跳到主要内容
Zubnet AI › 学习 › Wiki

AI 维基 — 第 2 页,共 10 页

AI概念,由建造者解释,而非教科书。没有术语墙。没有学术门槛。清晰、实用的定义。

454 术语 8 分类 2026-11-22 更新
💡
每日术语
语义搜索
基于语义而非精确关键词匹配来查找结果的搜索方式。语义搜索不是寻找包含“修复”这个词的文档,而是找到关于“修理”、“解决”、“补丁”和“调试”的文档,因为它们含义相近。它的工作原理是将文本转换为嵌入向量(数值向量),然后在向量空间中找到最接近的匹配项。
→
本页没有符合筛选条件的术语。

第 51–100 个术语,共 454 个 · 第 2 页,共 10 页

筛选本页

自主智能体别名:AI 智能体、智能体式 AI
使用AI
一种能够以最少的人类监督独立规划、决策和执行多步任务的 AI…
自回归别名:自回归模型、下一token预测
基础
一种每次生成一个token的模型,每个新token都基于之前所有token来预测。每一个现代LLM——Claude、GPT、Llama、Gemini——都是自回归的。模型不会“规划”完整回复然后写出来;它实际上是预测下一个词,附加上去,然…
AWS Bedrock别名:Amazon Bedrock
公司
Amazon Web Services的托管平台,通过统一API访问和部署来自多个提供商(Anthropic、Meta、Mistral、Cohere、Stability…
反向传播别名:反向传播算法、反向传递
基础
计算神经网络中每个参数对误差的贡献程度的算法,使梯度下降能够高效地更新参数。反向传播通过网络反向应用微积分的链式法则:从输出的损失开始,将梯度向后传播通过每一层,以确定每个权重的"责任份额"。
Baidu别名:Ernie、Wenxin Yiyan、Ernie Bot、文心一言
公司
中国科技巨头,以搜索引擎和文心一言(Ernie)最为知名—后者是它于 2023 年推出的聊天机器人与基础模型家族,也是中国最早对标 ChatGPT 的主要对手之一。百度还运营着萝卜快跑(Apollo Go)自动驾驶出租车服务,自研昆仑…
批处理 API别名:Batch API、批量 API、批量推理、批处理
使用AI
一种把大量 LLM 请求提交给服务商异步处理的方式,放弃即时响应,换来大约一半的价格。
Batch Size & Epoch别名:小批量、训练轮次
训练
批量大小是模型在更新参数之前处理的训练样本数。一个轮次(epoch)是对整个训练数据集的一次完整遍历。一个在100万个样本上以批量大小1000训练3个轮次的模型,每次更新处理1000个样本,每轮次1000次更新,总共3000次更新。
基准测试别名:Benchmark
训练
用于评估和比较AI模型的标准测试。基准测试衡量特定能力—推理(ARC)、数学(GSM8K)、编程(HumanEval)、常识(MMLU)—并生成可在不同模型间比较的分数。
BERT别名:双向编码器表示(来自Transformers)
模型
Google于2018年推出的基于Transformer的模型,通过引入双向预训练彻底改变了NLP——每个token都能关注其他所有token,使模型获得深层的上下文理解。BERT是纯编码器模型:擅长理解文本(分类、搜索、命名实体识别),…
安全
AI输出中反映或放大训练数据中社会偏见的系统性模式。偏见可能出现在文本生成、图像创作、招聘工具等任何模型做出影响人们差异性决策的场景中。
偏差-方差权衡别名:Bias-Variance Tradeoff、偏差-方差困境
基础
在过于简单、抓不住规律的模型(偏差)和过于灵活、连噪声都去拟合的模型(方差)之间取得平衡。
Black Forest Labs别名:FLUX.1 系列模型
公司
由Stable Diffusion的最初创作者在离开Stability AI后创立。他们的FLUX模型迅速成为开源图像生成领域的新标准,超越了他们留下的模型的质量。
BLEU & ROUGE别名:BLEU分数、ROUGE分数
基础
通过将模型输出与参考文本进行比较来评估文本生成质量的经典指标。BLEU(双语评估替补)衡量生成文本中有多少n-gram出现在参考文本中——最初为机器翻译设计。ROUGE(面向召回的摘要评估替补)衡量参考文本中有多少n-gram出现在生成文…
BPE别名:字节对编码、子词分词
基础
构建分词器词汇表最常用的算法。BPE从单个字节或字符开始,迭代地将最频繁的相邻对合并为一个新的token。经过数千次合并后,常见词汇变成单个token(如"the"、"function"),而稀有词汇则被拆分为子词片段(如"un" +…
Bria别名:授权训练数据、企业级图像生成
公司
以色列AI公司,其图像生成模型完全基于授权且可追溯的训练数据构建。该公司定位为需要生成式AI视觉内容但无版权风险企业的安全选择—
