤掉包含特定关键词的产品名称</li> <li>通过移除格式无效的条目进行数据清洗</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>SELECT <span style="color:#000;font-weight:bold">*</span> FROM users WHERE email NOT LIKE <span style="color:#d14">&#39;%@spam.com&#39;</span>; </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/like-%E5%8C%B9%E9%85%8D/">LIKE (匹配)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/not-in-%E4%B8%8D%E5%9C%A8-%E4%B8%AD/">NOT IN (不在&hellip;中)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/except-%E6%8E%92%E9%99%A4/">EXCEPT (排除)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/wildcard-%E9%80%9A%E9%85%8D%E7%AC%A6/">Wildcard (通配符)</a></li> </ul>视觉（Visual）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/visual/Sat, 18 Jul 2026 10:55:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/visual/<h2 id="definition">Definition</h2> <p>AI 中的“视觉”一词主要涉及计算机视觉领域，该领域致力于使机器能够从数字图像、视频和其他视觉输入中提取有意义的信息。它涉及图像处理、对象检测等技术。</p> <h3 id="summary">Summary</h3> <p>与视力或图像相关，通常指处理和解释图像和视频等视觉数据的计算机视觉任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>计算机视觉</li> <li>图像处理</li> <li>目标检测</li> <li>像素数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人脸识别系统</li> <li>用于诊断的医学图像分析</li> <li>自动驾驶汽车的障碍物检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-recognition-%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB/">Image Recognition (图像识别)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cnn-%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">CNN (卷积神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optical-character-recognition-%E5%85%89%E5%AD%A6%E5%AD%97%E7%AC%A6%E8%AF%86%E5%88%AB/">Optical Character Recognition (光学字符识别)</a></li> </ul>视图（View）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/view/Sat, 18 Jul 2026 10:55:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/view/<h2 id="definition">Definition</h2> <p>在数据库管理中，视图表现为一个保存的 SQL 查询，其行为像表一样，但本身不包含数据。它为底层数据提供简化或定制的视角，从而增强安全性并简化复杂查询。</p> <h3 id="summary">Summary</h3> <p>数据库中由存储查询生成的虚拟表，展示来自一个或多个表的数据，但不物理存储这些数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>虚拟表</li> <li>SQL 查询</li> <li>数据抽象</li> <li>安全性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为非技术用户创建简化的报表</li> <li>限制对表中敏感列的访问</li> <li>在应用程序间标准化复杂的连接逻辑</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>CREATE VIEW ActiveUsers AS SELECT <span style="color:#0086b3">id</span>, name FROM users WHERE status <span style="color:#000;font-weight:bold">=</span> <span style="color:#d14">&#39;active&#39;</span>; </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/table-%E8%A1%A8/">Table (表)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/query-%E6%9F%A5%E8%AF%A2/">Query (查询)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/schema-%E6%A8%A1%E5%BC%8F-%E6%9E%B6%E6%9E%84/">Schema (模式/架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/materialized-view-%E7%89%A9%E5%8C%96%E8%A7%86%E5%9B%BE/">Materialized View (物化视图)</a></li> </ul>向量数据库https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vector_database/Sat, 18 Jul 2026 10:55:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vector_database/<h2 id="definition">Definition</h2> <p>向量数据库通过将非结构化数据转换为数值嵌入（embeddings）来优化其存储和检索。它们使用近似最近邻（ANN）等算法，以高效地查找相似性。</p> <h3 id="summary">Summary</h3> <p>一种专为存储、索引和查询表示数据特征的高维向量而设计的专用数据库。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>嵌入（Embeddings）</li> <li>相似度搜索</li> <li>高维空间</li> <li>ANN 索引</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文档库中的语义搜索</li> <li>图像和音频识别系统</li> <li>个性化推荐引擎</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">pinecone</span> </span></span><span style="display:flex;"><span>pinecone<span style="color:#000;font-weight:bold">.</span>init(api_key<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;...&#39;</span>, environment<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;...&#39;</span>) </span></span><span style="display:flex;"><span>index <span style="color:#000;font-weight:bold">=</span> pinecone<span style="color:#000;font-weight:bold">.</span>Index(<span style="color:#d14">&#39;my-index&#39;</span>) </span></span><span style="display:flex;"><span>result <span style="color:#000;font-weight:bold">=</span> index<span style="color:#000;font-weight:bold">.</span>query(vector<span style="color:#000;font-weight:bold">=</span>[<span style="color:#099">0.1</span>, <span style="color:#099">0.2</span>, <span style="color:#000;font-weight:bold">...</span>], top_k<span style="color:#000;font-weight:bold">=</span><span style="color:#099">5</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-network-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Network (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/similarity-metric-%E7%9B%B8%E4%BC%BC%E5%BA%A6%E5%BA%A6%E9%87%8F/">Similarity Metric (相似度度量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pinecone-pinecone-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">Pinecone (Pinecone 向量数据库)</a></li> </ul>载体/平台（Vehicle）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vehicle/Sat, 18 Jul 2026 10:55:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/vehicle/<h2 id="definition">Definition</h2> <p>虽然传统上指交通工具，但在 AI 术语中，“载体”可以隐喻地描述智能服务的交付机制，例如移动应用、Web 界面或嵌入式系统。</p> <h3 id="summary">Summary</h3> <p>在 AI 语境中，载体通常指部署或向最终用户交付 AI 模型的平台或媒介。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>部署平台</li> <li>接口</li> <li>硬件集成</li> <li>交付机制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>描述自动驾驶汽车中的 AI</li> <li>将移动应用标识为 AI 服务载体</li> <li>讨论物联网设备作为边缘 AI 的承载者</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/platform-%E5%B9%B3%E5%8F%B0/">Platform (平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interface-%E6%8E%A5%E5%8F%A3/">Interface (接口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedded-ai-%E5%B5%8C%E5%85%A5%E5%BC%8F-ai/">Embedded AI (嵌入式 AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">Edge Computing (边缘计算)</a></li> </ul>Transformerhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transformer/Sat, 18 Jul 2026 10:55:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transformer/<h2 id="definition">Definition</h2> <p>Transformer架构在《Attention Is All You Need》论文中被提出，彻底革新了自然语言处理及更多领域。它使用多头自注意力机制来权衡输入序列中不同部分的重要性。</p> <h3 id="summary">Summary</h3> <p>一种基于自注意力机制的深度学习架构，能够并行而非顺序地处理序列数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自注意力</li> <li>多头注意力</li> <li>位置编码</li> <li>编码器-解码器结构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器翻译</li> <li>文本生成</li> <li>图像识别（ViT）</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>attention_layer <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>MultiheadAttention(embed_dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">512</span>, num_heads<span style="color:#000;font-weight:bold">=</span><span style="color:#099">8</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention_mechanism-%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">attention_mechanism (注意力机制)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-bert%E6%A8%A1%E5%9E%8B/">bert (BERT模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt-gpt%E6%A8%A1%E5%9E%8B/">gpt (GPT模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/self_attention-%E8%87%AA%E6%B3%A8%E6%84%8F%E5%8A%9B/">self_attention (自注意力)</a></li> </ul>Transformers库https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transformers/Sat, 18 Jul 2026 10:55:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transformers/<h2 id="definition">Definition</h2> <p>术语“Transformers”通常指由Hugging Face维护的广泛使用的Python库。它为下载、训练和部署基于Transformer架构的预训练模型提供了易于使用的接口。</p> <h3 id="summary">Summary</h3> <p>在此语境下，指Hugging Face Transformers库，这是一个流行的开源工具包，用于最先进的NLP和多模态模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Hugging Face Hub</li> <li>Pipeline API</li> <li>Model Cards</li> <li>分词器集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>NLP应用的快速原型开发</li> <li>访问社区预训练模型</li> <li>标准化模型部署工作流</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> pipeline </span></span><span style="display:flex;"><span>classifier <span style="color:#000;font-weight:bold">=</span> pipeline(<span style="color:#d14">&#39;sentiment-analysis&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hugging_face-hugging-face%E5%B9%B3%E5%8F%B0/">hugging_face (Hugging Face平台)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E6%B5%81%E6%B0%B4%E7%BA%BFapi/">pipeline (流水线API)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenizer-%E5%88%86%E8%AF%8D%E5%99%A8/">tokenizer (分词器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pytorch-pytorch%E6%A1%86%E6%9E%B6/">pytorch (PyTorch框架)</a></li> </ul>调优https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tuning/Sat, 18 Jul 2026 10:55:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tuning/<h2 id="definition">Definition</h2> <p>调优涉及改进机器学习模型以实现更好的准确性或效率。它可以指超参数调优，即优化学习率或批次大小等设置；也可以指模型权重的微调。</p> <h3 id="summary">Summary</h3> <p>调整超参数或模型权重以优化特定数据集或任务性能的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>超参数</li> <li>网格搜索</li> <li>随机搜索</li> <li>防止过拟合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>优化模型准确性</li> <li>降低推理延迟</li> <li>使模型适应特定领域</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.model_selection</span> <span style="color:#000;font-weight:bold">import</span> GridSearchCV </span></span><span style="display:flex;"><span>param_grid <span style="color:#000;font-weight:bold">=</span> {<span style="color:#d14">&#39;C&#39;</span>: [<span style="color:#099">0.1</span>, <span style="color:#099">1</span>, <span style="color:#099">10</span>]} </span></span><span style="display:flex;"><span>search <span style="color:#000;font-weight:bold">=</span> GridSearchCV(svm, param_grid, cv<span style="color:#000;font-weight:bold">=</span><span style="color:#099">5</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter_optimization-%E8%B6%85%E5%8F%82%E6%95%B0%E4%BC%98%E5%8C%96/">hyperparameter_optimization (超参数优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/grid_search-%E7%BD%91%E6%A0%BC%E6%90%9C%E7%B4%A2/">grid_search (网格搜索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/validation-%E9%AA%8C%E8%AF%81/">validation (验证)</a></li> </ul>理解https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/understanding/Sat, 18 Jul 2026 10:55:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/understanding/<h2 id="definition">Definition</h2> <p>AI的理解超越了统计相关性，旨在解释数据背后的潜在含义。对于语言模型而言，这涉及掌握句法、语义和语用学，以生成连贯且合乎逻辑的输出。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，指模型能够理解输入数据中的语义含义、上下文和意图，而不仅仅是进行模式匹配。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语义分析</li> <li>上下文感知</li> <li>意图识别</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对话代理</li> <li>文档摘要</li> <li>问答系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantics-%E8%AF%AD%E4%B9%89/">semantics (语义)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-%E4%B8%8A%E4%B8%8B%E6%96%87/">context (上下文)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">nlp (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-%E6%8E%A8%E7%90%86/">reasoning (推理)</a></li> </ul>迁移学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transfer_learning/Sat, 18 Jul 2026 10:55:40 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/transfer_learning/<h2 id="definition">Definition</h2> <p>迁移学习利用预训练模型来提高在新且相关任务上的性能并减少训练时间。开发人员无需从头开始训练，而是对现有权重进行微调，从而利用先前学到的知识。</p> <h3 id="summary">Summary</h3> <p>一种机器学习技术，将在一个任务中开发的模型作为第二个任务的模型的起点进行复用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预训练模型</li> <li>微调</li> <li>领域自适应</li> <li>特征提取</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数据有限的图像分类</li> <li>针对小众主题的情感分析</li> <li>医疗诊断辅助</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> AutoModelForSequenceClassification </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> AutoModelForSequenceClassification<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#39;bert-base-uncased&#39;</span>, num_labels<span style="color:#000;font-weight:bold">=</span><span style="color:#099">2</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pre_training-%E9%A2%84%E8%AE%AD%E7%BB%83/">pre_training (预训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/domain_adaptation-%E9%A2%86%E5%9F%9F%E8%87%AA%E9%80%82%E5%BA%94/">domain_adaptation (领域自适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few_shot_learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">few_shot_learning (少样本学习)</a></li> </ul>词元https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/token/Sat, 18 Jul 2026 10:55:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/token/<h2 id="definition">Definition</h2> <h3 id="summary">Summary</h3> <p>词元是文本或数据的离散单元，作为自然语言处理模型的基本输入元素。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>离散单元</li> <li>词汇表</li> <li>嵌入</li> <li>上下文窗口</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>LLM中的文本生成</li> <li>机器翻译预处理</li> <li>情感分析输入格式化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenization-%E5%88%86%E8%AF%8D/">Tokenization (分词)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vocabulary-%E8%AF%8D%E6%B1%87%E8%A1%A8/">Vocabulary (词汇表)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/subword-%E5%AD%90%E8%AF%8D/">Subword (子词)</a></li> </ul>分词https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tokenization/Sat, 18 Jul 2026 10:55:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/tokenization/<h2 id="definition">Definition</h2> <p>分词是自然语言处理（NLP）中的关键预处理步骤，它将非结构化文本转换为适合模型输入的结构化数据。该过程涉及将句子分解为更小的单元，如单词、子词或字符，以便模型能够有效理解语义。</p> <h3 id="summary">Summary</h3> <p>分词是将原始文本拆分为称为词元的较小单元的过程，这些单元可以被机器学习算法处理。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文本拆分</li> <li>预处理</li> <li>WordPiece</li> <li>字节对编码</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为BERT训练准备数据集</li> <li>GPT模型的输入格式化</li> <li>情感分析的数据清洗</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> AutoTokenizer </span></span><span style="display:flex;"><span>tokenizer <span style="color:#000;font-weight:bold">=</span> AutoTokenizer<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#39;bert-base-uncased&#39;</span>) </span></span><span style="display:flex;"><span>tokens <span style="color:#000;font-weight:bold">=</span> tokenizer<span style="color:#000;font-weight:bold">.</span>tokenize(<span style="color:#d14">&#39;Hello world!&#39;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenizer-%E5%88%86%E8%AF%8D%E5%99%A8/">Tokenizer (分词器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vocabulary-%E8%AF%8D%E6%B1%87%E8%A1%A8/">Vocabulary (词汇表)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/preprocessing-%E9%A2%84%E5%A4%84%E7%90%86/">Preprocessing (预处理)</a></li> </ul>趋向https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/towards/Sat, 18 Jul 2026 10:55:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/towards/<h2 id="definition">Definition</h2> <p>在AI开发中，“趋向”通常描述优化过程的轨迹，例如梯度下降使权重向最小损失值移动。它还表示研究方向，即研究重点逐渐集中在提高效率或对齐人类价值观上。</p> <h3 id="summary">Summary</h3> <p>“趋向”指AI中的方向性进展或优化目标，表示向性能提升或特定目标移动的方向。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>优化方向</li> <li>梯度下降</li> <li>目标对齐</li> <li>迭代改进</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监控训练期间的损失减少</li> <li>使AI输出与人类价值观对齐</li> <li>将研究重点导向效率提升</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-%E6%A2%AF%E5%BA%A6/">Gradient (梯度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/objective-%E7%9B%AE%E6%A0%87/">Objective (目标)</a></li> </ul>时间https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/time/Sat, 18 Jul 2026 10:55:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/time/<h2 id="definition">Definition</h2> <p>时间是人工智能中的一个基本概念，尤其在序列建模和实时系统中至关重要。它作为数据点排序的轴，使循环神经网络（RNN）等模型能够处理依赖时间顺序的数据。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，时间指用于对事件进行排序、跟踪状态变化以及衡量模型操作延迟或持续时间的时序维度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时序排序</li> <li>延迟</li> <li>状态跟踪</li> <li>因果关系</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>基于随时间变化的传感器数据进行预测性维护</li> <li>实时语音识别</li> <li>股票市场趋势分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-%E5%BA%8F%E5%88%97/">Sequence (序列)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/timestamp-%E6%97%B6%E9%97%B4%E6%88%B3/">Timestamp (时间戳)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/temporal-%E6%97%B6%E5%BA%8F%E7%9A%84/">Temporal (时序的)</a></li> </ul>协同https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/together/Sat, 18 Jul 2026 10:55:25 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/together/<h2 id="definition">Definition</h2> <p>虽然这不是一个严格的技术术语，但在AI语境中，“协同”通常意味着合作，例如多智能体系统朝着共同目标努力，或者集成学习中多个模型结合其预测结果以提高准确性。</p> <h3 id="summary">Summary</h3> <p>“协同”通常描述协作式AI系统或集成方法，其中多个模型或智能体协同工作以实现统一的结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>协作</li> <li>集成学习</li> <li>多智能体系统</li> <li>整合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>用于图像分类的集成投票机制</li> <li>多智能体强化学习</li> <li>人在回路的AI工作流</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ensemble-%E9%9B%86%E6%88%90/">Ensemble (集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/collaboration-%E5%8D%8F%E4%BD%9C/">Collaboration (协作)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93/">Multi-Agent (多智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/synergy-%E5%8D%8F%E5%90%8C%E6%95%88%E5%BA%94/">Synergy (协同效应)</a></li> </ul>Symbalhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbal/Sat, 18 Jul 2026 10:55:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/symbal/<h2 id="definition">Definition</h2> <p>在 AI 术语语境中，不存在关于“Symbal”的既定定义。它可能是“Symbolic”（符号）的拼写错误，指代符号人工智能，或者是一个非标准的新造词。在严谨的技术上下文中……</p> <h3 id="summary">Summary</h3> <p>Symbal 并非人工智能或计算机科学中公认的标准术语。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>拼写错误</li> <li>非标准</li> <li>歧义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>识别文档中的潜在拼写错误</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolic-ai-%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Symbolic AI (符号人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symbolism-%E7%AC%A6%E5%8F%B7%E4%B8%BB%E4%B9%89/">Symbolism (符号主义)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/terminology-error-%E6%9C%AF%E8%AF%AD%E9%94%99%E8%AF%AF/">Terminology Error (术语错误)</a></li> </ul>Synthetichttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/synthetic/Sat, 18 Jul 2026 10:55:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/synthetic/<h2 id="definition">Definition</h2> <p>在 AI 领域，合成数据是人工生成的信息，它模仿真实世界的数据，但不包含任何实际的个人或敏感记录。当缺乏真实数据时，它对训练机器学习模型至关重要……</p> <h3 id="summary">Summary</h3> <p>Synthetic 指由算法人工生成的数据或内容，而非从自然来源收集。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据生成</li> <li>隐私保护</li> <li>生成对抗网络 (GANs)</li> <li>模拟</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在模拟环境中训练自动驾驶汽车</li> <li>扩充不平衡的医疗数据集</li> <li>在不暴露真实用户数据的情况下测试软件</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-ai-%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Generative AI (生成式人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-augmentation-%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA/">Data Augmentation (数据增强)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulation-%E6%A8%A1%E6%8B%9F/">Simulation (模拟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/privacy-preserving-ml-%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Privacy-Preserving ML (隐私保护机器学习)</a></li> </ul>Temporalhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/temporal/Sat, 18 Jul 2026 10:55:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/temporal/<h2 id="definition">Definition</h2> <p>AI 中的时序概念涉及分析按时间顺序排列的数据点，如股票价格、传感器读数或自然语言句子。处理时序数据的模型必须考虑序列顺序……</p> <h3 id="summary">Summary</h3> <p>Temporal 涉及时间序列，关注数据如何随时间变化或依赖关系如何演变。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时间序列</li> <li>序列建模</li> <li>循环神经网络 (RNNs)</li> <li>长短期记忆网络 (LSTMs)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预测股票市场趋势</li> <li>语音识别处理音频波形</li> <li>预测天气模式</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/time-series-analysis-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90/">Time Series Analysis (时间序列分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-to-sequence-%E5%BA%8F%E5%88%97%E5%88%B0%E5%BA%8F%E5%88%97/">Sequence-to-Sequence (序列到序列)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recurrent-neural-network-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Recurrent Neural Network (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8/">Transformer (变换器)</a></li> </ul>Testhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/test/Sat, 18 Jul 2026 10:55:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/test/<h2 id="definition">Definition</h2> <p>测试集是在训练过程中保留出来的一部分数据，用于评估最终模型的泛化能力。与用于超参数调优的验证集不同，测试集提供……</p> <h3 id="summary">Summary</h3> <p>Test 指评估阶段，在此阶段对未见过的数据进行评估以衡量经过训练的 AI 模型的性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化</li> <li>未见数据</li> <li>模型评估</li> <li>防止过拟合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>测量分类模型的准确性</li> <li>对不同算法版本进行基准测试</li> <li>部署前的最终验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/validation-set-%E9%AA%8C%E8%AF%81%E9%9B%86/">Validation Set (验证集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/training-set-%E8%AE%AD%E7%BB%83%E9%9B%86/">Training Set (训练集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross-validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">Cross-Validation (交叉验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/metrics-%E6%8C%87%E6%A0%87/">Metrics (指标)</a></li> </ul>Throughhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/through/Sat, 18 Jul 2026 10:55:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/through/<h2 id="definition">Definition</h2> <p>&lsquo;Through&rsquo; 在 AI 术语中没有独立的定义。它常用于短语中，如 &rsquo;throughput&rsquo;（吞吐量，即处理速率）或描述信号穿过节点的“神经网络层”。没有……</p> <h3 id="summary">Summary</h3> <p>Through 是一个介词，不是人工智能中的特定技术术语。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>介词</li> <li>依赖上下文</li> <li>非技术性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>NLP 任务中的语法纠正</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">Throughput (吞吐量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/forward-propagation-%E5%89%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Forward Propagation (前向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> </ul>监督式https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supervised/Sat, 18 Jul 2026 10:55:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/supervised/<h2 id="definition">Definition</h2> <p>监督学习涉及向算法提供包含输入和正确答案（标签）的数据。模型通过最小化预测误差来学习将输入映射到输出。这项技术&hellip;</p> <h3 id="summary">Summary</h3> <p>一种机器学习范式，模型在有标签的输入-输出对上进行训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>有标签数据</li> <li>映射</li> <li>损失最小化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像分类</li> <li>垃圾邮件检测</li> <li>价格预测</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.linear_model</span> <span style="color:#000;font-weight:bold">import</span> LinearRegression </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> LinearRegression() </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>fit(X_train, y_train) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%97%A0%E7%9B%91%E7%9D%A3-unsupervised/">无监督 (Unsupervised)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A0%87%E7%AD%BE-label/">标签 (Label)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%9E%E5%BD%92-regression/">回归 (Regression)</a></li> </ul>结构性的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/structural/Sat, 18 Jul 2026 10:55:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/structural/<h2 id="definition">Definition</h2> <p>结构性方面定义了数据或神经网络层的组织方式。在图神经网络中，结构指节点连接；在深度学习中，它指层拓扑。理解&hellip;</p> <h3 id="summary">Summary</h3> <p>涉及系统内组件的基础组织、架构或排列方式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>架构</li> <li>拓扑</li> <li>组织</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图神经网络</li> <li>神经架构搜索</li> <li>数据模式设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BD%91%E7%BB%9C-network/">网络 (Network)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B1%82-layer/">层 (Layer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9B%BE-graph/">图 (Graph)</a></li> </ul>具体而言https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/specifically/Sat, 18 Jul 2026 10:55:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/specifically/<h2 id="definition">Definition</h2> <p>在人工智能术语中，“具体而言”表示在定义模型、数据点或操作时的精确性。它区分了确切参数与一般类别，确保技术文档的清晰度。</p> <h3 id="summary">Summary</h3> <p>指在更广泛的语境中精确、独特或特定的细节。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>精确性</li> <li>差异化</li> <li>参数特异性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定义超参数</li> <li>澄清模型范围</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%9B%E5%8C%96-generalization/">泛化 (Generalization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%BA%A6%E6%9D%9F-constraint/">约束 (Constraint)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%B2%BE%E7%A1%AE%E5%BA%A6-exactness/">精确度 (Exactness)</a></li> </ul>随机https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stochastic/Sat, 18 Jul 2026 10:55:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/stochastic/<h2 id="definition">Definition</h2> <p>随机元素为人工智能系统引入变异性，例如数据中的噪声或权重的随机初始化。与确定性模型不同，随机模型考虑了不确定性，从而使得&hellip;</p> <h3 id="summary">Summary</h3> <p>描述涉及随机性和概率而非确定性结果的过程或模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>随机性</li> <li>概率</li> <li>不确定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>蒙特卡洛方法</li> <li>生成对抗网络</li> <li>贝叶斯推断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A1%AE%E5%AE%9A%E6%80%A7-deterministic/">确定性 (Deterministic)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%99%AA%E5%A3%B0-noise/">噪声 (Noise)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E5%B8%83-distribution/">分布 (Distribution)</a></li> </ul>状态https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/state/Sat, 18 Jul 2026 10:55:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/state/<h2 id="definition">Definition</h2> <p>状态代表了在马尔可夫决策过程（MDP）等系统中确定未来行为所需的所有相关信息。在强化学习中，状态封装了环境的当前情况。</p> <h3 id="summary">Summary</h3> <p>系统在特定时刻的完整配置。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>配置</li> <li>时间步</li> <li>观测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>强化学习智能体</li> <li>隐马尔可夫模型</li> <li>系统监控</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8A%A8%E4%BD%9C-action/">动作 (Action)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%A5%96%E5%8A%B1-reward/">奖励 (Reward)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%BD%AC%E7%A7%BB-transition/">转移 (Transition)</a></li> </ul>安全性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/security/Sat, 18 Jul 2026 10:54:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/security/<h2 id="definition">Definition</h2> <p>AI安全性包括旨在保护机器学习模型、数据管道和部署基础设施免受对抗性攻击、数据投毒和模型逆向工程等威胁的措施。</p> <h3 id="summary">Summary</h3> <p>保护人工智能系统免受未经授权的访问、滥用和恶意攻击的实践。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗鲁棒性</li> <li>数据隐私</li> <li>模型完整性</li> <li>访问控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>保护金融欺诈检测模型</li> <li>保障医疗诊断算法的安全</li> <li>防御自动驾驶车辆的感知系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/privacy-%E9%9A%90%E7%A7%81/">Privacy (隐私)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robustness-%E9%B2%81%E6%A3%92%E6%80%A7/">Robustness (鲁棒性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/compliance-%E5%90%88%E8%A7%84%E6%80%A7/">Compliance (合规性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/encryption-%E5%8A%A0%E5%AF%86/">Encryption (加密)</a></li> </ul>来源https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/source/Sat, 18 Jul 2026 10:54:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/source/<h2 id="definition">Definition</h2> <p>在AI语境中，“来源”通常指训练数据集、开源库或预训练模型权重的出处。追踪来源对于可复现性、许可合规性等至关重要。</p> <h3 id="summary">Summary</h3> <p>指在AI开发和部署中使用的数据、代码或模型的起源。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据溯源</li> <li>开源</li> <li>输入流</li> <li>可复现性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计训练数据以检测偏见</li> <li>管理模型版本控制</li> <li>引用开源依赖项</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">Dataset (数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/repository-%E4%BB%93%E5%BA%93/">Repository (仓库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/provenance-%E6%BA%AF%E6%BA%90/">Provenance (溯源)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/input-%E8%BE%93%E5%85%A5/">Input (输入)</a></li> </ul>语义https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic/Sat, 18 Jul 2026 10:54:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/semantic/<h2 id="definition">Definition</h2> <p>AI中的语义分析侧重于理解输入的底层含义，而不仅仅是其表面模式。这涉及将单词或符号映射到概念，捕捉关系等。</p> <h3 id="summary">Summary</h3> <p>与语言或数据中的意义相关，区别于句法结构或形式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>意义表示</li> <li>向量嵌入</li> <li>上下文理解</li> <li>意图识别</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语义搜索引擎</li> <li>情感分析</li> <li>知识图谱构建</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5%E5%90%91%E9%87%8F/">Embeddings (嵌入向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ontology-%E6%9C%AC%E4%BD%93%E8%AE%BA/">Ontology (本体论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantics-%E8%AF%AD%E4%B9%89%E5%AD%A6/">Semantics (语义学)</a></li> </ul>自我https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self/Sat, 18 Jul 2026 10:54:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self/<h2 id="definition">Definition</h2> <p>尽管当前的人工智能缺乏意识，但“自我”一词通常描述元认知能力，即模型分析其自身输出、置信度或内部状态的能力。它出现在相关语境中。</p> <h3 id="summary">Summary</h3> <p>在AI中，“自我”指代理的身份或其进行自我引用处理和内省的能力概念。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自监督学习</li> <li>元认知</li> <li>代理身份</li> <li>状态管理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型中的自我修正</li> <li>对话代理中的持久记忆</li> <li>预测模型中的置信度校准</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/consciousness-%E6%84%8F%E8%AF%86/">Consciousness (意识)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/memory-%E8%AE%B0%E5%BF%86/">Memory (记忆)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agency-%E4%BB%A3%E7%90%86%E6%80%A7/">Agency (代理性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/introspection-%E5%86%85%E7%9C%81/">Introspection (内省)</a></li> </ul>自注意力机制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_attention/Sat, 18 Jul 2026 10:54:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/self_attention/<h2 id="definition">Definition</h2> <p>自注意力使模型能够同时捕捉序列中所有位置之间的依赖关系，无论距离远近。通过计算每对标记之间的注意力分数，它使得……</p> <h3 id="summary">Summary</h3> <p>一种允许神经网络根据彼此之间的相对重要性来权衡输入序列不同部分的机制。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>查询-键-值 (Query-Key-Value)</li> <li>注意力分数</li> <li>上下文加权</li> <li>并行处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器翻译</li> <li>文本摘要</li> <li>通过视觉Transformer进行图像分类</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>attn <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>MultiheadAttention(embed_dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">512</span>, num_heads<span style="color:#000;font-weight:bold">=</span><span style="color:#099">8</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8/">Transformer (变换器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-head-attention-%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B/">Multi-Head Attention (多头注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embeddings-%E5%B5%8C%E5%85%A5%E5%90%91%E9%87%8F/">Embeddings (嵌入向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-modeling-%E5%BA%8F%E5%88%97%E5%BB%BA%E6%A8%A1/">Sequence Modeling (序列建模)</a></li> </ul>得分https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/score/Sat, 18 Jul 2026 10:54:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/score/<h2 id="definition">Definition</h2> <p>得分量化了机器学习模型针对特定指标（如准确率、精确度或奖励）的表现。在强化学习中，得分表示累积奖励，而在分类任务中，得</p> <h3 id="summary">Summary</h3> <p>得分是表示模型预测或解决方案质量、置信度或适应度的数值。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>指标评估</li> <li>置信水平</li> <li>奖励信号</li> <li>优化目标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估分类准确率</li> <li>跟踪强化学习智能体的进展</li> <li>对搜索结果进行排名</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/metric-%E6%8C%87%E6%A0%87/">Metric (指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/accuracy-%E5%87%86%E7%A1%AE%E7%8E%87/">Accuracy (准确率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-%E5%A5%96%E5%8A%B1/">Reward (奖励)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evaluation-%E8%AF%84%E4%BC%B0/">Evaluation (评估)</a></li> </ul>规模https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/scale/Sat, 18 Jul 2026 10:54:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/scale/<h2 id="definition">Definition</h2> <p>在人工智能领域，扩展通常涉及增加数据集大小、模型参数或计算能力以提升性能。这一概念在深度学习中至关重要，其中大规模</p> <h3 id="summary">Summary</h3> <p>规模指机器学习模型中使用的数据量、参数量或计算资源的大小。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型参数</li> <li>数据集大小</li> <li>计算能力</li> <li>缩放定律</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>优化神经网络容量</li> <li>AI基础设施的资源规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scaling-%E7%BC%A9%E6%94%BE-%E6%89%A9%E5%B1%95/">Scaling (缩放/扩展)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/big-data-%E5%A4%A7%E6%95%B0%E6%8D%AE/">Big Data (大数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter Tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/compute-%E8%AE%A1%E7%AE%97/">Compute (计算)</a></li> </ul>科学的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/scientific/Sat, 18 Jul 2026 10:54:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/scientific/<h2 id="definition">Definition</h2> <p>人工智能中的科学方法强调基于证据的开发和验证。它涉及提出关于模型行为的假设，进行受控实验，并</p> <h3 id="summary">Summary</h3> <p>AI中的科学指在研究中应用严格的实证方法、假设检验和可重复性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>实证证据</li> <li>可重复性</li> <li>假设检验</li> <li>统计分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>发表AI研究论文</li> <li>验证模型基准测试</li> <li>调试算法偏见</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/research-%E7%A0%94%E7%A9%B6/">Research (研究)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/validation-%E9%AA%8C%E8%AF%81/">Validation (验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/methodology-%E6%96%B9%E6%B3%95%E8%AE%BA/">Methodology (方法论)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/experimentation-%E5%AE%9E%E9%AA%8C/">Experimentation (实验)</a></li> </ul>扩展https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/scaling/Sat, 18 Jul 2026 10:54:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/scaling/<h2 id="definition">Definition</h2> <p>扩展是扩展AI系统的主动方法论，通过增加更多层、神经元或训练样本来实现。它包括分布式训练等技术，以处理增加的计算需求</p> <h3 id="summary">Summary</h3> <p>扩展是通过调整模型大小或数据量来增强学习能力和性能的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分布式训练</li> <li>模型复杂度</li> <li>过拟合</li> <li>硬件加速</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分布式深度学习</li> <li>增加神经网络深度</li> <li>扩大训练语料库</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scale-%E8%A7%84%E6%A8%A1/">Scale (规模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distributed-computing-%E5%88%86%E5%B8%83%E5%BC%8F%E8%AE%A1%E7%AE%97/">Distributed Computing (分布式计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/model-architecture-%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84/">Model Architecture (模型架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/performance-%E6%80%A7%E8%83%BD/">Performance (性能)</a></li> </ul>搜索https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/search/Sat, 18 Jul 2026 10:54:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/search/<h2 id="definition">Definition</h2> <p>搜索是AI中用于导航复杂问题空间的基本范式，例如棋类游戏或路径规划。A*、极小化极大算法或蒙特卡洛树搜索等算法评估潜在的</p> <h3 id="summary">Summary</h3> <p>搜索算法系统地探索解空间，以在AI任务中寻找最优或令人满意的结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>状态空间</li> <li>启发式方法</li> <li>优化</li> <li>路径查找</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>游戏AI策略</li> <li>机器人路径规划</li> <li>约束满足问题</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithm-%E7%AE%97%E6%B3%95/">Algorithm (算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/heuristic-%E5%90%AF%E5%8F%91%E5%BC%8F/">Heuristic (启发式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/planning-%E8%A7%84%E5%88%92/">Planning (规划)</a></li> </ul>安全的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/safe/Sat, 18 Jul 2026 10:54:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/safe/<h2 id="definition">Definition</h2> <p>AI安全性涉及实施约束和保障措施，以确保自动化系统行为可预测且不会造成意外的负面后果。这包括技术措施如冗余设计和紧急停止机制。</p> <h3 id="summary">Summary</h3> <p>指设计为不会对人类、财产或环境造成伤害的AI系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>伤害预防</li> <li>故障安全</li> <li>可预测性</li> <li>风险缓解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>空中交通管制系统</li> <li>医疗诊断工具</li> <li>金融交易算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/safety-%E5%AE%89%E5%85%A8%E6%80%A7/">Safety (安全性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reliability-%E5%8F%AF%E9%9D%A0%E6%80%A7/">Reliability (可靠性)</a></li> </ul>安全性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/safety/Sat, 18 Jul 2026 10:54:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/safety/<h2 id="definition">Definition</h2> <p>AI安全性是一个多学科领域，专注于防止先进人工智能带来的不良后果。它涵盖了对齐、可解释性和鲁棒性等技术挑战，以及治理框架的开发。</p> <h3 id="summary">Summary</h3> <p>研究和实践确保AI系统不造成物理、数字或社会危害的领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>价值对齐</li> <li>可解释性</li> <li>控制理论</li> <li>风险评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为自动驾驶汽车开发紧急制动开关</li> <li>审计算法中的偏见</li> <li>创建AI部署的监管框架</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Responsible AI (负责任的人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-alignment-ai%E5%AF%B9%E9%BD%90/">AI Alignment (AI对齐)</a></li> </ul>机器人https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robot/Sat, 18 Jul 2026 10:54:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robot/<h2 id="definition">Definition</h2> <p>机器人是一种自主或半自主的机械装置，旨在独立或在远程控制下执行任务。它通常由用于环境感知的传感器、执行器以及控制系统组成。</p> <h3 id="summary">Summary</h3> <p>一种能够自动执行复杂动作的可编程机器。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自动化</li> <li>执行器</li> <li>传感器</li> <li>自主性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>工业装配线</li> <li>手术辅助</li> <li>家庭清洁</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-intelligence-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial Intelligence (人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mechatronics-%E6%9C%BA%E7%94%B5%E4%B8%80%E4%BD%93%E5%8C%96/">Mechatronics (机电一体化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automation-%E8%87%AA%E5%8A%A8%E5%8C%96/">Automation (自动化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/humanoid-%E4%BA%BA%E5%BD%A2%E6%9C%BA%E5%99%A8%E4%BA%BA/">Humanoid (人形机器人)</a></li> </ul>机器人（复数）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robots/Sat, 18 Jul 2026 10:54:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robots/<h2 id="definition">Definition</h2> <p>机器人涵盖了一类多样化的机器，可根据其移动能力、结构或应用领域进行分类。该类别包括工业机械臂、自主移动机器人（AMR）、无人机等。</p> <h3 id="summary">Summary</h3> <p>指代多个旨在自主执行任务的可编程机器的复数形式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多智能体系统</li> <li>机器人工程</li> <li>分类</li> <li>部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>仓库物流车队</li> <li>蜂群无人机操作</li> <li>教育套件</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robotics-%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6/">Robotics (机器人学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/swarm-intelligence-%E7%BE%A4%E4%BD%93%E6%99%BA%E8%83%BD/">Swarm Intelligence (群体智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/industrial-automation-%E5%B7%A5%E4%B8%9A%E8%87%AA%E5%8A%A8%E5%8C%96/">Industrial Automation (工业自动化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cobots-%E5%8D%8F%E4%BD%9C%E6%9C%BA%E5%99%A8%E4%BA%BA/">Cobots (协作机器人)</a></li> </ul>鲁棒性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robust/Sat, 18 Jul 2026 10:54:27 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/robust/<h2 id="definition">Definition</h2> <p>在人工智能中，鲁棒性指模型对抗攻击、数据分布偏移或噪声输入的韧性。一个具有鲁棒性的算法即使在面对干扰时也能继续正确运行。</p> <h3 id="summary">Summary</h3> <p>描述AI模型或系统在面临噪声、错误或意外输入时保持性能的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗韧性</li> <li>泛化</li> <li>噪声容忍度</li> <li>稳定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>恶劣天气下的自动驾驶</li> <li>带有噪声数据的欺诈检测</li> <li>记录不全的医疗诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adversarial-attacks-%E5%AF%B9%E6%8A%97%E6%94%BB%E5%87%BB/">Adversarial Attacks (对抗攻击)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">Generalization (泛化)</a></li> </ul>Rather（副词：宁愿/反而）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rather/Sat, 18 Jul 2026 10:54:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rather/<h2 id="definition">Definition</h2> <p>术语“Rather”本身是一个标准的英语副词，表示偏好或对比。在人工智能和大语言模型的具体领域中，它并不构成一个独立的技术概念。</p> <h3 id="summary">Summary</h3> <p>在AI语境中，&lsquo;Rather&rsquo;并非技术术语，但常出现在提示词中，用于指定偏好或进行纠正。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言</li> <li>提示工程</li> <li>情感分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>优化用户提示词</li> <li>分析语言细微差别</li> <li>纠正指令</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompting-%E6%8F%90%E7%A4%BA%E6%8A%80%E6%9C%AF/">Prompting（提示技术）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP（自然语言处理）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM（大语言模型）</a></li> </ul>Reinforcement Learning from Human Feedback（基于人类反馈的强化学习）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rlhf/Sat, 18 Jul 2026 10:54:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rlhf/<h2 id="definition">Definition</h2> <p>基于人类反馈的强化学习（RLHF）是一种用于微调大型语言模型的方法，使其输出更好地符合人类的价值观和期望。它通常包括三个步骤：收集人类偏好数据、训练奖励模型以及使用强化学习算法（如PPO）优化模型。</p> <h3 id="summary">Summary</h3> <p>RLHF是一种利用人类反馈训练奖励模型，从而使AI模型符合人类偏好的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>偏好数据</li> <li>奖励模型</li> <li>对齐</li> <li>PPO（近端策略优化）</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>聊天机器人优化</li> <li>内容审核</li> <li>提高指令遵循能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised-fine-tuning-%E7%9B%91%E7%9D%A3%E5%BE%AE%E8%B0%83/">Supervised Fine-Tuning（监督微调）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/preference-optimization-%E5%81%8F%E5%A5%BD%E4%BC%98%E5%8C%96/">Preference Optimization（偏好优化）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dpo-%E7%9B%B4%E6%8E%A5%E5%81%8F%E5%A5%BD%E4%BC%98%E5%8C%96/">DPO（直接偏好优化）</a></li> </ul>Reinforcement Learning（强化学习）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reinforcement_learning/Sat, 18 Jul 2026 10:54:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reinforcement_learning/<h2 id="definition">Definition</h2> <p>强化学习（RL）是机器学习的一个分支，专注于智能体应如何在环境中采取行动以最大化累积奖励的概念。与监督学习不同，强化学习不依赖标记数据，而是通过试错和奖励信号进行学习。</p> <h3 id="summary">Summary</h3> <p>强化学习是机器学习的一种类型，智能体通过与环境交互并最大化奖励来学习做出决策。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>智能体（Agent）</li> <li>环境</li> <li>策略</li> <li>奖励函数</li> <li>状态空间</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶</li> <li>游戏AI（如AlphaGo）</li> <li>推荐系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-q-networks-%E6%B7%B1%E5%BA%A6q%E7%BD%91%E7%BB%9C/">Deep Q-Networks（深度Q网络）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/policy-gradient-%E7%AD%96%E7%95%A5%E6%A2%AF%E5%BA%A6/">Policy Gradient（策略梯度）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/markov-decision-process-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">Markov Decision Process（马尔可夫决策过程）</a></li> </ul>Reinforcement（强化）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reinforcement/Sat, 18 Jul 2026 10:54:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/reinforcement/<h2 id="definition">Definition</h2> <p>强化是一种基本的心理和计算机制，智能体的行为由后果塑造。在机器学习中，它涉及为正确的行为提供正向反馈（奖励），从而引导智能体学习最佳策略。</p> <h3 id="summary">Summary</h3> <p>强化是指通过奖励或惩罚来修改行为，以优化决策的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>奖励信号</li> <li>反馈循环</li> <li>行为塑造</li> <li>优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人控制</li> <li>游戏智能体</li> <li>资源管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning（强化学习）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF（基于人类反馈的强化学习）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/q-learning-q%E5%AD%A6%E4%B9%A0/">Q-Learning（Q学习）</a></li> </ul>Retrieval-Augmented Generation（检索增强生成）https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rag/Sat, 18 Jul 2026 10:54:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rag/<h2 id="definition">Definition</h2> <p>检索增强生成（RAG）结合了基于检索和基于生成的AI系统的优势。RAG不仅仅依赖预训练语言模型的参数，而是首先从外部数据源检索相关上下文信息，将其作为输入提供给模型，从而生成更准确、更具时效性的回答。</p> <h3 id="summary">Summary</h3> <p>RAG是一种AI框架，通过在生成响应之前从外部知识库检索相关信息来增强生成式模型的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量数据库</li> <li>嵌入（Embeddings）</li> <li>上下文窗口</li> <li>语义搜索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业知识库</li> <li>客服机器人</li> <li>研究助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-search-%E5%90%91%E9%87%8F%E6%90%9C%E7%B4%A2/">Vector Search（向量搜索）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graph（知识图谱）</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM（大语言模型）</a></li> </ul>流程https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/process/Sat, 18 Jul 2026 10:54:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/process/<h2 id="definition">Definition</h2> <p>在AI开发中，流程指将原始数据转化为可操作见解或模型所需的系统化工作流。这包括数据摄取、预处理、特征……等阶段。</p> <h3 id="summary">Summary</h3> <p>为实现特定计算目标或结果而采取的结构化行动或步骤系列。