字节跳动别名:豆包、TikTok、AI 驱动的推荐系统
公司
TikTok的母公司,也是全球最有价值的科技公司之一。他们的AI实验室开发了Doubao模型系列,并为每天超过十亿用户使用的推荐算法提供支持。
Cartesia别名:Sonic、基于 SSM 的语音模型
公司
基于状态空间模型(SSM)架构而非transformers的语音AI初创公司。他们的Sonic模型实现了超低延迟语音生成,使实时对话式AI首次真正自然。
Catastrophic Forgetting别名:灾难性干扰
训练
当神经网络在新任务上训练时失去执行先前已学任务的能力。在客户支持数据上微调模型可能使其擅长支持但在编程方面变得很差。新的学习覆盖了编码旧能力的权重,将其“遗忘”。
Cerebras别名:Cerebras Systems、WSE
公司
一家芯片公司,构建晶圆级AI处理器——芯片大小为整个硅晶圆,比标准GPU大100倍以上。Cerebras WSE-3(晶圆级引擎)包含4万亿个晶体管和90万个核心。其CS-3系统设计用于训练和推理,提供了一种替代数千个独立GPU集群的方案。
思维链别名:CoT
使用AI
一种提示技术,要求模型在给出最终答案前逐步展示其推理过程。模型不会直接得出结论,而是“大声思考”,这显著提高了在复杂任务中的准确性。
Character.AI别名:c.ai
公司
一个创建和与AI角色聊天的平台——虚构人物、历史人物和自定义角色,在跨对话中保持一致的个性、知识和说话模式。由前Google…
聊天机器人别名:AI助手
使用AI
用于与AI模型进行对话交互的软件界面。现代聊天机器人(Claude、ChatGPT、Gemini)由大语言模型驱动,能处理开放式对话、代码、图像和工具调用。
Chatbot Arena别名:LMSYS Arena、ELO排名
基础
一个众包平台(由LMSYS创建),用户与两个匿名AI模型并排聊天,并投票选出哪个响应更好。结果用于计算ELO评分——与国际象棋使用的同一排名系统——创建一个基于真实人类偏好而非自动化基准的持续更新的模型质量排行榜。
检查点别名:模型检查点、快照
训练
训练过程中模型状态的保存快照——包括权重、优化器状态、学习率调度和训练步数。检查点让你能在中断后恢复训练(硬件故障、抢占)、评估模型的中间版本,以及在训练退化时回滚到较早版本。每隔几千步保存检查点是标准做法。
分块别名:Chunking、文本分块、文档切分
使用AI
在做嵌入之前把文档切成较小的片段,让 RAG 系统能只找出并返回相关的部分。
Classification别名:分类器、归类
基础
将输入分配到一组预定义类别之一的任务。“这封邮件是垃圾邮件还是正常邮件?”(二分类)。“这张图片是猫、狗还是鸟?”(多分类)。“这篇文章适用哪些标签?”(多标签)。分类是最常见的监督学习任务,也是无数实际AI应用的基础。
Claude别名:Claude Sonnet、Claude Opus、Claude Haiku
模型
Claude 是 Anthropic 构建的大型语言模型家族,分为 Haiku、Sonnet 和 Opus 三个层级,在速度、成本与能力之间各有取舍。它以聊天助手、API 和一系列智能体工具的形式提供,并采用 Anthropic…
CLIP别名:对比语言-图像预训练
模型
OpenAI(2021年)的一个模型,通过在4亿个图像-文字对上训练来学习连接图像和文本。CLIP将图像和文本编码到同一个嵌入空间中,使匹配的图像-文本对彼此接近,不匹配的对彼此远离。它是大多数现代多模态AI系统中连接语言和视觉的桥梁。
聚类别名:K-Means、DBSCAN、聚类分析
基础
一种在没有预定义标签的情况下将相似数据点分组在一起的无监督学习任务。给定客户购买数据,聚类可能发现不同的客户群体(打折猎手、奢侈品买家、偶尔购物者)。K-means是最常用的算法:选择K个聚类,将每个点分配到最近的聚类中心,并迭代优化中心…
CNN别名:卷积神经网络、ConvNet
模型
一种专为处理网格状数据(图像、音频频谱图)而设计的神经网络架构,通过在输入上滑动小型滤波器(卷积核)来检测局部模式,如边缘、纹理和形状。从2012年(AlexNet)到约2020年视觉Transformer出现之前,CNN主导了计算机视觉…
编程智能体别名:Coding Agents、Agentic Coding、AI 编程智能体、代码智能体
使用AI
能端到端完成编程任务的 AI 系统,它们会阅读代码库、修改文件、运行命令和测试,并根据结果反复迭代。
AI 编程助手别名:代码 Copilot、AI IDE
工具
帮助开发者编写、审查、调试和部署代码的人工智能工具。从自动补全(GitHub Copilot、Codeium)到完全自主开发(Claude…
Cohere别名:Command、Embed、Rerank 模型
公司