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>管道 (Pipeline)</li> <li>工作流 (Workflow)</li> <li>自动化 (Automation)</li> <li>迭代 (Iteration)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>端到端MLOps管道</li> <li>数据清洗程序</li> <li>模型重训练计划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithm-%E7%AE%97%E6%B3%95/">Algorithm (算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E7%AE%A1%E9%81%93/">Pipeline (管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/workflow-%E5%B7%A5%E4%BD%9C%E6%B5%81/">Workflow (工作流)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/system-%E7%B3%BB%E7%BB%9F/">System (系统)</a></li> </ul>率https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rate/Sat, 18 Jul 2026 10:54:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/rate/<h2 id="definition">Definition</h2> <p>在AI中，“率”最常指学习率，这是一个超参数，控制每次更新模型权重时，根据估计误差对模型进行调整的幅度。一个适……</p> <h3 id="summary">Summary</h3> <p>频率或速度的度量，通常指优化中的学习率或令牌生成速度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>学习率</li> <li>优化</li> <li>吞吐量</li> <li>超参数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调整梯度下降优化</li> <li>监控API使用限制</li> <li>测量推理延迟</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>optimizer <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>optim<span style="color:#000;font-weight:bold">.</span>SGD(model<span style="color:#000;font-weight:bold">.</span>parameters(), lr<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0.01</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimizer-%E4%BC%98%E5%8C%96%E5%99%A8/">Optimizer (优化器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convergence-%E6%94%B6%E6%95%9B/">Convergence (收敛)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/speed-%E9%80%9F%E5%BA%A6/">Speed (速度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> </ul>随机https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/random/Sat, 18 Jul 2026 10:54:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/random/<h2 id="definition">Definition</h2> <p>随机性是AI的基础，用于初始化模型权重、打乱数据集以及在训练过程中引入随机性以防止过拟合。由于计算机是确定性的，AI系统……</p> <h3 id="summary">Summary</h3> <p>缺乏可预测模式的属性，通常在AI中通过伪随机数生成算法来模拟。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>种子值</li> <li>随机性</li> <li>伪随机</li> <li>可复现性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>神经网络中的权重初始化</li> <li>Dropout正则化</li> <li>强化学习中的探索</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span>np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>seed(<span style="color:#099">42</span>) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>rand()) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/noise-%E5%99%AA%E5%A3%B0/">Noise (噪声)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/entropy-%E7%86%B5/">Entropy (熵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distribution-%E5%88%86%E5%B8%83/">Distribution (分布)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/seed-%E7%A7%8D%E5%AD%90/">Seed (种子)</a></li> </ul>提示词https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt/Sat, 18 Jul 2026 10:54:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt/<h2 id="definition">Definition</h2> <p>提示词是与大型语言模型及其他生成式AI系统进行交互的主要接口。它定义了模型输出的上下文、语气和约束。有效的提示……</p> <h3 id="summary">Summary</h3> <p>提供给生成式AI模型的输入文本或指令，以引发特定的响应或行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>指令微调</li> <li>上下文窗口</li> <li>少样本学习</li> <li>分词</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生成创意写作内容</li> <li>代码补全与调试</li> <li>客户服务聊天机器人交互</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E7%90%86/">Inference (推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">Fine-tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-%E4%B8%8A%E4%B8%8B%E6%96%87/">Context (上下文)</a></li> </ul>隐私https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/privacy/Sat, 18 Jul 2026 10:54:02 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/privacy/<h2 id="definition">Definition</h2> <p>在人工智能领域，隐私指的是在数据收集、模型训练和推理阶段，保护敏感用户信息免受未经授权的访问或滥用。它涉及……</p> <h3 id="summary">Summary</h3> <p>个人控制其个人信息在AI系统中如何被收集、使用和共享的权利。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据匿名化</li> <li>差分隐私</li> <li>同意管理</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用患者记录进行医疗诊断</li> <li>金融欺诈检测系统</li> <li>个性化推荐引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/security-%E5%AE%89%E5%85%A8/">Security (安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">Bias (偏见)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">Transparency (透明度)</a></li> </ul>策略https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/policy/Sat, 18 Jul 2026 10:53:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/policy/<h2 id="definition">Definition</h2> <p>“策略”一词根据上下文具有双重含义。在一般管理中，它是决策的指导原则。在强化学习（RL）中，策略是智能体的核心组成部分，它定义了智能体在特定状态下应采取的动作概率分布或确定性动作。</p> <h3 id="summary">Summary</h3> <p>旨在指导决策并实现理性结果的战略或行动计划，常用于强化学习中将状态映射到动作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>决策制定</li> <li>强化学习</li> <li>状态-动作映射</li> <li>优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过强化学习训练自主机器人</li> <li>为自动化审批创建业务规则</li> <li>开发游戏AI代理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agent-%E6%99%BA%E8%83%BD%E4%BD%93/">Agent (智能体)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-%E5%A5%96%E5%8A%B1/">Reward (奖励)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/strategy-%E6%88%98%E7%95%A5/">Strategy (战略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithm-%E7%AE%97%E6%B3%95/">Algorithm (算法)</a></li> </ul>帖子https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/post/Sat, 18 Jul 2026 10:53:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/post/<h2 id="definition">Definition</h2> <p>在数字通信和AI数据语境中，“帖子”指在线分享的离散内容单元。它是训练自然语言处理模型、情感分析以及理解用户交互模式的主要数据来源。</p> <h3 id="summary">Summary</h3> <p>发布的内容片段，通常位于博客、社交媒体平台或论坛上，代表用户生成的信息或评论。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>用户生成内容</li> <li>NLP数据源</li> <li>社交媒体</li> <li>情感分析</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>基于对话数据训练聊天机器人</li> <li>通过情感分析分析公众舆论</li> <li>检测社交信息流中的垃圾邮件或假新闻</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/content-%E5%86%85%E5%AE%B9/">Content (内容)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/blog-%E5%8D%9A%E5%AE%A2/">Blog (博客)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/forum-%E8%AE%BA%E5%9D%9B/">Forum (论坛)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">Dataset (数据集)</a></li> </ul>先验https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prior/Sat, 18 Jul 2026 10:53:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prior/<h2 id="definition">Definition</h2> <p>“先验”代表了在纳入新观测值之前，关于某个变量的现有信念或历史数据。在贝叶斯推断中，先验与观测数据的似然度相结合，以更新对该变量的认知，形成后验分布。</p> <h3 id="summary">Summary</h3> <p>在贝叶斯统计中，表示在观察新证据或数据之前，对某个参数的知识或信念的概率分布。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯推断</li> <li>概率分布</li> <li>正则化</li> <li>后验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实现贝叶斯神经网络</li> <li>应用L1/L2正则化作为先验约束</li> <li>结合新的测试结果更新医学诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/posterior-%E5%90%8E%E9%AA%8C/">Posterior (后验)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/likelihood-%E4%BC%BC%E7%84%B6/">Likelihood (似然)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-%E8%B4%9D%E5%8F%B6%E6%96%AF/">Bayesian (贝叶斯)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/probability-%E6%A6%82%E7%8E%87/">Probability (概率)</a></li> </ul>预训练https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pre_training/Sat, 18 Jul 2026 10:53:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/pre_training/<h2 id="definition">Definition</h2> <p>预训练是深度学习中的一种基础技术，模型从海量数据中学习广泛的特征和模式，通常无需标签。这一过程使模型能够发展出通用的知识表示，从而在后续针对特定下游任务进行微调时，仅需少量数据即可达到高性能。</p> <h3 id="summary">Summary</h3> <p>在大型未标记数据集上训练机器学习模型的初始阶段，以便在针对特定任务进行微调之前学习通用表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>特征提取</li> <li>大规模数据</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练BERT或GPT等语言模型</li> <li>使用ImageNet权重初始化卷积神经网络（CNN）</li> <li>构建多模态AI的基础模型</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> BertModel </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> BertModel<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#39;bert-base-uncased&#39;</span>) </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Model is now pre-trained and ready for fine-tuning</span> </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">Fine-tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/foundation-model-%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/">Foundation Model (基础模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/unsupervised-learning-%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Unsupervised Learning (无监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> </ul>政策https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/policies/Sat, 18 Jul 2026 10:53:51 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/policies/<h2 id="definition">Definition</h2> <p>在人工智能和技术治理的背景下，政策指的是规范人工智能系统应如何开发、部署和监控的正式框架。这些文档构成了组织内部对AI伦理、安全性和合规性的基本约束。</p> <h3 id="summary">Summary</h3> <p>由组织制定的一套指导方针、规则或协议，用于规范行为、决策和运营标准。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>治理</li> <li>合规性</li> <li>伦理</li> <li>风险管理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>建立企业AI伦理委员会</li> <li>确保数据处理符合GDPR（通用数据保护条例）要求</li> <li>定义生成式AI工具的可接受使用范围</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regulation-%E6%B3%95%E8%A7%84/">Regulation (法规)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/compliance-%E5%90%88%E8%A7%84%E6%80%A7/">Compliance (合规性)</a></li> </ul>点https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/point/Sat, 18 Jul 2026 10:53:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/point/<h2 id="definition">Definition</h2> <p>AI 语境中的点通常表示特征空间或嵌入向量中的离散坐标。例如，在 K-Means 等聚类算法中，每个数据样本都被视为多维空间中的一个点，通过计算点之间的距离来进行分组。</p> <h3 id="summary">Summary</h3> <p>在 AI 数学中，点代表多维向量空间中的特定位置，常用于嵌入或坐标系中。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量空间</li> <li>嵌入</li> <li>坐标</li> <li>维度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>K-Means 聚类</li> <li>使用嵌入进行语义搜索</li> <li>主成分分析（PCA）</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/vector-%E5%90%91%E9%87%8F/">Vector (向量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensor-%E5%BC%A0%E9%87%8F/">Tensor (张量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/manifold-%E6%B5%81%E5%BD%A2/">Manifold (流形)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distance-metric-%E8%B7%9D%E7%A6%BB%E5%BA%A6%E9%87%8F/">Distance Metric (距离度量)</a></li> </ul>感知https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perception/Sat, 18 Jul 2026 10:53:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/perception/<h2 id="definition">Definition</h2> <p>AI 感知涉及将原始传感器数据转换为可由更高层推理模块处理的意义信息。这包括用于解释视觉场景的计算机视觉、用于处理声音的语音识别以及用于理解文本的自然语言处理。</p> <h3 id="summary">Summary</h3> <p>感知是 AI 系统解释图像或音频等感官输入数据以理解其环境的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>计算机视觉</li> <li>传感器融合</li> <li>特征提取</li> <li>模式识别</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆导航</li> <li>人脸识别系统</li> <li>语音助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensing-%E4%BC%A0%E6%84%9F/">Sensing (传感)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/object-detection-%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B/">Object Detection (目标检测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal-learning-%E5%A4%9A%E6%A8%A1%E6%80%81%E5%AD%A6%E4%B9%A0/">Multimodal Learning (多模态学习)</a></li> </ul>开放https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open/Sat, 18 Jul 2026 10:53:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/open/<h2 id="definition">Definition</h2> <p>在人工智能语境中，“开放”一词通常描述两个不同的领域：一是开源软件，即模型权重和代码公开可用，允许进行修改；二是开放式问题（open-ended problems），这类问题没有固定的边界或预设的解决方案空间。</p> <h3 id="summary">Summary</h3> <p>在人工智能领域，“开放”通常指开源模型或缺乏预定义约束及完整解空间的开放式任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源</li> <li>泛化</li> <li>适应性</li> <li>无约束环境</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>部署像 Llama 这样的开源大型语言模型</li> <li>在开放世界模拟中训练智能体</li> <li>通用智能研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/closed-system-%E5%B0%81%E9%97%AD%E7%B3%BB%E7%BB%9F/">Closed-system (封闭系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/proprietary-%E4%B8%93%E6%9C%89/">Proprietary (专有)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generalization-%E6%B3%9B%E5%8C%96/">Generalization (泛化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> </ul>总体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/overall/Sat, 18 Jul 2026 10:53:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/overall/<h2 id="definition">Definition</h2> <p>在评估 AI 模型时，“总体”指标提供了系统性能的全面视图，而不是仅关注孤立的部分。这包括总体准确率、平均精度均值（mAP）或总体的业务影响评估。</p> <h3 id="summary">Summary</h3> <p>总体指 AI 系统在所有测试用例或操作场景下的聚合性能、准确性或影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>聚合指标</li> <li>整体评估</li> <li>性能总结</li> <li>系统性影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>报告模型基准测试结果</li> <li>评估 AI 部署的业务投资回报率（ROI）</li> <li>比较不同的算法架构</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/accuracy-%E5%87%86%E7%A1%AE%E7%8E%87/">Accuracy (准确率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/benchmark-%E5%9F%BA%E5%87%86/">Benchmark (基准)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/kpi-%E5%85%B3%E9%94%AE%E7%BB%A9%E6%95%88%E6%8C%87%E6%A0%87/">KPI (关键绩效指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evaluation-%E8%AF%84%E4%BC%B0/">Evaluation (评估)</a></li> </ul>最优https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/optimal/Sat, 18 Jul 2026 10:53:38 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/optimal/<h2 id="definition">Definition</h2> <p>在人工智能和优化理论中，最优解是指达到最高可能性能指标的解决方案，例如强化学习中的最大奖励或回归分析中的最小误差。寻找最优解通常涉及在复杂的目标函数空间中进行搜索。</p> <h3 id="summary">Summary</h3> <p>最优是指在给定约束条件下可能的最佳解决方案或行动，旨在最大化奖励或最小化成本。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>全局与局部最优</li> <li>目标函数</li> <li>约束满足</li> <li>效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>路径查找算法（如 A*）</li> <li>超参数调优</li> <li>云计算中的资源分配</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/heuristic-%E5%90%AF%E5%8F%91%E5%BC%8F/">Heuristic (启发式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">Gradient Descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/loss-function-%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0/">Loss Function (损失函数)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pareto-frontier-%E5%B8%95%E7%B4%AF%E6%89%98%E5%89%8D%E6%B2%BF/">Pareto Frontier (帕累托前沿)</a></li> </ul>对象https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/object/Sat, 18 Jul 2026 10:53:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/object/<h2 id="definition">Definition</h2> <p>对象是计算机科学中的一个基本概念，特别是在面向对象编程（OOP）中。它代表类的一个实例，封装了状态（属性或数据）和行为</p> <h3 id="summary">Summary</h3> <p>程序中的一个独立实体，包含数据和操作该数据的方法，是面向对象编程的核心。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>封装</li> <li>类实例</li> <li>属性</li> <li>方法</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>软件架构设计</li> <li>在OpenCV中管理图像数据</li> <li>结构化数据集条目</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">Dog</span>: </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> __init__(<span style="color:#999">self</span>, name): </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>name <span style="color:#000;font-weight:bold">=</span> name </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">bark</span>(<span style="color:#999">self</span>): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> <span style="color:#d14">f</span><span style="color:#d14">&#34;</span><span style="color:#d14">{</span><span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>name<span style="color:#d14">}</span><span style="color:#d14"> says woof!&#34;</span> </span></span><span style="display:flex;"><span>my_dog <span style="color:#000;font-weight:bold">=</span> Dog(<span style="color:#d14">&#39;Buddy&#39;</span>) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(my_dog<span style="color:#000;font-weight:bold">.</span>bark()) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/class-%E7%B1%BB/">class (类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/oop-%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E7%BC%96%E7%A8%8B/">oop (面向对象编程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/encapsulation-%E5%B0%81%E8%A3%85/">encapsulation (封装)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/instance-%E5%AE%9E%E4%BE%8B/">instance (实例)</a></li> </ul>神经网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_network/Sat, 18 Jul 2026 10:53:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/neural_network/<h2 id="definition">Definition</h2> <p>神经网络是一系列算法，通过模拟人类大脑运作的方式，试图识别一组数据中的潜在关系。它由层组成</p> <h3 id="summary">Summary</h3> <p>一种受生物大脑启发的计算系统，由组织成层的互连节点或神经元组成。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感知器</li> <li>反向传播</li> <li>激活函数</li> <li>权重和偏置</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像识别</li> <li>语音识别</li> <li>预测性分析</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">SimpleNN</span>(nn<span style="color:#000;font-weight:bold">.</span>Module): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> __init__(<span style="color:#999">self</span>): </span></span><span style="display:flex;"><span> <span style="color:#0086b3">super</span>(SimpleNN, <span style="color:#999">self</span>)<span style="color:#000;font-weight:bold">.</span>__init__() </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>layer <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(<span style="color:#099">10</span>, <span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">forward</span>(<span style="color:#999">self</span>, x): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>layer(x) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial_intelligence-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">artificial_intelligence (人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convolutional_neural_network-%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">convolutional_neural_network (卷积神经网络)</a></li> </ul>数值型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/numerical/Sat, 18 Jul 2026 10:53:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/numerical/<h2 id="definition">Definition</h2> <p>在人工智能和数据科学的背景下，数值型指涉及定量值的数据类型或方法，例如整数、浮点数和小数。与分类数据或文本数据不同，数值型</p> <h3 id="summary">Summary</h3> <p>涉及或使用数字或数学计算，而非符号逻辑或文本。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>浮点数</li> <li>整数</li> <li>数据类型</li> <li>定量数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>统计建模</li> <li>金融预测</li> <li>传感器数据处理</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span>arr <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>array([<span style="color:#099">1.5</span>, <span style="color:#099">2.7</span>, <span style="color:#099">3.9</span>]) </span></span><span style="display:flex;"><span>mean_val <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>mean(arr) </span></span><span style="display:flex;"><span><span style="color:#0086b3">print</span>(mean_val) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data_types-%E6%95%B0%E6%8D%AE%E7%B1%BB%E5%9E%8B/">data_types (数据类型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistics-%E7%BB%9F%E8%AE%A1%E5%AD%A6/">statistics (统计学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/quantitative_analysis-%E5%AE%9A%E9%87%8F%E5%88%86%E6%9E%90/">quantitative_analysis (定量分析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/floating_point-%E6%B5%AE%E7%82%B9%E8%BF%90%E7%AE%97/">floating_point (浮点运算)</a></li> </ul>在线https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/online/Sat, 18 Jul 2026 10:53:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/online/<h2 id="definition">Definition</h2> <p>在线学习是一种机器学习范式，模型随着新数据点的到达而增量更新，而不是一次性在静态批量数据上进行训练。这种方法至关重要</p> <h3 id="summary">Summary</h3> <p>指机器学习模型能够从新数据流中实时持续学习，而无需从头重新训练。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>增量学习</li> <li>流式数据</li> <li>实时适应</li> <li>批量与在线</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时欺诈检测</li> <li>股票价格预测</li> <li>个性化推荐系统</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.linear_model</span> <span style="color:#000;font-weight:bold">import</span> SGDClassifier </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> SGDClassifier() </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Simulate online learning with partial_fit</span> </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>partial_fit(X_batch, y_batch, classes<span style="color:#000;font-weight:bold">=</span>[<span style="color:#099">0</span>, <span style="color:#099">1</span>]) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/streaming_data-%E6%B5%81%E5%BC%8F%E6%95%B0%E6%8D%AE/">streaming_data (流式数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/incremental_learning-%E5%A2%9E%E9%87%8F%E5%AD%A6%E4%B9%A0/">incremental_learning (增量学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/real_time_processing-%E5%AE%9E%E6%97%B6%E5%A4%84%E7%90%86/">real_time_processing (实时处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/batch_learning-%E6%89%B9%E9%87%8F%E5%AD%A6%E4%B9%A0/">batch_learning (批量学习)</a></li> </ul>自然语言处理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/natural_language_processing/Sat, 18 Jul 2026 10:53:26 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/natural_language_processing/<h2 id="definition">Definition</h2> <p>自然语言处理（NLP）是人工智能的一个子领域，它将计算语言学与统计、机器学习和深度学习模型相结合。它使机器能够</p> <h3 id="summary">Summary</h3> <p>人工智能的一个分支，专注于使计算机能够理解、解释和生成人类语言。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分词</li> <li>情感分析</li> <li>命名实体识别</li> <li>机器翻译</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>聊天机器人和虚拟助手</li> <li>自动化客户支持</li> <li>语言翻译服务</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">spacy</span> </span></span><span style="display:flex;"><span>nlp <span style="color:#000;font-weight:bold">=</span> spacy<span style="color:#000;font-weight:bold">.</span>load(<span style="color:#d14">&#39;en_core_web_sm&#39;</span>) </span></span><span style="display:flex;"><span>doc <span style="color:#000;font-weight:bold">=</span> nlp(<span style="color:#d14">&#39;Apple is looking at buying U.K. startup for $1 billion&#39;</span>) </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">for</span> ent <span style="color:#000;font-weight:bold">in</span> doc<span style="color:#000;font-weight:bold">.</span>ents: </span></span><span style="display:flex;"><span> <span style="color:#0086b3">print</span>(ent<span style="color:#000;font-weight:bold">.</span>text, ent<span style="color:#000;font-weight:bold">.</span>label_) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computational_linguistics-%E8%AE%A1%E7%AE%97%E8%AF%AD%E8%A8%80%E5%AD%A6/">computational_linguistics (计算语言学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep_learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">deep_learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/text_mining-%E6%96%87%E6%9C%AC%E6%8C%96%E6%8E%98/">text_mining (文本挖掘)</a></li> </ul>此外https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moreover/Sat, 18 Jul 2026 10:53:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/moreover/<h2 id="definition">Definition</h2> <p>在AI文档和技术写作中，“此外”作为一种话语标记，表示补充支持性证据或提出进一步的观点，从而强化当前的论述。</p> <h3 id="summary">Summary</h3> <p>用于引入额外信息或加强先前论点的过渡性副词。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>话语标记</li> <li>逻辑流</li> <li>技术写作</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>连接AI研究论文中的论点</li> <li>构建技术文档结构</li> <li>增强模型解释的清晰度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/furthermore-%E6%AD%A4%E5%A4%96-%E8%80%8C%E4%B8%94/">Furthermore (此外/而且)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/additionally-%E5%8F%A6%E5%A4%96/">Additionally (另外)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/consequently-%E5%9B%A0%E6%AD%A4/">Consequently (因此)</a></li> </ul>多/多重https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi/Sat, 18 Jul 2026 10:53:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi/<h2 id="definition">Definition</h2> <p>前缀“multi-”在AI中常用于指代涉及多个并行组件的架构或过程。例如多头注意力机制，允许模型关注不同的表示子空间。</p> <h3 id="summary">Summary</h3> <p>一个前缀，表示系统或模型中存在多个实例、头或多模态。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>并行处理</li> <li>架构设计</li> <li>集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计基于Transformer的模型</li> <li>集成传感器数据流</li> <li>构建集成学习系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-head-attention-%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B/">Multi-Head Attention (多头注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-modal-%E5%A4%9A%E6%A8%A1%E6%80%81/">Multi-Modal (多模态)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ensemble-learning-%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0/">Ensemble Learning (集成学习)</a></li> </ul>多头注意力https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_head_attention/Sat, 18 Jul 2026 10:53:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/multi_head_attention/<h2 id="definition">Definition</h2> <p>多头注意力通过并行运行多次标准注意力机制（使用不同的学习到的线性投影）来扩展标准注意力机制。这使得模型能够联合关注来自不同位置的不同表示子空间的信息。</p> <h3 id="summary">Summary</h3> <p>Transformer模型中的一种机制，允许模型同时关注来自不同表示子空间的信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自注意力</li> <li>线性投影</li> <li>拼接</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理 (NLP)</li> <li>机器翻译</li> <li>使用Vision Transformer进行图像分类</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 8 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f"> 9 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">10 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">11 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">12 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">13 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">14 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">15 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">class</span> <span style="color:#458;font-weight:bold">MultiHeadAttention</span>(nn<span style="color:#000;font-weight:bold">.</span>Module): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> __init__(<span style="color:#999">self</span>, d_model, num_heads): </span></span><span style="display:flex;"><span> <span style="color:#0086b3">super</span>()<span style="color:#000;font-weight:bold">.</span>__init__() </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>num_heads <span style="color:#000;font-weight:bold">=</span> num_heads </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>d_k <span style="color:#000;font-weight:bold">=</span> d_model <span style="color:#000;font-weight:bold">//</span> num_heads </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>W_q <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(d_model, d_model) </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>W_k <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(d_model, d_model) </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>W_v <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(d_model, d_model) </span></span><span style="display:flex;"><span> <span style="color:#999">self</span><span style="color:#000;font-weight:bold">.</span>W_o <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(d_model, d_model) </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">forward</span>(<span style="color:#999">self</span>, x): </span></span><span style="display:flex;"><span> <span style="color:#998;font-style:italic"># Simplified forward pass logic</span> </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">pass</span> </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scaled-dot-product-attention-%E7%BC%A9%E6%94%BE%E7%82%B9%E7%A7%AF%E6%B3%A8%E6%84%8F%E5%8A%9B/">Scaled Dot-Product Attention (缩放点积注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8/">Transformer (变换器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> </ul>纳什https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nash/Sat, 18 Jul 2026 10:53:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/nash/<h2 id="definition">Definition</h2> <p>在AI中，特别是在多智能体系统和强化学习中，纳什均衡描述了一种稳定状态：给定其他所有智能体的策略，每个智能体的策略都是最优的。没有单个智能体能通过单方面改变策略而获益。</p> <h3 id="summary">Summary</h3> <p>指纳什均衡，博弈论中的一种状态，在其他参与者策略不变的情况下，没有任何参与者可以通过改变自己的策略来获得收益。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>博弈论</li> <li>战略稳定性</li> <li>多智能体系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练生成对抗网络 (GANs)</li> <li>自动驾驶车辆交通协调</li> <li>经济模拟智能体</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/minimax-%E6%9E%81%E5%B0%8F%E5%8C%96%E6%9E%81%E5%A4%A7/">Minimax (极小化极大)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/zero-sum-game-%E9%9B%B6%E5%92%8C%E5%8D%9A%E5%BC%88/">Zero-Sum Game (零和博弈)</a></li> </ul>运动https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/motion/Sat, 18 Jul 2026 10:53:14 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/motion/<h2 id="definition">Definition</h2> <p>在计算机视觉和机器人领域，运动指的是对视觉数据或物理系统中移动的检测与分析。光流等算法用于估计视在运动的模式。</p> <h3 id="summary">Summary</h3> <p>物体相对于时间和参考系的位置随时间的连续变化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>光流</li> <li>运动学</li> <li>目标跟踪</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶车辆导航</li> <li>视频监控系统分析</li> <li>手势识别系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/velocity-%E9%80%9F%E5%BA%A6/">Velocity (速度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/acceleration-%E5%8A%A0%E9%80%9F%E5%BA%A6/">Acceleration (加速度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pose-estimation-%E5%A7%BF%E6%80%81%E4%BC%B0%E8%AE%A1/">Pose Estimation (姿态估计)</a></li> </ul>Mambahttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mamba/Sat, 18 Jul 2026 10:53:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/mamba/<h2 id="definition">Definition</h2> <p>Mamba 通过引入硬件感知的选择性状态空间模型（SSM），代表了序列建模领域的重大进步。与随着序列长度呈二次方扩展的传统 Transformer 不同，Mamba 能够高效处理长序列。</p> <h3 id="summary">Summary</h3> <p>Mamba 是一种状态空间序列模型，它在保持 Transformer 在长上下文任务中性能的同时，提供了线性时间的推理速度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>选择性状态空间模型</li> <li>线性复杂度</li> <li>硬件感知架构</li> <li>长上下文处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>长文档摘要</li> <li>基因组序列分析</li> <li>高频时间序列预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8/">Transformer (变换器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rnn-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">RNN (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ssm-%E7%8A%B6%E6%80%81%E7%A9%BA%E9%97%B4%E6%A8%A1%E5%9E%8B/">SSM (状态空间模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention-mechanism-%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">Attention Mechanism (注意力机制)</a></li> </ul>建模https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/modeling/Sat, 18 Jul 2026 10:53:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/modeling/<h2 id="definition">Definition</h2> <p>AI 建模涵盖了设计、训练和验证算法以从数据中学习模式的整个工作流程。它包括选择适当的架构、定义损失函数以及优化参数，从而构建出能够泛化到新数据的模型。</p> <h3 id="summary">Summary</h3> <p>建模是创建现实世界系统或数据分布的抽象表示的过程，以实现预测、模拟或决策制定。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>抽象</li> <li>训练</li> <li>泛化</li> <li>参数优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融风险评估</li> <li>图像分类</li> <li>需求预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter Tuning (超参数调优)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/validation-%E9%AA%8C%E8%AF%81/">Validation (验证)</a></li> </ul>马尔可夫https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/markov/Sat, 18 Jul 2026 10:53:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/markov/<h2 id="definition">Definition</h2> <p>在人工智能和概率论中，马尔可夫过程是描述系统随机状态转换的基础模型。其核心原则是马尔可夫性质，即系统在下一时刻的状态仅由当前状态决定，而与过去的历史状态无关。</p> <h3 id="summary">Summary</h3> <p>马尔可夫指代随机过程，其中未来状态仅取决于当前状态，遵循无记忆性的马尔可夫性质。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>马尔可夫性质</li> <li>无记忆性</li> <li>状态转换</li> <li>随机过程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>强化学习智能体</li> <li>自然语言生成</li> <li>预测性维护系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/hidden-markov-model-%E9%9A%90%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E6%A8%A1%E5%9E%8B/">Hidden Markov Model (隐马尔可夫模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mdp-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">MDP (马尔可夫决策过程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-network-%E8%B4%9D%E5%8F%B6%E6%96%AF%E7%BD%91%E7%BB%9C/">Bayesian Network (贝叶斯网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transition-matrix-%E8%BD%AC%E7%A7%BB%E7%9F%A9%E9%98%B5/">Transition Matrix (转移矩阵)</a></li> </ul>蒙特卡洛https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/monte/Sat, 18 Jul 2026 10:53:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/monte/<h2 id="definition">Definition</h2> <p>蒙特卡洛技术是一类依赖重复随机抽样来估算数学量的计算算法。它们在多维积分、概率推断以及处理具有不确定性的复杂系统时特别有用，通过大量样本的平均值来逼近真实解。</p> <h3 id="summary">Summary</h3> <p>蒙特卡洛指代蒙特卡洛方法，该方法使用重复的随机抽样来获得原则上确定但过于复杂而无法解析求解的问题的数值结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>随机抽样</li> <li>数值近似</li> <li>概率推断</li> <li>大数定律</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>贝叶斯后验估计</li> <li>不确定性下的机器人路径规划</li> <li>金融期权定价</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mcmc-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E9%93%BE%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B/">MCMC (马尔可夫链蒙特卡洛)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/importance-sampling-%E9%87%8D%E8%A6%81%E6%80%A7%E9%87%87%E6%A0%B7/">Importance Sampling (重要性采样)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bootstrap-%E8%87%AA%E5%8A%A9%E6%B3%95/">Bootstrap (自助法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulation-%E6%A8%A1%E6%8B%9F/">Simulation (模拟)</a></li> </ul>匹配https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/matching/Sat, 18 Jul 2026 10:53:03 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/matching/<h2 id="definition">Definition</h2> <p>匹配是机器学习中用于建立不同数据实体之间关系的关键技术。在计算机视觉中，特征匹配用于识别图像间的对应点；在推荐系统中，则用于匹配用户偏好与物品特征。</p> <h3 id="summary">Summary</h3> <p>匹配涉及将两组数据点或特征对齐，以识别它们之间的对应关系、相似性或最优配对。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>特征对应</li> <li>相似度度量</li> <li>嵌入空间</li> <li>最近邻搜索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>视频中的目标跟踪</li> <li>推荐引擎</li> <li>数据库中的重复项检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cosine-similarity-%E4%BD%99%E5%BC%A6%E7%9B%B8%E4%BC%BC%E5%BA%A6/">Cosine Similarity (余弦相似度)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/retrieval-%E6%A3%80%E7%B4%A2/">Retrieval (检索)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/clustering-%E8%81%9A%E7%B1%BB/">Clustering (聚类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> </ul>本地https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/local/Sat, 18 Jul 2026 10:52:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/local/<h2 id="definition">Definition</h2> <p>在人工智能领域，“本地”通常指直接在用户的硬件（如笔记本电脑或智能手机）上执行操作，而无需依赖远程服务器。这种方法增强了数据隐私并减少了延迟。</p> <h3 id="summary">Summary</h3> <p>指在特定设备上处理或存储数据，而不是在集中的云环境中。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>边缘计算</li> <li>数据隐私</li> <li>设备端处理</li> <li>降低延迟</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>注重隐私的语音助手</li> <li>移动设备上的实时目标检测</li> <li>离线人工智能应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cloud-%E4%BA%91%E7%AB%AF/">Cloud (云端)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-ai-%E8%BE%B9%E7%BC%98%E6%99%BA%E8%83%BD/">Edge AI (边缘智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/federated-learning-%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0/">Federated Learning (联邦学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/on-premise-%E6%9C%AC%E5%9C%B0%E9%83%A8%E7%BD%B2/">On-premise (本地部署)</a></li> </ul>机器学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning/Sat, 18 Jul 2026 10:52:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/machine_learning/<h2 id="definition">Definition</h2> <p>机器学习使计算机能够从历史数据中学习模式，并对新的、未见过的数据做出决策或预测。它涵盖了多种技术，包括监督学习、无监督学习和强化学习等。</p> <h3 id="summary">Summary</h3> <p>人工智能的一个子集，专注于构建能从数据中学习以提高性能的系统，而无需显式编程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监督学习</li> <li>无监督学习</li> <li>模型训练</li> <li>预测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>欺诈检测</li> <li>推荐引擎</li> <li>语音识别</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Networks (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">AI (人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-science-%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6/">Data Science (数据科学)</a></li> </ul>损失https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/loss/Sat, 18 Jul 2026 10:52:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/loss/<h2 id="definition">Definition</h2> <p>损失函数（也称为成本函数）衡量机器学习模型的预测结果与真实标签在训练期间的匹配程度。优化算法的目标是最小化这个损失值，从而提高模型的准确性。</p> <h3 id="summary">Summary</h3> <p>一个数值，用于量化模型预测值与实际目标值之间的误差。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>成本函数</li> <li>优化</li> <li>梯度下降</li> <li>误差指标</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练图像分类器</li> <li>优化回归模型</li> <li>评估模型收敛性</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>criterion <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>CrossEntropyLoss() </span></span><span style="display:flex;"><span>loss <span style="color:#000;font-weight:bold">=</span> criterion(outputs, targets) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/accuracy-%E5%87%86%E7%A1%AE%E7%8E%87/">Accuracy (准确率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">Gradient Descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/cross-entropy-%E4%BA%A4%E5%8F%89%E7%86%B5/">Cross-Entropy (交叉熵)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>循环https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/loop/Sat, 18 Jul 2026 10:52:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/loop/<h2 id="definition">Definition</h2> <p>循环是计算机科学和人工智能开发中的一种基本控制流结构。它允许算法遍历数据集、执行重复计算或运行训练轮次。常见的类型包括for循环和while循环。</p> <h3 id="summary">Summary</h3> <p>一种编程结构，用于在满足条件之前重复执行一段代码块多次。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迭代</li> <li>控制流</li> <li>轮次 (Epochs)</li> <li>批处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在多轮次中训练神经网络</li> <li>遍历数据集中的样本</li> <li>强化学习的逐步执行</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">for</span> epoch <span style="color:#000;font-weight:bold">in</span> <span style="color:#0086b3">range</span>(<span style="color:#099">10</span>): </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">for</span> batch <span style="color:#000;font-weight:bold">in</span> dataloader: </span></span><span style="display:flex;"><span> train_step(batch) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/iteration-%E8%BF%AD%E4%BB%A3/">Iteration (迭代)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithm-%E7%AE%97%E6%B3%95/">Algorithm (算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/epoch-%E8%BD%AE%E6%AC%A1/">Epoch (轮次)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/recursion-%E9%80%92%E5%BD%92/">Recursion (递归)</a></li> </ul>长上下文https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long/Sat, 18 Jul 2026 10:52:50 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/long/<h2 id="definition">Definition</h2> <p>在人工智能语境中，“长”通常描述处理大量输入的能力，如长文档或冗长的视频流。对于大语言模型而言，这涉及管理长上下文窗口，以保持对完整输入的理解和一致性。</p> <h3 id="summary">Summary</h3> <p>通常指扩展的数据序列，例如自然语言处理模型中的长上下文窗口。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文窗口</li> <li>序列长度</li> <li>注意力机制</li> <li>内存管理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文档摘要</li> <li>长篇幅内容生成</li> <li>代码库分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-window-%E4%B8%8A%E4%B8%8B%E6%96%87%E7%AA%97%E5%8F%A3/">Context Window (上下文窗口)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rnn-%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">RNN (循环神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention-%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">Attention (注意力机制)</a></li> </ul>大语言模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/large_language_models/Sat, 18 Jul 2026 10:52:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/large_language_models/<h2 id="definition">Definition</h2> <p>该术语指代更广泛的应用范式，即利用具有数十亿参数的模型在各种语言任务中进行零样本或少样本学习。与专用模型不同，</p> <h3 id="summary">Summary</h3> <p>利用扩展的神经网络进行广泛领域的自然语言理解和生成任务的范式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>零样本学习</li> <li>提示工程</li> <li>泛化能力</li> <li>参数量级</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>多轮对话系统</li> <li>语义搜索</li> <li>数据提取</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0-few-shot-learning/">少样本学习 (Few-Shot Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%B8%8A%E4%B8%8B%E6%96%87%E5%AD%A6%E4%B9%A0-in-context-learning/">上下文学习 (In-Context Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%94%9F%E6%88%90%E5%BC%8Fai-generative-ai/">生成式AI (Generative AI)</a></li> </ul>大语言模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llm/Sat, 18 Jul 2026 10:52:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/llm/<h2 id="definition">Definition</h2> <p>大语言模型（LLM）是基于Transformer架构的高级人工智能系统，在包含大量文本和代码的数据集上进行训练。它们学习语言中的统计模式，</p> <h3 id="summary">Summary</h3> <p>一种在海量文本语料库上训练的深度学习模型，用于理解和生成类人语言。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>Transformer架构</li> <li>词元预测</li> <li>预训练</li> <li>缩放定律</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>聊天机器人和虚拟助手</li> <li>内容生成</li> <li>代码补全</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gpt-%E7%94%9F%E6%88%90%E5%BC%8F%E9%A2%84%E8%AE%AD%E7%BB%83transformer/">GPT (生成式预训练Transformer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bert-%E5%9F%BA%E4%BA%8Etransformer%E7%9A%84%E5%8F%8C%E5%90%91%E7%BC%96%E7%A0%81%E5%99%A8%E8%A1%A8%E7%A4%BA/">BERT (基于Transformer的双向编码器表示)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> </ul>低秩自适应 (LoRA)https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lora/Sat, 18 Jul 2026 10:52:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/lora/<h2 id="definition">Definition</h2> <p>LoRA冻结预训练模型的权重，并在Transformer架构的每一层中插入可训练的分解矩阵。通过仅优化这些低秩矩阵，LoRA显著减少</p> <h3 id="summary">Summary</h3> <p>低秩自适应是一种参数高效的微调方法，它将可训练的秩分解矩阵注入现有模型权重中。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>参数高效微调</li> <li>秩分解</li> <li>权重冻结</li> <li>适配器模块</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定制大语言模型</li> <li>领域特定适配</li> <li>资源受限的训练环境</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">peft</span> <span style="color:#000;font-weight:bold">import</span> LoraConfig, get_peft_model </span></span><span style="display:flex;"><span>config <span style="color:#000;font-weight:bold">=</span> LoraConfig(r<span style="color:#000;font-weight:bold">=</span><span style="color:#099">8</span>, lora_alpha<span style="color:#000;font-weight:bold">=</span><span style="color:#099">32</span>) </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> get_peft_model(base_model, config) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/peft-%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88%E5%BE%AE%E8%B0%83%E6%8A%80%E6%9C%AF/">PEFT (参数高效微调技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BE%AE%E8%B0%83-fine-tuning/">微调 (Fine-Tuning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%8C%96-quantization/">量化 (Quantization)</a></li> </ul>潜在https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/latent/Sat, 18 Jul 2026 10:52:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/latent/<h2 id="definition">Definition</h2> <p>在机器学习中，潜在变量是影响观测数据的未观察因素。在神经网络中，特别是自编码器和扩散模型中，潜在空间代表压缩的、抽象的</p> <h3 id="summary">Summary</h3> <p>指模型内部空间中捕获数据关键特征的隐藏变量或表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>潜在空间</li> <li>嵌入</li> <li>降维</li> <li>表征学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像生成</li> <li>异常检测</li> <li>数据压缩</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B5%8C%E5%85%A5-embedding/">嵌入 (Embedding)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8-autoencoder/">自编码器 (Autoencoder)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B5%81%E5%BD%A2-manifold/">流形 (Manifold)</a></li> </ul>线性https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linear/Sat, 18 Jul 2026 10:52:16 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/linear/<h2 id="definition">Definition</h2> <p>线性运算涉及乘法和加法，不包含非线性激活。在神经网络中，线性层（或密集层）对输入向量应用权重矩阵变换。虽然线</p> <h3 id="summary">Summary</h3> <p>描述输出与输入成正比的操作或关系，构成神经层仿射变换的基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>权重矩阵</li> <li>仿射变换</li> <li>点积</li> <li>叠加原理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>特征投影</li> <li>逻辑回归</li> <li>注意力机制</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.nn</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">nn</span> </span></span><span style="display:flex;"><span>layer <span style="color:#000;font-weight:bold">=</span> nn<span style="color:#000;font-weight:bold">.</span>Linear(<span style="color:#099">10</span>, <span style="color:#099">5</span>) </span></span><span style="display:flex;"><span>output <span style="color:#000;font-weight:bold">=</span> layer(input_tensor) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0-activation-function/">激活函数 (Activation Function)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%AF%86%E9%9B%86%E5%B1%82-dense-layer/">密集层 (Dense Layer)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9F%A9%E9%98%B5%E4%B9%98%E6%B3%95-matrix-multiplication/">矩阵乘法 (Matrix Multiplication)</a></li> </ul>代替 / 反而https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instead/Sat, 18 Jul 2026 10:52:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instead/<h2 id="definition">Definition</h2> <p>虽然 &lsquo;instead&rsquo; 不是一个技术性的 AI 算法术语，但在提示工程（Prompt Engineering）和自然语言理解中至关重要。它指示子句之间的对比或替代关系。在大型语言模型（LLM）训练（注：原文截断，此处补全语义）中，理解此类逻辑连接词有助于模型准确捕捉用户意图中的否定或转折约束。