专注于企业级人工智能的公司,由Aidan Gomez(《Attention Is All You Need》Transformer论文的联合作者之一)共同创立。专注于为企业应用场景优化的模型、RAG和多语言支持。
ComfyUI别名:Comfy
工具
一个开源的节点式界面,通过把模型和处理步骤连接成图来搭建图像、视频和音频生成流程。
Computer Use别名:计算机操作智能体、GUI 智能体、Computer-Using Agent (CUA)
使用AI
一种让 AI 模型像人一样操作真实桌面或浏览器的能力:模型观看屏幕截图,然后发出鼠标和键盘动作。它不调用 API,而是感知屏幕、决定点击或输入什么,再由一个执行器执行动作,如此循环,直到任务完成或智能体放弃。Anthropic 的…
计算机视觉别名:CV、机器视觉
基础
人工智能领域专注于使机器能够解读和理解来自世界的各种视觉信息—图像、视频、3D场景和文档。计算机视觉(Computer…
Constitutional AI别名:CAI
安全
Anthropic开发的一种对齐技术,训练模型遵循一组原则(“宪法”),而不是完全依赖人类反馈来做每个决定。模型根据这些原则批评和修改自己的输出,然后在修改后的输出上进行训练。这减少了对人工标注者的需求,并使对齐标准显式化且可审计。
Contamination别名:数据污染、基准泄露
基础
当基准测试数据出现在模型的训练数据中,使其分数虚高而无法反映真实能力。如果一个模型在训练期间看到了测试题目从而“提前学了答案”,那它的基准表现毫无意义。随着训练数据集越来越大,从发布了基准数据的互联网上抓取更多内容,污染问题日益严重。
内容审核别名:AI 审核、信任与安全
安全
使用AI来大规模检测和过滤有害、非法或违反政策的内容。这包括文本分类(仇恨言论、垃圾信息、威胁内容)、图像分析(NSFW检测、CSAM)和视频审核。现代系统结合AI分类器与人工审核,但AI自身生成的内容体量正在引发审核危机—现在你需要用A…
内容溯源别名:Content Provenance、C2PA、Content Credentials、内容凭证
安全
关于一段媒体内容来自哪里、经过哪些编辑(包括是否由 AI 生成)的可验证记录,最常见的实现方式是 C2PA 标准。
Context Engineering别名:上下文工程
使用AI
设计、组装和维护模型在上下文窗口中看到的一切——系统提示词、检索文档、工具输出、记忆和对话历史——使它能够可靠完成工作的实践。这个词于 2025…
上下文长度扩展别名:YaRN、NTK 缩放、RoPE 缩放
基础设施
使语言模型能够处理比训练时更长序列的技术。在 4K token 上训练的模型可以通过修改其位置编码(通常是 RoPE)并结合在更长序列上的短期微调来扩展到 32K 或 128K。这避免了从头开始在长序列上训练的巨大成本。
上下文腐化别名:Context Rot、长上下文退化
使用AI
随着上下文窗口被填满,模型的准确性和可靠性下降,而且远在达到官方上限之前就会出现。
上下文窗口别名:上下文长度
使用AI
模型在单次对话中可处理的文本最大量(以令牌为单位)。这包括您的输入和模型的输出。如果模型具有200K的上下文窗口,大约相当于15万字—相当于两本小说。
持续学习别名:终身学习、增量学习
训练
模型在不忘记先前所学知识的情况下持续从新数据中学习的能力。当前的LLM训练一次后即冻结——更新它们需要昂贵的重新训练。持续学习将允许模型从每次交互中学习、与新信息保持同步并随时间适应个别用户,就像人类自然学习那样。
连续批处理别名:Continuous Batching、Dynamic Batching、In-flight Batching、Iteration-level Scheduling、动态批处理
基础设施
一种 LLM 推理服务技术,在每个生成步都把新请求加入正在运行的批次、把已完成的请求移出,让 GPU 始终满负荷。
对比学习别名:SimCLR、InfoNCE
训练
一种自监督学习方法,通过对比正样本对(应在嵌入空间中接近的相似项)和负样本对(应远离的不相似项)来训练模型。CLIP对比匹配的图像-文本对和不匹配的。SimCLR对比同一图像的增强视图和不同图像的视图。模型学习到嵌入空间中的相似性反映现实…
模型
一种为图像生成模型添加空间控制的架构。ControlNet不仅让你用文本描述想要什么("一个站着的人"),还让你指定如何实现——提供边缘图、深度图、姿态骨架或分割图来引导构图。生成的图像遵循控制输入的空间结构,同时根据文本提示填充细节。
卷积别名:Conv、卷积层、核、滤波器
基础
一种在输入上滑动小滤波器(核)以检测局部模式的数学运算。在图像中,一个3×3的核滑过每个位置,计算与底层像素的点积以产出特征图。不同的核检测不同的模式:水平边缘、垂直边缘、纹理,以及在更深层中最终检测到的复杂特征如眼睛或轮子。
ESC