</p> <h3 id="summary">Summary</h3> <p>Instead 是一个连接词或副词，表示替代、替换，或在另一项行动之外采取的替代行动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>替代</li> <li>话语标记</li> <li>负向约束</li> <li>语言逻辑</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>用于生成替代输出的提示工程</li> <li>自然语言理解中的意图识别</li> <li>逻辑推理任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alternative-%E6%9B%BF%E4%BB%A3%E6%96%B9%E6%A1%88/">alternative (替代方案)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/substitution-%E6%9B%BF%E6%8D%A2/">substitution (替换)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/constraint-%E7%BA%A6%E6%9D%9F/">constraint (约束)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompting-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">prompting (提示工程)</a></li> </ul>朗之万https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/langevin/Sat, 18 Jul 2026 10:52:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/langevin/<h2 id="definition">Definition</h2> <p>朗之万动力学结合了随机噪声和阻尼力，以高效地探索能量景观。在人工智能中，它主要用于采样方法，如哈密顿蒙特卡洛（Hamiltonian Monte Carlo）或随机梯度朗之万动力学（Stochastic Gradient Langevin Dynamics），以优化复杂分布下的参数估计。</p> <h3 id="summary">Summary</h3> <p>朗之万指的是随机微分方程，特别是朗之万动力学，用于通过模拟带有摩擦和噪声的物理运动来从概率分布中进行采样。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>随机微分方程</li> <li>采样</li> <li>贝叶斯推断</li> <li>噪声注入</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>贝叶斯神经网络</li> <li>MCMC（马尔可夫链蒙特卡洛）采样</li> <li>高维空间中的优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/monte-carlo-%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B/">Monte Carlo (蒙特卡洛)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stochastic-%E9%9A%8F%E6%9C%BA/">stochastic (随机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dynamics-%E5%8A%A8%E5%8A%9B%E5%AD%A6/">dynamics (动力学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E6%96%AD/">inference (推断)</a></li> </ul>信息https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/information/Sat, 18 Jul 2026 10:52:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/information/<h2 id="definition">Definition</h2> <p>在人工智能和计算机科学的语境中，信息与原始数据有所区别。它代表经过组织、结构化或解释以具有意义和实用性的数据。信息（注：原文截断，此处补全语义）通常被视为数据经过处理后产生的价值体现。</p> <h3 id="summary">Summary</h3> <p>信息是指经过处理的数据，它能够传达意义、减少不确定性或为接收者提供上下文。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据与信息</li> <li>熵减</li> <li>语义含义</li> <li>上下文</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理理解</li> <li>决策支持系统</li> <li>知识图谱构建</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-%E6%95%B0%E6%8D%AE/">data (数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/knowledge-%E7%9F%A5%E8%AF%86/">knowledge (知识)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intelligence-%E6%99%BA%E8%83%BD/">intelligence (智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantics-%E8%AF%AD%E4%B9%89%E5%AD%A6/">semantics (语义学)</a></li> </ul>知识https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge/Sat, 18 Jul 2026 10:52:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/knowledge/<h2 id="definition">Definition</h2> <p>在人工智能中，知识通常指存储在数据库、本体论或神经网络权重中的显式信息，这些信息允许进行推理和推断。在 DIKW（数据-信息-知识-智慧）层级结构中，知识位于信息之上，代表了更高层次的结构化和可操作的理解。</p> <h3 id="summary">Summary</h3> <p>知识是从信息、经验或推理中得出的结构化理解、事实、技能和见解，能够支持有效的决策制定。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>DIKW 层级</li> <li>推理</li> <li>隐式与显式</li> <li>事实检索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>问答系统</li> <li>专家系统</li> <li>RAG（检索增强生成）</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/information-%E4%BF%A1%E6%81%AF/">information (信息)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reasoning-%E6%8E%A8%E7%90%86/">reasoning (推理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/memory-%E8%AE%B0%E5%BF%86/">memory (记忆)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/facts-%E4%BA%8B%E5%AE%9E/">facts (事实)</a></li> </ul>指令微调https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instruction_tuning/Sat, 18 Jul 2026 10:52:05 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/instruction_tuning/<h2 id="definition">Definition</h2> <p>这一过程弥合了通用预训练与特定任务表现之间的差距。通过让模型接触多样化的指令-响应对，它学会了泛化到未见过的任务，而无需针对每个新任务进行额外的调整（注：原文截断，此处补全语义）。这是使大语言模型具备人类对齐能力的关键步骤。</p> <h3 id="summary">Summary</h3> <p>指令微调是一种微调技术，通过在包含指令及其对应响应的数据集上训练预训练语言模型，以提升其遵循任务指令的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>微调</li> <li>监督学习</li> <li>零样本泛化</li> <li>人类对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建聊天机器人</li> <li>提高代码生成的准确性</li> <li>使模型符合安全准则</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">fine-tuning (微调)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pre-training-%E9%A2%84%E8%AE%AD%E7%BB%83/">pre-training (预训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">alignment (对齐)</a></li> </ul>分层https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical/Sat, 18 Jul 2026 10:51:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hierarchical/<h2 id="definition">Definition</h2> <p>分层AI系统将信息或控制组织成嵌套层的树状结构。在强化学习中，分层强化学习（Hierarchical RL）将复杂任务分解为由高层管理的子目标&hellip;</p> <h3 id="summary">Summary</h3> <p>指组织为多个抽象级别的AI架构或学习策略，高级别控制低级别。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>抽象层级</li> <li>子目标设定</li> <li>特征提取</li> <li>模块化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>复杂机器人任务分解</li> <li>深度神经网络特征学习</li> <li>带有语法树的自然语言处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/abstraction-%E6%8A%BD%E8%B1%A1/">Abstraction (抽象)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">Multi-agent Systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tree-search-%E6%A0%91%E6%90%9C%E7%B4%A2/">Tree Search (树搜索)</a></li> </ul>哈密顿量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hamiltonian/Sat, 18 Jul 2026 10:51:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hamiltonian/<h2 id="definition">Definition</h2> <p>哈密顿量起源于经典力学，代表系统中动能和势能的总和。在AI中，哈密顿神经网络（HNNs） incorporates 这一概念以学习动态系统&hellip;</p> <h3 id="summary">Summary</h3> <p>表示系统总能量的函数，用于受物理启发的AI模型中以模拟动力学并保持能量守恒。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>能量守恒</li> <li>辛积分</li> <li>神经常微分方程 (Neural ODEs)</li> <li>物理先验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分子动力学模拟</li> <li>天气预报</li> <li>具有物理约束的机器人运动规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lagrangian-%E6%8B%89%E6%A0%BC%E6%9C%97%E6%97%A5%E9%87%8F/">Lagrangian (拉格朗日量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-ode-%E7%A5%9E%E7%BB%8F%E5%B8%B8%E5%BE%AE%E5%88%86%E6%96%B9%E7%A8%8B/">Neural ODE (神经常微分方程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/physics-informed-ml-%E7%89%A9%E7%90%86%E4%BF%A1%E6%81%AF%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Physics-Informed ML (物理信息机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dynamics-%E5%8A%A8%E5%8A%9B%E5%AD%A6/">Dynamics (动力学)</a></li> </ul>具身 / 接地https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grounded/Sat, 18 Jul 2026 10:51:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/grounded/<h2 id="definition">Definition</h2> <p>在人工智能中，“具身”（或“接地”）描述了将符号表示（如单词或逻辑命题）与其在物理世界或感官体验中的实际指代对象联系起来的过程。</p> <h3 id="summary">Summary</h3> <p>指将抽象符号或语言与真实世界的感官数据或物理动作相连接的AI系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>符号接地问题</li> <li>多模态学习</li> <li>具身智能</li> <li>语义对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用视觉地标进行机器人导航</li> <li>图像描述生成系统</li> <li>视觉问答</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embodiment-%E5%85%B7%E8%BA%AB%E6%80%A7/">Embodiment (具身性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multimodal-%E5%A4%9A%E6%A8%A1%E6%80%81/">Multimodal (多模态)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/semantics-%E8%AF%AD%E4%B9%89/">Semantics (语义)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/perception-%E6%84%9F%E7%9F%A5/">Perception (感知)</a></li> </ul>群https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/group/Sat, 18 Jul 2026 10:51:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/group/<h2 id="definition">Definition</h2> <p>在数学和理论计算机科学中，群是一个集合G连同满足四个公理的二元运算：封闭性、结合律、单位元和逆元。在AI中，群论被用于&hellip;</p> <h3 id="summary">Summary</h3> <p>一种基本的数学结构，由一个配备有运算的集合组成，该运算将任意两个元素组合成第三个元素。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对称性</li> <li>不变性</li> <li>几何深度学习</li> <li>代数结构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>旋转等变神经网络</li> <li>晶体结构预测</li> <li>物理信息机器学习</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/symmetry-%E5%AF%B9%E7%A7%B0%E6%80%A7/">Symmetry (对称性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tensor-%E5%BC%A0%E9%87%8F/">Tensor (张量)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/manifold-%E6%B5%81%E5%BD%A2/">Manifold (流形)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/equivariance-%E7%AD%89%E5%8F%98%E6%80%A7/">Equivariance (等变性)</a></li> </ul>引导式https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/guided/Sat, 18 Jul 2026 10:51:52 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/guided/<h2 id="definition">Definition</h2> <p>AI中的“引导式”通常指模型行为受到主要输入之外的额外信息引导的技术。常见例子包括引导扩散（guided diffusion），其中类别信息用于&hellip;</p> <h3 id="summary">Summary</h3> <p>描述受特定外部信号、约束或中间目标限制或指导的AI过程或生成方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>条件生成</li> <li>约束满足</li> <li>分类器引导</li> <li>分层控制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有特定风格的文本到图像合成</li> <li>稀疏奖励下的强化学习</li> <li>约束优化问题</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/conditional-%E6%9D%A1%E4%BB%B6%E5%BC%8F/">Conditional (条件式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-%E6%89%A9%E6%95%A3/">Diffusion (扩散)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/constraints-%E7%BA%A6%E6%9D%9F/">Constraints (约束)</a></li> </ul>给定https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/given/Sat, 18 Jul 2026 10:51:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/given/<h2 id="definition">Definition</h2> <p>在人工智能和计算机科学语境中，“给定”指在计算开始前提供给模型或函数的初始状态、数据集或参数。它确立了计算的边界条件。</p> <h3 id="summary">Summary</h3> <p>指作为算法过程输入提供的现有数据、约束或上下文。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>输入数据</li> <li>约束</li> <li>上下文</li> <li>初始化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>少样本学习设置</li> <li>约束满足问题</li> <li>条件概率计算</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/input-%E8%BE%93%E5%85%A5/">Input (输入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prior-%E5%85%88%E9%AA%8C/">Prior (先验)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/conditioning-%E6%9D%A1%E4%BB%B6%E5%8C%96/">Conditioning (条件化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">Dataset (数据集)</a></li> </ul>全局https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/global/Sat, 18 Jul 2026 10:51:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/global/<h2 id="definition">Definition</h2> <p>在人工智能中，“全局”一词通常与“局部”相对，指涵盖整个系统的方面。在优化领域，全局最小值代表在整个损失景观中可能的最佳解决方案。</p> <h3 id="summary">Summary</h3> <p>描述适用于整个模型或数据集而非局部子集的属性、优化或范围。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>全局最小值</li> <li>完整上下文</li> <li>系统级</li> <li>聚合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>损失景观分析</li> <li>全局注意力机制</li> <li>批归一化统计量</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/local-%E5%B1%80%E9%83%A8/">Local (局部)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention-%E6%B3%A8%E6%84%8F%E5%8A%9B/">Attention (注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convergence-%E6%94%B6%E6%95%9B/">Convergence (收敛)</a></li> </ul>生成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generation/Sat, 18 Jul 2026 10:51:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generation/<h2 id="definition">Definition</h2> <p>在人工智能中，生成是指模型（特别是生成对抗网络 GAN 和基于 Transformer 的大语言模型）产生文本、图像等新颖内容的能力。</p> <h3 id="summary">Summary</h3> <p>生成式模型创建与训练分布相似的新数据实例的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>概率建模</li> <li>潜在空间</li> <li>词元预测</li> <li>合成数据</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言生成</li> <li>图像合成</li> <li>代码自动补全</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-models-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Diffusion Models (扩散模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer%E6%9E%B6%E6%9E%84/">Transformer (Transformer架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">Prompt Engineering (提示工程)</a></li> </ul>图https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graph/Sat, 18 Jul 2026 10:51:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graph/<h2 id="definition">Definition</h2> <p>图是人工智能中的一种基本数据结构，由顶点（节点）和边（链接）组成，用于表示关系。图神经网络（GNN）利用这种结构在非欧几里得数据上进行学习。</p> <h3 id="summary">Summary</h3> <p>由通过边连接的节点组成的数学结构，用于表示实体之间的关系。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>节点/顶点</li> <li>边</li> <li>邻接矩阵</li> <li>拓扑</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>知识图谱</li> <li>社交网络分析</li> <li>分子属性预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gnn-%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">GNN (图神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/network-%E7%BD%91%E7%BB%9C/">Network (网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/topology-%E6%8B%93%E6%89%91/">Topology (拓扑)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-%E8%BE%B9/">Edge (边)</a></li> </ul>图表/图结构https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graphs/Sat, 18 Jul 2026 10:51:41 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/graphs/<h2 id="definition">Definition</h2> <p>虽然单数“图”指抽象的数据结构，但“graphs”通常指多个不同的图实例，或在机器学习监控中使用的可视化图表。在可视化中，包括折线图或条形图等。</p> <h3 id="summary">Summary</h3> <p>复数形式，指多个图结构或机器学习中的数据趋势可视化表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多个结构</li> <li>可视化</li> <li>指标绘图</li> <li>数据集合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练损失可视化</li> <li>多图数据集</li> <li>性能基准测试图表</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/plot-%E7%BB%98%E5%9B%BE/">Plot (绘图)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chart-%E5%9B%BE%E8%A1%A8/">Chart (图表)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gnn-%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">GNN (图神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/visualization-%E5%8F%AF%E8%A7%86%E5%8C%96/">Visualization (可视化)</a></li> </ul>此外https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/furthermore/Sat, 18 Jul 2026 10:51:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/furthermore/<h2 id="definition">Definition</h2> <p>虽然“此外”并非技术算法，但它是AI文档和研究论文中至关重要的语言工具。它用于连接思想，表明后续陈述增加了权重或</p> <h3 id="summary">Summary</h3> <p>一种过渡性副词，用于在技术写作中引入额外信息或加强之前的论点。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>过渡短语</li> <li>技术写作</li> <li>连贯性</li> <li>阐述</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究论文</li> <li>文档编写</li> <li>技术报告</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/additionally-%E5%8F%A6%E5%A4%96/">Additionally (另外)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/moreover-%E8%80%8C%E4%B8%94/">Moreover (而且)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/consequently-%E5%9B%A0%E6%AD%A4/">Consequently (因此)</a></li> </ul>高斯https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gaussian/Sat, 18 Jul 2026 10:51:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/gaussian/<h2 id="definition">Definition</h2> <p>高斯指的是正态分布，这是一种由均值和方差表征的连续概率分布。在AI中，它广泛用于概率建模、贝叶斯推断以及</p> <h3 id="summary">Summary</h3> <p>与正态分布相关，这是一种钟形曲线，是统计学和AI噪声建模的基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>正态分布</li> <li>均值</li> <li>方差</li> <li>概率密度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>噪声建模</li> <li>贝叶斯网络</li> <li>权重初始化</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Generate 1000 samples from a standard Gaussian distribution</span> </span></span><span style="display:flex;"><span>samples <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>normal(loc<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0.0</span>, scale<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1.0</span>, size<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1000</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/distribution-%E5%88%86%E5%B8%83/">Distribution (分布)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bell-curve-%E9%92%9F%E5%BD%A2%E6%9B%B2%E7%BA%BF/">Bell Curve (钟形曲线)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/standard-deviation-%E6%A0%87%E5%87%86%E5%B7%AE/">Standard Deviation (标准差)</a></li> </ul>基础模型https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/foundation/Sat, 18 Jul 2026 10:51:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/foundation/<h2 id="definition">Definition</h2> <p>在人工智能领域，基础模型是指在大规模数据（如图像、文本或音频）上进行训练的大型机器学习模型。这些模型旨在具备适应性，</p> <h3 id="summary">Summary</h3> <p>在海量数据集上预训练的模型，作为各种下游任务的基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预训练</li> <li>微调</li> <li>大规模数据</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理</li> <li>图像生成</li> <li>代码补全</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (变换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">Fine-tuning (微调)</a></li> </ul>免费https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/free/Sat, 18 Jul 2026 10:51:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/free/<h2 id="definition">Definition</h2> <p>在人工智能语境中，“免费”通常指开源模型、数据集或工具，用户可免费访问、修改和分发，无需支付费用。这与专有解决方案形成对比，后者</p> <h3 id="summary">Summary</h3> <p>指无需支付费用或受限制性许可即可使用的资源、软件或数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源</li> <li>可访问性</li> <li>零成本</li> <li>社区</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>学术研究</li> <li>初创公司原型开发</li> <li>教育项目</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/open-source-%E5%BC%80%E6%BA%90/">Open Source (开源)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/proprietary-%E4%B8%93%E6%9C%89/">Proprietary (专有)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/license-%E8%AE%B8%E5%8F%AF%E8%AF%81/">License (许可证)</a></li> </ul>已生成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generated/Sat, 18 Jul 2026 10:51:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/generated/<h2 id="definition">Definition</h2> <p>“生成的”一词描述了由生成式AI模型产生的输出，如文本、图像、音频或代码。与检索现有数据的基于检索的系统不同，生成式模型合成新的</p> <h3 id="summary">Summary</h3> <p>由AI模型创建的内容，而非直接从静态数据集中检索。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生成式AI</li> <li>综合</li> <li>创作</li> <li>输出</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>文本摘要</li> <li>图像合成</li> <li>代码生成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-%E7%94%9F%E6%88%90%E5%BC%8F/">Generative (生成式)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/diffusion-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">Diffusion (扩散模型)</a></li> </ul>反馈https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feedback/Sat, 18 Jul 2026 10:51:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/feedback/<h2 id="definition">Definition</h2> <p>反馈机制使AI系统能够从与用户或环境的交互中学习，从而优化未来的预测或行动。这包括强化学习信号、人在回路（human-in-the-loop）等机制。</p> <h3 id="summary">Summary</h3> <p>反馈涉及利用输出结果来迭代调整和改进AI模型或系统的性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强化学习</li> <li>人在回路</li> <li>错误纠正</li> <li>迭代改进</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推荐系统调优</li> <li>聊天机器人对话优化</li> <li>机器人控制调整</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/supervised-learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Supervised Learning (监督学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-function-%E5%A5%96%E5%8A%B1%E5%87%BD%E6%95%B0/">Reward Function (奖励函数)</a></li> </ul>快速https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fast/Sat, 18 Jul 2026 10:51:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fast/<h2 id="definition">Definition</h2> <p>“快速”一词描述了人工智能模型中的计算效率，强调快速的推理时间和高效的数据处理能力。这对于实时应用至关重要。</p> <h3 id="summary">Summary</h3> <p>在人工智能领域，“快速”指为低延迟和高吞吐量处理任务而优化的系统或算法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>延迟</li> <li>吞吐量</li> <li>实时处理</li> <li>优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶导航</li> <li>直播视频流分析</li> <li>高频交易算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/efficiency-%E6%95%88%E7%8E%87/">Efficiency (效率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/performance-%E6%80%A7%E8%83%BD/">Performance (性能)</a></li> </ul>流https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/flow/Sat, 18 Jul 2026 10:51:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/flow/<h2 id="definition">Definition</h2> <p>数据流涵盖了数据在AI系统中从摄入到最终输出的路径，包括预处理、特征提取、模型推理和后处理。高效的数据流管理对于系统性能至关重要。</p> <h3 id="summary">Summary</h3> <p>数据流描述了信息在AI处理管道的各个阶段中的移动和转换。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>管道架构</li> <li>数据移动</li> <li>处理阶段</li> <li>系统集成</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>流处理系统</li> <li>ETL管道设计</li> <li>微服务通信</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E7%AE%A1%E9%81%93/">Pipeline (管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-ingestion-%E6%95%B0%E6%8D%AE%E6%91%84%E5%85%A5/">Data Ingestion (数据摄入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/architecture-%E6%9E%B6%E6%9E%84/">Architecture (架构)</a></li> </ul>微调https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine/Sat, 18 Jul 2026 10:51:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine/<h2 id="definition">Definition</h2> <p>微调涉及采用在大型数据集上训练过的通用模型，并在较小、更专业的数据集上进行进一步训练，以提高其在特定任务上的性能。该技术利用了迁移学习的优势。</p> <h3 id="summary">Summary</h3> <p>微调是指使用额外数据将预训练的AI模型适应特定任务或领域的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>预训练模型</li> <li>领域适应</li> <li>权重调整</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医学影像诊断</li> <li>法律文档分析</li> <li>自定义情感分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pre-training-%E9%A2%84%E8%AE%AD%E7%BB%83/">Pre-training (预训练)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adaptation-%E9%80%82%E5%BA%94/">Adaptation (适应)</a></li> </ul>最终https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/finally/Sat, 18 Jul 2026 10:51:19 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/finally/<h2 id="definition">Definition</h2> <p>“最终”的概念代表了AI管道中的终端阶段，在此阶段处理后的数据产生最终结果，如预测、分类或生成的文本。它标志着计算过程的结束。</p> <h3 id="summary">Summary</h3> <p>在AI工作流中，“最终”表示在所有处理阶段完成后得出的结论步骤或输出生成阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>管道完成</li> <li>输出生成</li> <li>结果交付</li> <li>终端状态</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>最终报告生成</li> <li>输出分类标签</li> <li>完成数据转换序列</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/output-%E8%BE%93%E5%87%BA/">Output (输出)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pipeline-%E7%AE%A1%E9%81%93/">Pipeline (管道)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/conclusion-%E7%BB%93%E8%AE%BA/">Conclusion (结论)</a></li> </ul>广泛的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/extensive/Sat, 18 Jul 2026 10:51:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/extensive/<h2 id="definition">Definition</h2> <p>“广泛”指人工智能操作的规模和全面性，例如大规模数据集、广泛的评估套件或沉重的计算负载。广泛的数据集确保模型的泛化能力和鲁棒性。</p> <h3 id="summary">Summary</h3> <p>描述涵盖大范围、大容量或大量场景的人工智能数据集、计算或评估。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>规模</li> <li>全面性</li> <li>体量</li> <li>覆盖范围</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在数百万张图像上进行训练</li> <li>在服务器负载上运行压力测试</li> <li>进行广泛的安全审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/large-scale-%E5%A4%A7%E8%A7%84%E6%A8%A1/">Large-scale (大规模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/comprehensive-%E7%BB%BC%E5%90%88%E7%9A%84/">Comprehensive (综合的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">Dataset (数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robustness-%E9%B2%81%E6%A3%92%E6%80%A7/">Robustness (鲁棒性)</a></li> </ul>实验https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/experiments/Sat, 18 Jul 2026 10:51:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/experiments/<h2 id="definition">Definition</h2> <p>人工智能中的实验涉及对变量的系统性测试，以理解机器学习模型中的因果关系。这些程序使开发人员能够比较不同的超参数配置并评估模型性能。</p> <h3 id="summary">Summary</h3> <p>为测试假设、评估模型性能或发现新的人工智能能力而进行的受控程序。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>假设检验</li> <li>变量控制</li> <li>可重复性</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>超参数调整会话</li> <li>跨数据集比较模型准确性</li> <li>验证新的损失函数</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/testing-%E6%B5%8B%E8%AF%95/">Testing (测试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/benchmark-%E5%9F%BA%E5%87%86/">Benchmark (基准)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/trial-%E8%AF%95%E9%AA%8C/">Trial (试验)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evaluation-%E8%AF%84%E4%BC%B0/">Evaluation (评估)</a></li> </ul>实验性的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/experimental/Sat, 18 Jul 2026 10:51:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/experimental/<h2 id="definition">Definition</h2> <p>“实验性”指目前正在进行测试、研究或原型设计的人工智能组件，尚未达到稳定性或广泛采用。这些系统通常利用新颖的架构或未经验证的技术。</p> <h3 id="summary">Summary</h3> <p>指处于开发早期阶段且尚未完全验证用于生产环境的人工智能技术、模型或方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>原型设计</li> <li>研究阶段</li> <li>未验证</li> <li>新颖性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>测试新的Transformer架构</li> <li>生成式AI功能的试点项目</li> <li>关于新型优化技术的学术研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prototype-%E5%8E%9F%E5%9E%8B/">Prototype (原型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/r-d-%E7%A0%94%E5%8F%91/">R&amp;D (研发)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/beta-%E5%85%AC%E6%B5%8B%E7%89%88/">Beta (公测版)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/research-%E7%A0%94%E7%A9%B6/">Research (研究)</a></li> </ul>演进的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evolving/Sat, 18 Jul 2026 10:51:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evolving/<h2 id="definition">Definition</h2> <p>“演进”一词描述了动态的人工智能模型，这些模型经历持续的学习和适应，而不是在初始训练后保持静态。这一概念是终身学习和在线学习系统的核心。</p> <h3 id="summary">Summary</h3> <p>描述通过新数据或反馈持续适应和改进的人工智能系统或算法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>持续学习</li> <li>适应</li> <li>动态更新</li> <li>终身学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>更新用户偏好的推荐系统</li> <li>适应交通模式的自动驾驶汽车</li> <li>学习新诈骗手法的欺诈检测系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/online-learning-%E5%9C%A8%E7%BA%BF%E5%AD%A6%E4%B9%A0/">Online Learning (在线学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/drift-%E6%BC%82%E7%A7%BB/">Drift (漂移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/adaptation-%E9%80%82%E5%BA%94/">Adaptation (适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feedback-loop-%E5%8F%8D%E9%A6%88%E5%BE%AA%E7%8E%AF/">Feedback Loop (反馈循环)</a></li> </ul>证据https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evidence/Sat, 18 Jul 2026 10:51:07 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evidence/<h2 id="definition">Definition</h2> <p>在人工智能领域，证据指的是实证数据、统计结果或可观察的结果，用于证实关于模型行为、准确性或有效性的主张。它作为模型评估和决策制定的基础。</p> <h3 id="summary">Summary</h3> <p>用于支持假设或验证人工智能模型性能的数据或信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>实证数据</li> <li>验证指标</li> <li>统计显著性</li> <li>证明</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>测试阶段的模型验证</li> <li>功能性能的A/B测试</li> <li>AI伦理领域的科学研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-%E6%95%B0%E6%8D%AE/">Data (数据)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/metrics-%E6%8C%87%E6%A0%87/">Metrics (指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/verification-%E9%AA%8C%E8%AF%81/">Verification (验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ground-truth-%E5%9C%B0%E9%9D%A2%E7%9C%9F%E5%80%BC/">Ground Truth (地面真值)</a></li> </ul>高效https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/efficient/Sat, 18 Jul 2026 10:50:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/efficient/<h2 id="definition">Definition</h2> <p>效率是人工智能中的一项关键指标，用于衡量模型或算法利用可用资源的程度。它包括计算效率（推理和训练的速度）以及资源利用率。高效的AI系统能够在保持高精度的同时，显著降低硬件需求和能耗，这对于大规模部署和实时应用至关重要。</p> <h3 id="summary">Summary</h3> <p>在人工智能领域，效率是指以最少的时间、内存或计算资源消耗来实现最佳性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>计算复杂度</li> <li>资源优化</li> <li>延迟降低</li> <li>模型压缩</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为移动端部署优化大型语言模型</li> <li>降低深度学习网络的训练成本</li> <li>提高自主系统中的实时推理速度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/scalability-%E5%8F%AF%E6%89%A9%E5%B1%95%E6%80%A7/">Scalability (可扩展性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">Throughput (吞吐量)</a></li> </ul>具身https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embodied/Sat, 18 Jul 2026 10:50:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embodied/<h2 id="definition">Definition</h2> <p>具身智能认为，智能源于代理（agent）的物理形态与其环境之间的相互作用。与处理抽象数据的非具身智能不同，具身代理使用传感器感知环境，并通过执行器采取行动。这种交互过程对于学习常识、空间推理和适应动态环境至关重要，是机器人学和认知科学的重要研究方向。</p> <h3 id="summary">Summary</h3> <p>具身智能是指通过身体中的传感器和执行器与物理世界进行交互的智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感觉运动循环</li> <li>物理交互</li> <li>机器人学</li> <li>接地认知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车</li> <li>机器人装配线工人</li> <li>用于家庭辅助的人形机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robotics-%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%AD%A6/">Robotics (机器人学)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/perception-%E6%84%9F%E7%9F%A5/">Perception (感知)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/actuation-%E9%A9%B1%E5%8A%A8-%E6%89%A7%E8%A1%8C/">Actuation (驱动/执行)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulation-%E4%BB%BF%E7%9C%9F/">Simulation (仿真)</a></li> </ul>能量https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/energy/Sat, 18 Jul 2026 10:50:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/energy/<h2 id="definition">Definition</h2> <p>能量在人工智能中有两个主要含义。首先，它指运行硬件所需的电力，随着模型规模的扩大，这已成为可持续发展的一个日益关注的问题。其次，在受统计力学启发的模型（如玻尔兹曼机）中，能量是一个数学势能函数，用于衡量数据点或状态的可能性；能量越低，该状态越稳定或越可能出现在数据分布中。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，能量通常指模型训练和推理过程中消耗的算力，或概率模型中的数学势能函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>碳足迹</li> <li>基于能量的模型</li> <li>硬件消耗</li> <li>概率推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>衡量大型语言模型训练对环境的影响</li> <li>训练玻尔兹曼机以进行无监督学习</li> <li>优化数据中心为AI工作负载使用的电力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sustainability-%E5%8F%AF%E6%8C%81%E7%BB%AD%E6%80%A7/">Sustainability (可持续性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/boltzmann-machine-%E7%8E%BB%E5%B0%94%E5%85%B9%E6%9B%BC%E6%9C%BA/">Boltzmann Machine (玻尔兹曼机)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/compute-%E7%AE%97%E5%8A%9B/">Compute (算力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ebm-%E5%9F%BA%E4%BA%8E%E8%83%BD%E9%87%8F%E7%9A%84%E6%A8%A1%E5%9E%8B/">EBM (基于能量的模型)</a></li> </ul>评估https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evaluation/Sat, 18 Jul 2026 10:50:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/evaluation/<h2 id="definition">Definition</h2> <p>评估涉及使用定量指标（如准确率、F1分数、BLEU分数）和定性分析，系统地测量AI模型在特定任务上的表现。它包括验证集测试、交叉验证以及对模型泛化能力、公平性和偏差的审计。有效的评估流程对于确保模型在实际部署中的可靠性、安全性和合规性至关重要。</p> <h3 id="summary">Summary</h3> <p>评估是根据预定义的指标和数据集，对AI模型的性能、准确性和鲁棒性进行评估的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>指标</li> <li>验证集</li> <li>泛化</li> <li>基准测试</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在超参数调优期间比较模型版本</li> <li>审计模型的公平性和偏见</li> <li>认证AI系统以符合监管要求</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/accuracy-%E5%87%86%E7%A1%AE%E7%8E%87/">Accuracy (准确率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/benchmark-%E5%9F%BA%E5%87%86/">Benchmark (基准)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/loss-function-%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0/">Loss Function (损失函数)</a></li> </ul>英语https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/english/Sat, 18 Jul 2026 10:50:55 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/english/<h2 id="definition">Definition</h2> <p>虽然主要是一种人类语言，但在人工智能语境中，“英语”代表了NLP研究中最普遍的语言领域，这是因为数字文本数据的丰富性。大多数基础模型（如BERT、GPT系列）主要在英语语料库上进行预训练，这使得英语成为评估语言理解、生成和翻译性能的标准参考语言。然而，这也引发了关于数据偏见和语言多样性的讨论。</p> <h3 id="summary">Summary</h3> <p>英语是一种自然语言，作为许多自然语言处理（NLP）模型的主要基准数据集和目标输出。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言处理</li> <li>数据偏见</li> <li>迁移学习</li> <li>语言多样性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预训练大型语言模型</li> <li>评估机器翻译系统</li> <li>测试情感分析的准确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">NLP (自然语言处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokenization-%E5%88%86%E8%AF%8D/">Tokenization (分词)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/corpus-%E8%AF%AD%E6%96%99%E5%BA%93/">Corpus (语料库)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multilingual-%E5%A4%9A%E8%AF%AD%E8%A8%80/">Multilingual (多语言)</a></li> </ul>动态的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dynamic/Sat, 18 Jul 2026 10:50:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/dynamic/<h2 id="definition">Definition</h2> <p>与具有固定架构或预定执行路径的静态系统不同，动态AI系统可以在运行时修改其操作。在深度学习中，动态计算图允许网络根据输入数据的形状或条件改变其结构，例如处理变长序列。</p> <h3 id="summary">Summary</h3> <p>动态指AI系统或计算图根据输入数据或环境变化，在运行时实时调整其结构、行为或执行流程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>运行时适应</li> <li>可变计算</li> <li>非平稳环境</li> <li>灵活架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在RNN或Transformer中处理变长序列</li> <li>实时异常检测系统</li> <li>机器人中的自适应控制系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9D%99%E6%80%81-static/">静态 (Static)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%87%AA%E9%80%82%E5%BA%94-adaptive/">自适应 (Adaptive)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9C%A8%E7%BA%BF%E5%AD%A6%E4%B9%A0-online-learning/">在线学习 (Online Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%A1%E7%AE%97%E5%9B%BE-computation-graph/">计算图 (Computation Graph)</a></li> </ul>发散https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/divergence/Sat, 18 Jul 2026 10:50:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/divergence/<h2 id="definition">Definition</h2> <p>在优化的背景下，当模型参数的更新方式导致损失增加而不是减少时，就会发生发散，这通常会导致NaN值或无限梯度。这通常是由于学习率过高或数值不稳定性引起的。</p> <h3 id="summary">Summary</h3> <p>发散是指机器学习算法的损失函数在训练过程中未能下降，导致性能不稳定或恶化的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>损失爆炸</li> <li>学习率敏感性</li> <li>梯度不稳定</li> <li>数值精度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调试深度学习框架中的训练循环</li> <li>调整超参数以实现稳定收敛</li> <li>实施梯度裁剪策略以防止发散</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A2%AF%E5%BA%A6%E6%B6%88%E5%A4%B1-vanishing-gradient/">梯度消失 (Vanishing Gradient)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A2%AF%E5%BA%A6%E7%88%86%E7%82%B8-exploding-gradient/">梯度爆炸 (Exploding Gradient)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%94%B6%E6%95%9B-convergence/">收敛 (Convergence)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A8%B3%E5%AE%9A%E6%80%A7-stability/">稳定性 (Stability)</a></li> </ul>领域https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/domain/Sat, 18 Jul 2026 10:50:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/domain/<h2 id="definition">Definition</h2> <p>在机器学习中，特别是在迁移学习里，领域由两个组件定义：特征空间（所有可能输入的集合）和这些输入的边缘概率分布。领域偏移指的是源领域和目标领域之间分布的差异。</p> <h3 id="summary">Summary</h3> <p>领域代表由特征空间和潜在概率分布所表征的特定上下文或数据分布。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>特征空间</li> <li>边缘分布</li> <li>领域偏移</li> <li>源域与目标域</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将基于合成数据训练的模型适应现实世界场景</li> <li>处理跨文化或跨语言的NLP任务</li> <li>针对不同医院设备的医学影像分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%A2%86%E5%9F%9F%E8%87%AA%E9%80%82%E5%BA%94-domain-adaptation/">领域自适应 (Domain Adaptation)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%88%86%E5%B8%83%E5%81%8F%E7%A7%BB-distribution-shift/">分布偏移 (Distribution Shift)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0-transfer-learning/">迁移学习 (Transfer Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%B3%9B%E5%8C%96-generalization/">泛化 (Generalization)</a></li> </ul>驱动的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/driven/Sat, 18 Jul 2026 10:50:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/driven/<h2 id="definition">Definition</h2> <p>术语“驱动”常作为后缀使用，以指示AI方法背后的主要力量或机制。例如，“数据驱动”意味着决策是基于数据中的统计模式做出的，而“目标驱动”则强调根据特定目标进行优化。</p> <h3 id="summary">Summary</h3> <p>驱动描述了AI系统或方法论，其决策制定或模型架构主要由特定类型的输入（如数据或目标）引导。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>以数据为中心的方法</li> <li>目标优化</li> <li>范式识别</li> <li>强化学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>描述以数据为中心的AI工作流程</li> <li>将强化学习代理定义为目标驱动</li> <li>将混合系统分类为知识驱动或数据驱动</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%95%B0%E6%8D%AE%E9%A9%B1%E5%8A%A8-data-driven/">数据驱动 (Data-Driven)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9B%AE%E6%A0%87%E5%AF%BC%E5%90%91-goal-oriented/">目标导向 (Goal-Oriented)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%9F%BA%E4%BA%8E%E8%A7%84%E5%88%99-rule-based/">基于规则 (Rule-Based)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%AF%E5%8F%91%E5%BC%8F-heuristic/">启发式 (Heuristic)</a></li> </ul>知识蒸馏https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/distillation/Sat, 18 Jul 2026 10:50:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/distillation/<h2 id="definition">Definition</h2> <p>这一过程涉及将知识从复杂的高性能“教师”神经网络转移到更简单、高效的“学生”网络中。学生不仅从硬标签中学习，还从软标签（即教师模型的输出概率分布）中学习，从而捕捉更丰富的信息。</p> <h3 id="summary">Summary</h3> <p>知识蒸馏是一种模型压缩技术，其中较小的学生模型通过学习模仿较大的教师模型的行为来工作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>师生架构</li> <li>软目标</li> <li>模型压缩</li> <li>推理效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在移动设备上部署大型语言模型</li> <li>降低实时计算机视觉应用中的延迟</li> <li>优化边缘计算环境中的深度学习模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%87%8F%E5%8C%96-quantization/">量化 (Quantization)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%89%AA%E6%9E%9D-pruning/">剪枝 (Pruning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0-transfer-learning/">迁移学习 (Transfer Learning)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2-neural-architecture-search/">神经架构搜索 (Neural Architecture Search)</a></li> </ul>检测https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/detection/Sat, 18 Jul 2026 10:49:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/detection/<h2 id="definition">Definition</h2> <p>检测是计算机视觉和信号处理的核心任务，AI模型在此过程中识别感兴趣实体的存在及其位置。与仅分配标签的分类不同，检测通常还包含定位信息（如边界框）。</p> <h3 id="summary">Summary</h3> <p>在数据集或环境中识别和定位特定对象、事件或异常的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>边界框</li> <li>对象定位</li> <li>异常识别</li> <li>阈值处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人脸识别系统</li> <li>制造缺陷检测</li> <li>自动驾驶行人检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/yolo-you-only-look-once/">YOLO (You Only Look Once)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/segmentation-%E5%88%86%E5%89%B2/">Segmentation (分割)</a></li> </ul>决策https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision/Sat, 18 Jul 2026 10:49:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/decision/<h2 id="definition">Definition</h2> <p>AI中的决策制定涉及基于数据、模型和预定义目标从一组可能性中选择最佳行动。它可以是确定性的，遵循严格规则，也可以是概率性的，处理不确定性。</p> <h3 id="summary">Summary</h3> <p>智能体或算法在根据特定标准或目标评估可用选项后做出的选择。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>优化</li> <li>不确定性</li> <li>策略</li> <li>评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断支持</li> <li>信用评分系统</li> <li>游戏策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/classification-%E5%88%86%E7%B1%BB/">Classification (分类)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bayesian-inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">Bayesian Inference (贝叶斯推断)</a></li> </ul>控制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/control/Sat, 18 Jul 2026 10:49:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/control/<h2 id="definition">Definition</h2> <p>在人工智能中，控制是指用于根据当前状态和目标引导系统行为的机制和算法。它涉及反馈回路，其中输出被监控并用于调整后续动作。</p> <h3 id="summary">Summary</h3> <p>通过管理、指导或调节系统的行为和状态以实现预期结果的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>反馈回路</li> <li>状态管理</li> <li>执行</li> <li>调节</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车导航</li> <li>机械臂操作</li> <li>工业自动化流程</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/pid-controller-pid%E6%8E%A7%E5%88%B6%E5%99%A8/">PID Controller (PID控制器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state-space-%E7%8A%B6%E6%80%81%E7%A9%BA%E9%97%B4/">State Space (状态空间)</a></li> </ul>扩散https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusion/Sat, 18 Jul 2026 10:49:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/diffusion/<h2 id="definition">Definition</h2> <p>扩散模型是一类生成式AI，它们学习逆转向数据添加噪声的随机过程。通过训练神经网络逐步预测并去除噪声，它们能够生成高质量的新数据样本。</p> <h3 id="summary">Summary</h3> <p>一种生成建模技术，通过逆转逐渐加噪的过程来重建干净样本，从而生成数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>随机过程</li> <li>噪声调度</li> <li>反向过程</li> <li>潜在空间</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高保真图像生成</li> <li>音频合成</li> <li>药物发现分子设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/generative-ai-%E7%94%9F%E6%88%90%E5%BC%8Fai/">Generative AI (生成式AI)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ddpm-denoising-diffusion-probabilistic-models/">DDPM (Denoising Diffusion Probabilistic Models)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/stable-diffusion-%E7%A8%B3%E5%AE%9A%E6%89%A9%E6%95%A3/">Stable Diffusion (稳定扩散)</a></li> </ul>直接https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/direct/Sat, 18 Jul 2026 10:49:53 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/direct/<h2 id="definition">Definition</h2> <p>在AI语境中，“直接”通常描述绕过中间抽象层的架构或推理路径，例如强化学习中的直接策略优化或在端到端系统中直接映射输入到输出。</p> <h3 id="summary">Summary</h3> <p>指将输入直接映射到输出的方法或路径，无需经过中间复杂的变换或潜在表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>端到端</li> <li>降低延迟</li> <li>简洁性</li> <li>映射</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时控制系统</li> <li>简单回归任务</li> <li>边缘AI部署</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/end-to-end-learning-%E7%AB%AF%E5%88%B0%E7%AB%AF%E5%AD%A6%E4%B9%A0/">End-to-End Learning (端到端学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/regression-%E5%9B%9E%E5%BD%92/">Regression (回归)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E7%90%86/">Inference (推理)</a></li> </ul>对比的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/contrastive/Sat, 18 Jul 2026 10:49:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/contrastive/<h2 id="definition">Definition</h2> <p>这种方法鼓励模型在潜在空间中拉近正样本对（相似项）的嵌入表示，同时推远负样本对（不相似项）。它在计算机视觉和自然语言处理领域被广泛用于学习高质量的特征表示。</p> <h3 id="summary">Summary</h3> <p>对比学习是一种自监督技术，训练模型区分相似和不相似的数据对。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>嵌入向量</li> <li>正/负样本对</li> <li>损失函数</li> <li>自监督学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像检索系统</li> <li>语义搜索引擎</li> <li>人脸识别验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/siamese-networks-%E5%AD%AA%E7%94%9F%E7%BD%91%E7%BB%9C/">Siamese Networks (孪生网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/embedding-%E5%B5%8C%E5%85%A5/">Embedding (嵌入)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/representation-learning-%E8%A1%A8%E7%A4%BA%E5%AD%A6%E4%B9%A0/">Representation Learning (表示学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simclr-simclr%E7%AE%97%E6%B3%95/">SimCLR (SimCLR算法)</a></li> </ul>上下文https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/context/Sat, 18 Jul 2026 10:49:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/context/<h2 id="definition">Definition</h2> <p>在自然语言处理中，上下文对于消除歧义至关重要，例如根据前文理解代词或习语。现代架构（如Transformer）利用注意力机制来捕捉长距离依赖关系，从而更好地处理上下文信息。</p> <h3 id="summary">Summary</h3> <p>上下文是指帮助AI模型准确解释输入数据并生成相关响应的周围信息或环境。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>注意力机制</li> <li>序列建模</li> <li>歧义消解</li> <li>窗口大小</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对话式聊天机器人</li> <li>文档摘要</li> <li>代码补全助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">Prompt Engineering (提示工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/memory-%E8%AE%B0%E5%BF%86/">Memory (记忆)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention-%E6%B3%A8%E6%84%8F%E5%8A%9B/">Attention (注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-%E5%BA%8F%E5%88%97/">Sequence (序列)</a></li> </ul>因果的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/causal/Sat, 18 Jul 2026 10:49:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/causal/<h2 id="definition">Definition</h2> <p>在人工智能中，因果建模旨在理解对某一变量的干预如何影响另一变量。与依赖观察模式的预测模型不同，因果AI使用结构方程模型等工具来揭示变量间的内在机制。</p> <h3 id="summary">Summary</h3> <p>因果推断涉及确定变量之间的因果关系，而不仅仅是识别统计相关性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>干预</li> <li>反事实推理</li> <li>有向无环图</li> <li>混杂变量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗疗效分析</li> <li>经济政策影响评估</li> <li>工业系统中的根本原因分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/correlation-%E7%9B%B8%E5%85%B3%E6%80%A7/">Correlation (相关性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E6%96%AD/">Inference (推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/structural-equation-modeling-%E7%BB%93%E6%9E%84%E6%96%B9%E7%A8%8B%E5%BB%BA%E6%A8%A1/">Structural Equation Modeling (结构方程建模)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/do-calculus-do%E6%BC%94%E7%AE%97/">Do-Calculus (do演算)</a></li> </ul>云https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cloud/Sat, 18 Jul 2026 10:49:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/cloud/<h2 id="definition">Definition</h2> <p>云计算为AI工作负载提供了可扩展的基础设施，使开发人员无需维护物理数据中心即可访问强大的GPU和存储空间。它支持各种服务模型，如基础设施即服务（IaaS）和平台即服务（PaaS）。</p> <h3 id="summary">Summary</h3> <p>云是指通过互联网托管的远程服务器，用于存储、管理和处理数据及AI模型，而非依赖本地硬件。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可扩展性</li> <li>基础设施即服务</li> <li>远程存储</li> <li>弹性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>为Web应用托管AI API</li> <li>存储用于分析的海量数据集</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/serverless-%E6%97%A0%E6%9C%8D%E5%8A%A1%E5%99%A8%E6%9E%B6%E6%9E%84/">Serverless (无服务器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/edge-computing-%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/">Edge Computing (边缘计算)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-center-%E6%95%B0%E6%8D%AE%E4%B8%AD%E5%BF%83/">Data Center (数据中心)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/virtualization-%E8%99%9A%E6%8B%9F%E5%8C%96/">Virtualization (虚拟化)</a></li> </ul>组合https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/combining/Sat, 18 Jul 2026 10:49:42 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/combining/<h2 id="definition">Definition</h2> <p>这一概念包括集成学习方法，其中聚合多个模型的预测结果以减少方差或偏差。它还涵盖多模态融合，即结合不同类型的数据（如文本和图像）以提供更丰富的上下文信息。</p> <h3 id="summary">Summary</h3> <p>AI中的组合指整合多个模型、数据源或技术，以提高整体性能和鲁棒性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>集成学习</li> <li>模型融合</li> <li>多模态集成</li> <li>聚合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>用于分类的随机森林</li> <li>多模态情感分析</li> <li>用于回归任务的堆叠模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ensemble-%E9%9B%86%E6%88%90/">Ensemble (集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fusion-%E8%9E%8D%E5%90%88/">Fusion (融合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/integration-%E9%9B%86%E6%88%90/">Integration (集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">Meta-learning (元学习)</a></li> </ul>超越https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/beyond/Sat, 18 Jul 2026 10:49:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/beyond/<h2 id="definition">Definition</h2> <p>在AI术语背景下，“超越”通常描述超越当前能力的新兴范式或未来方向，例如通用人工智能（AGI）或量子增强计算等。</p> <h3 id="summary">Summary</h3> <p>一个概念性术语，指超出当前技术限制或AI传统边界的进步或应用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>未来方向</li> <li>技术进步</li> <li>范式转变</li> <li>通用人工智能(AGI)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>讨论旨在实现人类水平推理的研究目标。</li> <li>描述AI在以前被认为不可能的领域中的应用。</li> <li>探索后奇点技术的伦理框架。</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/agi-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">AGI (通用人工智能)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/emerging_tech-%E6%96%B0%E5%85%B4%E6%8A%80%E6%9C%AF/">emerging_tech (新兴技术)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/future_of_ai-ai%E7%9A%84%E6%9C%AA%E6%9D%A5/">future_of_AI (AI的未来)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/innovation-%E5%88%9B%E6%96%B0/">innovation (创新)</a></li> </ul>构建https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/building/Sat, 18 Jul 2026 10:49:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/building/<h2 id="definition">Definition</h2> <p>构建指的是创建AI解决方案的端到端工程过程，包括数据收集、模型选择、训练、验证和部署。它涵盖了技术支持的基础设施。</p> <h3 id="summary">Summary</h3> <p>从初始设计到生产就绪阶段，开发、训练和部署AI模型及系统的实际阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开发生命周期</li> <li>基础设施</li> <li>部署</li> <li>工程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为电子商务平台构建推荐引擎。</li> <li>设置用于持续集成和交付的MLOps流水线。</li> <li>将计算机视觉模型集成到移动应用程序中。</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/development-%E5%BC%80%E5%8F%91/">development (开发)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mlops-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%90%E7%BB%B4/">MLOps (机器学习运维)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deployment-%E9%83%A8%E7%BD%B2/">deployment (部署)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/engineering-%E5%B7%A5%E7%A8%8B/">engineering (工程)</a></li> </ul>基准https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/benchmark/Sat, 18 Jul 2026 10:49:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/benchmark/<h2 id="definition">Definition</h2> <p>在人工智能中，基准是一套标准化的测试套件或数据集，旨在衡量机器学习模型的能力。它提供了一个一致的框架，用于比较不同模型的性能表现。</p> <h3 id="summary">Summary</h3> <p>用于评估AI模型性能相对于既定基线的标准参考点或指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>标准化评估</li> <li>性能指标</li> <li>对比分析</li> <li>基线比较</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将新模型架构与现有的最先进方法进行对比评估。</li> <li>在不同条件或数据集下评估模型的鲁棒性。</li> <li>在学术研究中报告结果以确保公平的比较。</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/baseline-%E5%9F%BA%E7%BA%BF/">baseline (基线)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evaluation_metrics-%E8%AF%84%E4%BC%B0%E6%8C%87%E6%A0%87/">evaluation_metrics (评估指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">dataset (数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state_of_the_art-%E6%9C%80%E5%85%88%E8%BF%9B%E6%8A%80%E6%9C%AF/">state_of_the_art (最先进技术)</a></li> </ul>基准测试https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/benchmarking/Sat, 18 Jul 2026 10:49:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/benchmarking/<h2 id="definition">Definition</h2> <p>基准测试是通过实验来测量AI模型在特定任务上使用预定义基准的表现程度的主动实践。该过程涉及让模型通过标准的测试流程。</p> <h3 id="summary">Summary</h3> <p>系统地使用基准测试AI模型，以量化其性能并确定改进领域的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>性能测试</li> <li>定量分析</li> <li>优化</li> <li>验证</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>比较不同硬件加速器的推理速度。</li> <li>衡量微调模型相对于预训练基线的准确性。</li> <li>审计模型在不同人口统计群体中的公平性和偏见情况。</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/benchmark-%E5%9F%BA%E5%87%86/">benchmark (基准)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/profiling-%E6%80%A7%E8%83%BD%E5%89%96%E6%9E%90/">profiling (性能剖析)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/testing-%E6%B5%8B%E8%AF%95/">testing (测试)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">optimization (优化)</a></li> </ul>蒙特卡洛https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/carlo/Sat, 18 Jul 2026 10:49:30 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/carlo/<h2 id="definition">Definition</h2> <p>蒙特卡洛方法是AI和统计学中用于近似难以解析求解的复杂数学问题的关键技术。通过生成成千上万个随机样本来估算结果。</p> <h3 id="summary">Summary</h3> <p>指蒙特卡洛方法，这是一类依赖重复随机采样以获得数值结果的计算算法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>随机采样</li> <li>统计近似</li> <li>模拟</li> <li>概率估计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过模拟估计强化学习中的状态值。</li> <li>使用马尔可夫链蒙特卡洛（MCMC）进行贝叶斯后验推断。</li> <li>为高维空间中的概率模型计算积分。</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Monte Carlo estimation of Pi</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">estimate_pi</span>(samples): </span></span><span style="display:flex;"><span> points <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>uniform(<span style="color:#000;font-weight:bold">-</span><span style="color:#099">1</span>, <span style="color:#099">1</span>, size<span style="color:#000;font-weight:bold">=</span>(samples, <span style="color:#099">2</span>)) </span></span><span style="display:flex;"><span> inside <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>sum(points[:, <span style="color:#099">0</span>]<span style="color:#000;font-weight:bold">**</span><span style="color:#099">2</span> <span style="color:#000;font-weight:bold">+</span> points[:, <span style="color:#099">1</span>]<span style="color:#000;font-weight:bold">**</span><span style="color:#099">2</span> <span style="color:#000;font-weight:bold">&lt;=</span> <span style="color:#099">1</span>) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> <span style="color:#099">4</span> <span style="color:#000;font-weight:bold">*</span> inside <span style="color:#000;font-weight:bold">/</span> samples </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/monte_carlo-%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B/">Monte_Carlo (蒙特卡洛)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/simulation-%E6%A8%A1%E6%8B%9F/">simulation (模拟)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/random_sampling-%E9%9A%8F%E6%9C%BA%E9%87%87%E6%A0%B7/">random_sampling (随机采样)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/mcmc-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E9%93%BE%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B/">MCMC (马尔可夫链蒙特卡洛)</a></li> </ul>贝叶斯https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian/Sat, 18 Jul 2026 10:49:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bayesian/<h2 id="definition">Definition</h2> <p>AI中的贝叶斯方法利用概率论，随着更多证据的出现来更新假设的可能性。这种方法允许模型量化不确定性并动态优化预测结果。</p> <h3 id="summary">Summary</h3> <p>指基于贝叶斯定理的统计方法，用于根据新证据更新概率。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯定理</li> <li>先验概率</li> <li>后验概率</li> <li>不确定性量化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>垃圾邮件过滤</li> <li>医疗诊断系统</li> <li>A/B测试分析</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">sklearn.naive_bayes</span> <span style="color:#000;font-weight:bold">import</span> GaussianNB </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> GaussianNB() </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>fit(X_train, y_train) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/probability-%E6%A6%82%E7%8E%87/">Probability (概率)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/naive-bayes-%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF/">Naive Bayes (朴素贝叶斯)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/inference-%E6%8E%A8%E6%96%AD/">Inference (推断)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/statistics-%E7%BB%9F%E8%AE%A1%E5%AD%A6/">Statistics (统计学)</a></li> </ul>感知的 / 意识到的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aware/Sat, 18 Jul 2026 10:49:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/aware/<h2 id="definition">Definition</h2> <p>在AI语境中，“aware”通常指情境感知或上下文感知，即系统能够识别相关的环境因素或用户状态。这并不意味着具有意识，而是指系统对周围环境的敏感度。</p> <h3 id="summary">Summary</h3> <p>表示AI检测和处理特定上下文信息或刺激的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>上下文理解</li> <li>情境感知</li> <li>状态跟踪</li> <li>个性化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>上下文感知推荐引擎</li> <li>具备记忆功能的语音助手</li> <li>基于位置的服务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/context-%E4%B8%8A%E4%B8%8B%E6%96%87/">Context (上下文)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/memory-%E8%AE%B0%E5%BF%86/">Memory (记忆)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/user-profile-%E7%94%A8%E6%88%B7%E7%94%BB%E5%83%8F/">User Profile (用户画像)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/intent-recognition-%E6%84%8F%E5%9B%BE%E8%AF%86%E5%88%AB/">Intent Recognition (意图识别)</a></li> </ul>基准https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bench/Sat, 18 Jul 2026 10:49:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bench/<h2 id="definition">Definition</h2> <p>基准测试为比较不同AI模型或算法的能力提供了标准化的参考点。它通常涉及精心策划的数据集以及特定的评估指标，如准确率、召回率等。</p> <h3 id="summary">Summary</h3> <p>Benchmark（基准）的缩写，用于评估AI模型性能的标准测试集或指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>评估指标</li> <li>标准化测试</li> <li>性能比较</li> <li>数据集策展</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>NLP领域的GLUE基准</li> <li>计算机视觉领域的ImageNet</li> <li>生产环境中的模型选择</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/metric-%E6%8C%87%E6%A0%87/">Metric (指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/validation-%E9%AA%8C%E8%AF%81/">Validation (验证)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">Dataset (数据集)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evaluation-%E8%AF%84%E4%BC%B0/">Evaluation (评估)</a></li> </ul>自动化https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated/Sat, 18 Jul 2026 10:49:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/automated/<h2 id="definition">Definition</h2> <p>AI中的自动化涉及使用算法和系统来执行传统上需要人力完成的任务。它通过执行预定义的规则或学习到的模式，专注于提高效率、一致性和速度。</p> <h3 id="summary">Summary</h3> <p>指由机器或软件以最少的人工干预执行的流程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人在回路</li> <li>效率</li> <li>基于规则的执行</li> <li>任务自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数据预处理流水线</li> <li>客户支持聊天机器人</li> <li>工业机器人装配</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/autonomous-%E8%87%AA%E4%B8%BB%E7%9A%84/">Autonomous (自主的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/algorithm-%E7%AE%97%E6%B3%95/">Algorithm (算法)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/workflow-%E5%B7%A5%E4%BD%9C%E6%B5%81/">Workflow (工作流)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/orchestration-%E7%BC%96%E6%8E%92/">Orchestration (编排)</a></li> </ul>自主的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autonomous/Sat, 18 Jul 2026 10:49:18 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/autonomous/<h2 id="definition">Definition</h2> <p>AI中的自主性是指系统感知环境、做出决策并执行操作而无需直接人工控制的能力。与简单的自动化不同，自主系统能够适应变化并调整其行为。</p> <h3 id="summary">Summary</h3> <p>描述能够在动态环境中独立做出决策并采取行动的系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>决策制定</li> <li>环境感知</li> <li>适应性</li> <li>独立性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车</li> <li>无人机</li> <li>智能电网管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/automated-%E8%87%AA%E5%8A%A8%E5%8C%96%E7%9A%84/">Automated (自动化的)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sensor-fusion-%E4%BC%A0%E6%84%9F%E5%99%A8%E8%9E%8D%E5%90%88/">Sensor Fusion (传感器融合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/control-theory-%E6%8E%A7%E5%88%B6%E7%90%86%E8%AE%BA/">Control Theory (控制理论)</a></li> </ul>Adamhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adam/Sat, 18 Jul 2026 10:49:06 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adam/<h2 id="definition">Definition</h2> <p>Adam（自适应矩估计）是一种流行的基于一阶梯度的优化算法，用于训练深度神经网络。它结合了两种其他随机梯度下降扩展的优势。</p> <h3 id="summary">Summary</h3> <p>一种为每个参数计算自适应学习率的优化算法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度下降</li> <li>学习率</li> <li>动量</li> <li>方差估计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度学习训练</li> <li>计算机视觉模型</li> <li>自然语言处理</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch.optim</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">optim</span> </span></span><span style="display:flex;"><span>optimizer <span style="color:#000;font-weight:bold">=</span> optim<span style="color:#000;font-weight:bold">.</span>Adam(model<span style="color:#000;font-weight:bold">.</span>parameters(), lr<span style="color:#000;font-weight:bold">=</span><span style="color:#099">0.001</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sgd-%E9%9A%8F%E6%9C%BA%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">SGD (随机梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rmsprop-%E5%9D%87%E6%96%B9%E6%A0%B9%E4%BC%A0%E6%92%AD/">RMSProp (均方根传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimizer-%E4%BC%98%E5%8C%96%E5%99%A8/">Optimizer (优化器)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> </ul>动作https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/action/Sat, 18 Jul 2026 10:49:06 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/action/<h2 id="definition">Definition</h2> <p>在人工智能和机器人技术中，动作是指智能体为与环境交互而采取的具体步骤或决策。动作是基于当前状态选择的。</p> <h3 id="summary">Summary</h3> <p>智能体为影响其环境而执行的操作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>智能体</li> <li>环境</li> <li>策略</li> <li>状态转移</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>强化学习</li> <li>机器人控制</li> <li>博弈AI</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/observation-%E8%A7%82%E6%B5%8B/">Observation (观测)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reward-%E5%A5%96%E5%8A%B1/">Reward (奖励)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/policy-%E7%AD%96%E7%95%A5/">Policy (策略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/state-%E7%8A%B6%E6%80%81/">State (状态)</a></li> </ul>分析https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/analysis/Sat, 18 Jul 2026 10:49:06 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/analysis/<h2 id="definition">Definition</h2> <p>在人工智能的背景下，分析指的是系统地检查数据、模型预测或系统行为，以了解潜在模式、诊断问题或得出可操作的见解。该……</p> <h3 id="summary">Summary</h3> <p>检查数据或模型输出以提取有意义见解和模式的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>见解提取</li> <li>模型可解释性</li> <li>数据检查</li> <li>诊断评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>模型调试</li> <li>商业智能</li> <li>可解释人工智能 (XAI)</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/interpretability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Interpretability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/feature-importance-%E7%89%B9%E5%BE%81%E9%87%8D%E8%A6%81%E6%80%A7/">Feature Importance (特征重要性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/evaluation-metrics-%E8%AF%84%E4%BC%B0%E6%8C%87%E6%A0%87/">Evaluation Metrics (评估指标)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-science-%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6/">Data Science (数据科学)</a></li> </ul>智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agents/Sat, 18 Jul 2026 10:49:06 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agents/<h2 id="definition">Definition</h2> <p>AI智能体是能够通过传感器（输入）感知周围环境、处理信息，并通过执行器（输出）执行动作以实现既定目标……的软件程序或系统。</p> <h3 id="summary">Summary</h3> <p>感知环境并采取行动以实现特定目标的自主实体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感知</li> <li>自主性</li> <li>目标导向</li> <li>执行</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>聊天机器人</li> <li>自动驾驶汽车</li> <li>交易机器人</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/environment-%E7%8E%AF%E5%A2%83/">Environment (环境)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/policy-%E7%AD%96%E7%95%A5/">Policy (策略)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-agent-systems-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F/">Multi-Agent Systems (多智能体系统)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rationality-%E7%90%86%E6%80%A7/">Rationality (理性)</a></li> </ul>自适应的https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adaptive/Sat, 18 Jul 2026 10:49:06 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/adaptive/<h2 id="definition">Definition</h2> <p>在人工智能中，“自适应”描述的是能够根据新数据或环境反馈动态调整其内部状态、参数或策略的系统或算法。这种能力使模型……</p> <h3 id="summary">Summary</h3> <p>系统根据变化条件修改其行为或参数的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>动态调整</li> <li>在线学习</li> <li>反馈回路</li> <li>个性化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推荐系统</li> <li>自适应控制系统</li> <li>实时异常检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement Learning (强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/online-learning-%E5%9C%A8%E7%BA%BF%E5%AD%A6%E4%B9%A0/">Online Learning (在线学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">Meta-Learning (元学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/robustness-%E9%B2%81%E6%A3%92%E6%80%A7/">Robustness (鲁棒性)</a></li> </ul>幻觉https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hallucination/Sat, 18 Jul 2026 07:44:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/hallucination/<h2 id="definition">Definition</h2> <p>当生成式AI模型产生的输出看似合理，但缺乏现实或源数据的支撑时，就会发生幻觉。这是在对准确性要求极高的应用中面临的一个重大挑战。</p> <h3 id="summary">Summary</h3> <p>当AI模型生成自信但事实错误或无意义的信息时。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>事实性</li> <li>生成错误</li> <li>置信度校准</li> <li>接地 (Grounding)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>识别自动化报告生成中的错误</li> <li>开发检索增强生成（RAG）以减少错误</li> <li>评估模型在关键决策中的可靠性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">检索增强生成</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E4%BA%8B%E5%AE%9E%E6%A0%B8%E6%9F%A5/">事实核查</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%8F%AF%E4%BF%A1ai/">可信AI</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9C%9F%E5%AE%9E%E6%A0%87%E7%AD%BE-ground-truth/">真实标签 (Ground Truth)</a></li> </ul>嵌入https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embedding/Sat, 18 Jul 2026 07:44:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/embedding/<h2 id="definition">Definition</h2> <p>嵌入是数据的稠密向量表示，其中语义关系在几何空间中得以保留。通过将分类或高维输入转换为固定长度的向量，模型能够捕捉数据背后的深层含义。</p> <h3 id="summary">Summary</h3> <p>一种将单词或图像等离散对象映射到连续向量空间的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量空间</li> <li>语义相似性</li> <li>降维</li> <li>连续表示</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>情感分析等自然语言处理任务</li> <li>用于用户-物品匹配推荐系统</li> <li>基于视觉相似性的图像检索</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">numpy</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">np</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Simulating a simple embedding lookup</span> </span></span><span style="display:flex;"><span>embeddings <span style="color:#000;font-weight:bold">=</span> np<span style="color:#000;font-weight:bold">.</span>random<span style="color:#000;font-weight:bold">.</span>rand(<span style="color:#099">100</span>, <span style="color:#099">128</span>) </span></span><span style="display:flex;"><span>word_index <span style="color:#000;font-weight:bold">=</span> <span style="color:#099">5</span> </span></span><span style="display:flex;"><span>vector <span style="color:#000;font-weight:bold">=</span> embeddings[word_index] </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/word2vec-%E8%AF%8D%E5%90%91%E9%87%8F%E6%A8%A1%E5%9E%8B/">Word2Vec (词向量模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-%E5%8F%98%E6%8D%A2%E5%99%A8%E6%9E%B6%E6%9E%84/">Transformer (变换器架构)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%BD%9C%E5%9C%A8%E7%A9%BA%E9%97%B4-latent-space/">潜在空间 (Latent Space)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">向量数据库</a></li> </ul>上下文学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/in_context_learning/Sat, 18 Jul 2026 07:44:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/in_context_learning/<h2 id="definition">Definition</h2> <p>上下文学习（ICL）允许大型语言模型在不更新权重的情况下适应新任务。通过在提示上下文中提供输入-输出对，模型可以推断出模式并执行相应任务。</p> <h3 id="summary">Summary</h3> <p>一种模型通过观察提示中提供的示例来执行任务的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>少样本学习</li> <li>零样本</li> <li>提示设计</li> <li>无权重适配</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>快速测试模型在新数据集上的能力</li> <li>对话代理中的动态任务切换</li> <li>无需重新训练即可原型化AI应用</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>prompt <span style="color:#000;font-weight:bold">=</span> <span style="color:#d14">&#34;Translate English to French:</span><span style="color:#d14">\n</span><span style="color:#d14">English: Hello</span><span style="color:#d14">\n</span><span style="color:#d14">French: Bonjour</span><span style="color:#d14">\n</span><span style="color:#d14">English: Cat</span><span style="color:#d14">\n</span><span style="color:#d14">French:&#34;</span> </span></span><span style="display:flex;"><span>response <span style="color:#000;font-weight:bold">=</span> model<span style="color:#000;font-weight:bold">.</span>generate(prompt) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">提示工程</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%B0%91%E6%A0%B7%E6%9C%AC/">少样本</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%9B%B6%E6%A0%B7%E6%9C%AC/">零样本</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%85%83%E5%AD%A6%E4%B9%A0/">元学习</a></li> </ul>推理https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inference/Sat, 18 Jul 2026 07:44:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/inference/<h2 id="definition">Definition</h2> <p>推理指的是部署阶段，在此阶段使用最终确定的模型对未见过的数据进行决策或预测。与更新权重的训练不同，推理消耗计算资源以产生结果。</p> <h3 id="summary">Summary</h3> <p>训练好的模型处理新数据以生成预测或输出的阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预测</li> <li>延迟</li> <li>吞吐量</li> <li>部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>银行交易中的实时欺诈检测</li> <li>实时聊天交互中生成响应</li> <li>自动驾驶系统中的图像分类</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">torch</span> </span></span><span style="display:flex;"><span>model<span style="color:#000;font-weight:bold">.</span>eval() </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">with</span> torch<span style="color:#000;font-weight:bold">.</span>no_grad(): </span></span><span style="display:flex;"><span> output <span style="color:#000;font-weight:bold">=</span> model(input_tensor) </span></span><span style="display:flex;"><span> prediction <span style="color:#000;font-weight:bold">=</span> torch<span style="color:#000;font-weight:bold">.</span>argmax(output, dim<span style="color:#000;font-weight:bold">=</span><span style="color:#099">1</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E8%AE%AD%E7%BB%83/">训练</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E5%BB%B6%E8%BF%9F%E4%BC%98%E5%8C%96/">延迟优化</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%89%B9%E5%A4%84%E7%90%86/">批处理</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%A8%A1%E5%9E%8B%E6%9C%8D%E5%8A%A1/">模型服务</a></li> </ul>微调https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine_tuning/Sat, 18 Jul 2026 07:44:46 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/fine_tuning/<h2 id="definition">Definition</h2> <p>微调涉及在一个已在大而通用数据集上训练好的模型基础上，继续在专业化数据集上进行训练。这使得模型在保留通用知识的同时，能够习得特定任务的技能。</p> <h3 id="summary">Summary</h3> <p>使用较小的数据集将预训练模型适配到特定下游任务的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>预训练模型</li> <li>任务特定适配</li> <li>学习率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>适配大语言模型以构建客户服务聊天机器人</li> <li>专门化图像分类器用于医疗诊断</li> <li>定制语音识别以针对特定口音</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">from</span> <span style="color:#555">transformers</span> <span style="color:#000;font-weight:bold">import</span> AutoModelForSequenceClassification </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> AutoModelForSequenceClassification<span style="color:#000;font-weight:bold">.</span>from_pretrained(<span style="color:#d14">&#39;bert-base-uncased&#39;</span>) </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Freeze base layers</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">for</span> param <span style="color:#000;font-weight:bold">in</span> model<span style="color:#000;font-weight:bold">.</span>bert<span style="color:#000;font-weight:bold">.</span>parameters(): </span></span><span style="display:flex;"><span> param<span style="color:#000;font-weight:bold">.</span>requires_grad <span style="color:#000;font-weight:bold">=</span> <span style="color:#000;font-weight:bold">False</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Train only classification head</span> </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E9%A2%84%E8%AE%AD%E7%BB%83/">预训练</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">提示工程</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/lora-%E4%BD%8E%E7%A7%A9%E9%80%82%E5%BA%94/">LoRA (低秩适应)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">监督学习</a></li> </ul>代码生成https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/code_generation/Sat, 18 Jul 2026 07:44:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/code_generation/<h2 id="definition">Definition</h2> <p>代码生成利用在海量编程语言存储库上训练的大型语言模型，来生成可运行的软件工件。它解析人类可读的提示（如注释或自然语言指令），从而自动生成相应的功能代码。</p> <h3 id="summary">Summary</h3> <p>利用人工智能根据自然语言描述或现有代码片段自动创建源代码的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自然语言处理</li> <li>源代码合成</li> <li>大型语言模型</li> <li>自动化重构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化样板代码的创建</li> <li>将伪代码转换为可执行脚本</li> <li>协助开发者进行调试和优化</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">8 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">openai</span> </span></span><span style="display:flex;"><span><span style="color:#998;font-style:italic"># Example prompt for generating a function</span> </span></span><span style="display:flex;"><span><span style="color:#000;font-weight:bold">def</span> <span style="color:#900;font-weight:bold">generate_sort_function</span>(): </span></span><span style="display:flex;"><span> response <span style="color:#000;font-weight:bold">=</span> openai<span style="color:#000;font-weight:bold">.</span>ChatCompletion<span style="color:#000;font-weight:bold">.</span>create( </span></span><span style="display:flex;"><span> model<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#34;gpt-3.5-turbo&#34;</span>, </span></span><span style="display:flex;"><span> messages<span style="color:#000;font-weight:bold">=</span>[{<span style="color:#d14">&#34;role&#34;</span>: <span style="color:#d14">&#34;user&#34;</span>, <span style="color:#d14">&#34;content&#34;</span>: <span style="color:#d14">&#34;Write a Python function to sort a list of integers.&#34;</span>}] </span></span><span style="display:flex;"><span> ) </span></span><span style="display:flex;"><span> <span style="color:#000;font-weight:bold">return</span> response<span style="color:#000;font-weight:bold">.</span>choices[<span style="color:#099">0</span>]<span style="color:#000;font-weight:bold">.</span>message<span style="color:#000;font-weight:bold">.</span>content </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ide-integration-%E9%9B%86%E6%88%90%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83%E9%9B%86%E6%88%90/">IDE Integration (集成开发环境集成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/program-synthesis-%E7%A8%8B%E5%BA%8F%E7%BB%BC%E5%90%88/">Program Synthesis (程序综合)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/copilot-%E6%99%BA%E8%83%BD%E7%BC%96%E7%A0%81%E5%8A%A9%E6%89%8B/">Copilot (智能编码助手)</a></li> </ul>计算机视觉https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computer_vision/Sat, 18 Jul 2026 07:44:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/computer_vision/<h2 id="definition">Definition</h2> <p>计算机视觉专注于通过计算过程复制人类的视觉能力。它涉及分析和解释视觉数据，以识别物体、识别模式并理解场景内容。</p> <h3 id="summary">Summary</h3> <p>人工智能的一个领域，使计算机能够从数字图像、视频和其他视觉输入中提取有意义的信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>图像识别</li> <li>目标检测</li> <li>模式识别</li> <li>视觉感知</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车导航</li> <li>医学影像分析</li> <li>人脸识别安全系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/convolutional-neural-networks-%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Convolutional Neural Networks (卷积神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/image-processing-%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86/">Image Processing (图像处理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ocr-%E5%85%89%E5%AD%A6%E5%AD%97%E7%AC%A6%E8%AF%86%E5%88%AB/">OCR (光学字符识别)</a></li> </ul>卷积神经网络https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/convolutional_neural_network/Sat, 18 Jul 2026 07:44:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/convolutional_neural_network/<h2 id="definition">Definition</h2> <p>卷积神经网络（CNN）旨在从视觉输入中自动且自适应地学习特征的空间层次结构。它们利用卷积层应用滤波器来检测局部模式，并通过池化等操作逐步提取高层语义特征。</p> <h3 id="summary">Summary</h3> <p>一类专门用于处理网格状数据（如图像）的深度神经网络，通过应用卷积滤波器来实现。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>卷积层</li> <li>池化</li> <li>特征图</li> <li>空间层次</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像分类</li> <li>视频流中的目标检测</li> <li>医学影像诊断</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">3 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">4 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">5 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">6 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">7 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">tensorflow</span> <span style="color:#000;font-weight:bold">as</span> <span style="color:#555">tf</span> </span></span><span style="display:flex;"><span>model <span style="color:#000;font-weight:bold">=</span> tf<span style="color:#000;font-weight:bold">.</span>keras<span style="color:#000;font-weight:bold">.</span>Sequential([ </span></span><span style="display:flex;"><span> tf<span style="color:#000;font-weight:bold">.</span>keras<span style="color:#000;font-weight:bold">.</span>layers<span style="color:#000;font-weight:bold">.</span>Conv2D(<span style="color:#099">32</span>, (<span style="color:#099">3</span>, <span style="color:#099">3</span>), activation<span style="color:#000;font-weight:bold">=</span><span style="color:#d14">&#39;relu&#39;</span>, input_shape<span style="color:#000;font-weight:bold">=</span>(<span style="color:#099">28</span>, <span style="color:#099">28</span>, <span style="color:#099">1</span>)), </span></span><span style="display:flex;"><span> tf<span style="color:#000;font-weight:bold">.</span>keras<span style="color:#000;font-weight:bold">.</span>layers<span style="color:#000;font-weight:bold">.</span>MaxPooling2D((<span style="color:#099">2</span>, <span style="color:#099">2</span>)), </span></span><span style="display:flex;"><span> tf<span style="color:#000;font-weight:bold">.</span>keras<span style="color:#000;font-weight:bold">.</span>layers<span style="color:#000;font-weight:bold">.</span>Flatten(), </span></span><span style="display:flex;"><span> tf<span style="color:#000;font-weight:bold">.</span>keras<span style="color:#000;font-weight:bold">.</span>layers<span style="color:#000;font-weight:bold">.</span>Dense(<span style="color:#099">10</span>) </span></span><span style="display:flex;"><span>]) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-network-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Network (神经网络)</a></li> </ul>上下文窗口https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/context_window/Sat, 18 Jul 2026 07:44:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/context_window/<h2 id="definition">Definition</h2> <p>上下文窗口定义了AI模型在单次交互中记忆的运作限制。它决定了模型可以关注多少先前的对话历史、文档文本或输入数据，从而保持对整体语境的连贯理解。</p> <h3 id="summary">Summary</h3> <p>语言模型在推理或训练期间能够同时处理和考虑的文本或令牌的最大数量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>令牌限制</li> <li>注意力机制</li> <li>内存约束</li> <li>输入长度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>长文档摘要</li> <li>在聊天机器人中保持对话历史</li> <li>分析大型代码库</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tokens-%E4%BB%A4%E7%89%8C-%E8%AF%8D%E5%85%83/">Tokens (令牌/词元)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/attention-span-%E6%B3%A8%E6%84%8F%E5%8A%9B%E8%8C%83%E5%9B%B4/">Attention Span (注意力范围)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">Prompt Engineering (提示工程)</a></li> </ul>深度学习https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_learning/Sat, 18 Jul 2026 07:44:21 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/deep_learning/<h2 id="definition">Definition</h2> <p>深度学习算法试图模拟人脑的分析和学习过程。通过堆叠多个互连节点的层级，这些模型能够从原始数据中学习分层特征，从而在图像识别、语音处理等任务中表现出色。</p> <h3 id="summary">Summary</h3> <p>机器学习的一个子集，使用多层人工神经网络来建模数据中的复杂模式和表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经网络</li> <li>分层特征</li> <li>非线性建模</li> <li>表示学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语音转文本转换</li> <li>推荐系统</li> <li>自动驾驶感知</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-neural-networks-%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Artificial Neural Networks (人工神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/backpropagation-%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD/">Backpropagation (反向传播)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/big-data-%E5%A4%A7%E6%95%B0%E6%8D%AE/">Big Data (大数据)</a></li> </ul>反向传播https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/backpropagation/Sat, 18 Jul 2026 07:44:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/backpropagation/<h2 id="definition">Definition</h2> <p>反向传播（Backpropagation），即误差反向传播，是一种用于人工神经网络的方法，旨在计算损失函数关于权重的梯度。它通过将误差信号从输出层向输入层反向传播，并利用链式法则更新权重，从而优化模型性能。</p> <h3 id="summary">Summary</h3> <p>一种广泛用于训练神经网络的算法，通过计算梯度来最小化误差。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度下降</li> <li>链式法则</li> <li>损失函数</li> <li>权重更新</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>深度神经网络训练</li> <li>图像分类任务</li> <li>语音识别系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/gradient-descent-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/">Gradient Descent (梯度下降)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/neural-network-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">Neural Network (神经网络)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> </ul>偏见https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bias/Sat, 18 Jul 2026 07:44:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/bias/<h2 id="definition">Definition</h2> <p>在 AI 伦理中，偏见指的是算法决策中的系统性且不公平的歧视，通常源于有偏见的训练数据或有缺陷的模型设计。这可能导致对特定人群的不利影响，因此在开发 AI 系统时需特别关注公平性和去偏技术。</p> <h3 id="summary">Summary</h3> <p>AI 模型中的系统性偏差，导致对某些群体或个人产生不公平的结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性</li> <li>数据集偏差</li> <li>算法歧视</li> <li>伦理 AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计招聘算法</li> <li>审查贷款审批系统</li> <li>分析面部识别在不同人口统计群体中的准确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fairness-%E5%85%AC%E5%B9%B3%E6%80%A7/">Fairness (公平性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/data-privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">Data Privacy (数据隐私)</a></li> </ul>人工智能https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence/Sat, 18 Jul 2026 07:44:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/artificial_intelligence/<h2 id="definition">Definition</h2> <p>人工智能（AI）是指数字计算机或受计算机控制的机器人执行通常与智能生物相关的任务的能力。它涵盖了各种子领域，包括机器学习、自然语言处理等，旨在让机器具备感知、推理、学习和解决问题的能力。</p> <h3 id="summary">Summary</h3> <p>计算机系统对人类智能过程的模拟。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>机器学习</li> <li>自然语言处理</li> <li>自主性</li> <li>认知计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>如 Siri 或 Alexa 的虚拟助手</li> <li>自动驾驶车辆导航</li> <li>医疗诊断支持系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/machine-learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Machine Learning (机器学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep Learning (深度学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/artificial-general-intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial General Intelligence (通用人工智能)</a></li> </ul>思维链https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chain_of_thought/Sat, 18 Jul 2026 07:44:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/chain_of_thought/<h2 id="definition">Definition</h2> <p>思维链（Chain-of-Thought, CoT）提示是一种策略，引导大型语言模型在得出最终答案之前，逐步生成推理解释。通过将复杂问题分解为中间步骤，这种方法显著提高了模型在处理逻辑推理和数学问题时的准确性和可解释性。</p> <h3 id="summary">Summary</h3> <p>一种提示技术，鼓励大型语言模型在回答之前生成中间推理步骤。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>提示工程</li> <li>推理步骤</li> <li>可解释性</li> <li>零样本思维链</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>解决复杂的数学应用题</li> <li>逻辑演绎任务</li> <li>调试代码片段</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/prompt-engineering-%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B/">Prompt Engineering (提示工程)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/large-language-models-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">Large Language Models (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/few-shot-learning-%E5%B0%91%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/">Few-Shot Learning (少样本学习)</a></li> </ul>注意力机制https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/attention_mechanism/Sat, 18 Jul 2026 07:44:10 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/attention_mechanism/<h2 id="definition">Definition</h2> <p>注意力机制使模型能够动态地权衡输入序列中不同元素的重要性。与平等对待所有输入数据不同，它会根据上下文分配不同的权重，从而让模型聚焦于最相关的信息部分，显著提升了对长序列数据的处理能力。</p> <h3 id="summary">Summary</h3> <p>一种使神经网络在生成输出时能够专注于输入数据特定部分的技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自注意力</li> <li>上下文向量</li> <li>加权求和</li> <li>Transformer 架构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器翻译模型</li> <li>图像描述生成</li> <li>文本摘要</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/transformer-transformer-%E6%A8%A1%E5%9E%8B/">Transformer (Transformer 模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/multi-head-attention-%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B/">Multi-Head Attention (多头注意力)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sequence-to-sequence-%E5%BA%8F%E5%88%97%E5%88%B0%E5%BA%8F%E5%88%97/">Sequence-to-Sequence (序列到序列)</a></li> </ul>AI 安全https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_safety/Sat, 18 Jul 2026 07:43:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/ai_safety/<h2 id="definition">Definition</h2> <p>AI 安全涵盖旨在确保自主系统以有益且对人类无害的方式行事的研究和实践。它解决诸如偏见、错误信息、安全性漏洞以及系统失控等风险，致力于构建可靠、可信赖且符合伦理的 AI 系统。</p> <h3 id="summary">Summary</h3> <p>一个研究领域，专注于防止先进人工智能系统产生意外的有害后果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>鲁棒性</li> <li>风险评估</li> <li>故障保护机制</li> <li>透明度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶汽车监管</li> <li>医疗诊断工具验证</li> <li>金融欺诈检测系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-mitigation-%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3/">Bias Mitigation (偏见缓解)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> </ul>APIhttps://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/api/Sat, 18 Jul 2026 07:43:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/api/<h2 id="definition">Definition</h2> <p>API 定义了一套用于构建软件和应用程序的协议与工具。在 AI 领域，API 使开发人员能够访问强大的模型（如大语言模型或图像生成器），而无需在本地托管这些模型，从而简化了集成过程并降低了计算成本。</p> <h3 id="summary">Summary</h3> <p>应用程序编程接口，允许不同的软件系统进行通信和数据交换。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>端点</li> <li>REST</li> <li>身份验证</li> <li>负载</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将聊天机器人集成到网站中</li> <li>访问基于云的机器学习模型</li> <li>从 AI 服务中检索数据</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#000;font-weight:bold">import</span> <span style="color:#555">requests</span> </span></span><span style="display:flex;"><span>response <span style="color:#000;font-weight:bold">=</span> requests<span style="color:#000;font-weight:bold">.</span>get(<span style="color:#d14">&#39;https://api.ai.com/v1/generate&#39;</span>, headers<span style="color:#000;font-weight:bold">=</span>{<span style="color:#d14">&#39;Authorization&#39;</span>: <span style="color:#d14">&#39;Bearer token&#39;</span>}) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rest-%E8%A1%A8%E8%BF%B0%E6%80%A7%E7%8A%B6%E6%80%81%E8%BD%AC%E7%A7%BB/">REST (表述性状态转移)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/sdk-%E8%BD%AF%E4%BB%B6%E5%BC%80%E5%8F%91%E5%B7%A5%E5%85%B7%E5%8C%85/">SDK (软件开发工具包)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/webhook-%E7%BD%91%E7%BB%9C%E9%92%A9%E5%AD%90/">Webhook (网络钩子)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/integration-%E9%9B%86%E6%88%90/">Integration (集成)</a></li> </ul>对齐https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/alignment/Sat, 18 Jul 2026 07:43:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/alignment/<h2 id="definition">Definition</h2> <p>对齐关注的是确保 AI 系统执行人类真正希望它做的事情，而不仅仅是字面上要求它做的事。它涉及诸如来自人类反馈的强化学习（RLHF）等技术，旨在缩小模型输出与人类期望之间的差距，提高安全性和有用性。</p> <h3 id="summary">Summary</h3> <p>确保 AI 系统的目标和行为与人类价值观及意图相一致的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>RLHF (来自人类反馈的强化学习)</li> <li>价值加载</li> <li>意图匹配</li> <li>奖励建模</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>调整聊天机器人的礼貌程度</li> <li>确保摘要的事实准确性</li> <li>防止越狱攻击利用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ai-safety-ai-%E5%AE%89%E5%85%A8/">AI Safety (AI 安全)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rlhf-%E6%9D%A5%E8%87%AA%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (来自人类反馈的强化学习)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/bias-%E5%81%8F%E8%A7%81/">Bias (偏见)</a></li> </ul>提示工程https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt_engineering/Sat, 18 Jul 2026 07:43:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/prompt_engineering/<h2 id="definition">Definition</h2> <p>提示工程涉及制作特定的输入（即提示），以从生成式 AI 模型中获取准确、相关且高质量的响应。它要求理解模型如何解释指令、上下文及约束条件，从而通过调整提示词的结构和措辞来最大化模型的表现。</p> <h3 id="summary">Summary</h3> <p>设计和优化输入文本，以引导大型语言模型生成预期输出的实践。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语境框架</li> <li>少样本学习</li> <li>指令微调</li> <li>令牌优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化客户支持聊天机器人</li> <li>代码生成助手</li> <li>创意写作辅助工具</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>prompt <span style="color:#000;font-weight:bold">=</span> <span style="color:#d14">&#34;Translate the following English text to French: &#39;Hello world&#39;&#34;</span> </span></span><span style="display:flex;"><span>response <span style="color:#000;font-weight:bold">=</span> llm<span style="color:#000;font-weight:bold">.</span>generate(prompt) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/chain-of-thought-%E6%80%9D%E7%BB%B4%E9%93%BE/">Chain-of-Thought (思维链)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">RAG (检索增强生成)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/fine-tuning-%E5%BE%AE%E8%B0%83/">Fine-tuning (微调)</a></li> </ul>智能体https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agent/Sat, 18 Jul 2026 07:43:58 +0000https://ai-terms-dict.pages.dev/zh/%E6%9C%AF%E8%AF%AD/agent/<h2 id="definition">Definition</h2> <p>在 AI 中，智能体是代表用户或系统执行任务的实体。与仅对提示做出响应的被动模型不同，智能体具备规划能力，可以使用工具，并能根据其行动结果进行迭代和调整，从而更复杂地解决多步骤问题。</p> <h3 id="summary">Summary</h3> <p>一种能够感知环境、进行推理并自主采取行动以实现特定目标的 AI 系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主性</li> <li>工具使用</li> <li>规划</li> <li>反应循环</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化研究助手</li> <li>自编码机器人</li> <li>智能家居控制器</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><div style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"> <table style="border-spacing:0;padding:0;margin:0;border:0;"><tr><td style="vertical-align:top;padding:0;margin:0;border:0;"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">1 </span><span style="white-space:pre;-webkit-user-select:none;user-select:none;margin-right:0.4em;padding:0 0.4em 0 0.4em;color:#7f7f7f">2 </span></code></pre></td> <td style="vertical-align:top;padding:0;margin:0;border:0;;width:100%"> <pre tabindex="0" style="background-color:#fff;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>agent <span style="color:#000;font-weight:bold">=</span> Agent(model<span style="color:#000;font-weight:bold">=</span>llm, tools<span style="color:#000;font-weight:bold">=</span>[search_tool, calculator]) </span></span><span style="display:flex;"><span>result <span style="color:#000;font-weight:bold">=</span> agent<span style="color:#000;font-weight:bold">.</span>run(<span style="color:#d14">&#34;Find the latest news on AI and summarize it&#34;</span>) </span></span></code></pre></td></tr></table> </div> </div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://ai-terms-dict.pages.dev/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/orchestration-%E7%BC%96%E6%8E%92/">Orchestration (编排)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/tool-calling-%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8/">Tool Calling (工具调用)</a></li> <li><a href="https://ai-terms-dict.pages.dev/en/terms/react-%E6%8E%A8%E7%90%86%E4%B8%8E%E8%A1%8C%E5%8A%A8/">ReAct (推理与行动)</a></li> </ul>