跳到主要内容
Zubnet AI › 学习 › Wiki

AI 维基 — 第 3 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 101–150 个术语,共 454 个 · 第 3 页,共 10 页

筛选本页

公司
一家完全围绕GPU计算构建的专业云提供商,专注于AI工作负载。CoreWeave运营大型NVIDIA…
语料库别名:数据集、训练数据
训练
用于训练模型的文本(或其他数据)。语料库的范围可以从精心挑选的书籍和论文集,到对整个互联网的大规模抓取。语料库的质量和组成从根本上决定了模型所掌握的知识及其行为方式。
可纠正性别名:Corrigibility、关机问题、关闭开关问题
安全
AI 系统的一种性质,即接受其合法监督者的纠正、修改和关停,而不是抵抗或设法绕过他们。
余弦相似度别名:余弦距离、向量相似度
基础
一种基于两个向量之间夹角来衡量相似性的指标,忽略其大小。余弦相似度为1表示向量指向同一方向(含义相同)。0表示垂直(不相关)。-1表示方向相反。它是语义搜索、RAG和推荐系统中比较文本嵌入的标准相似性度量。
交叉注意力别名:编码器-解码器注意力
基础
一种注意力机制,其中查询来自一个序列,而键/值来自另一个序列。在编码器-解码器模型中,解码器的查询关注编码器的键和值,允许解码器在生成输出时“查看”输入。交叉注意力也是文本条件化图像生成在扩散模型中的工作方式——图像生成过程关注文本提示。
交叉熵别名:Cross-Entropy、交叉熵损失、Log Loss、负对数似然
基础
几乎所有语言模型训练时使用的损失函数,模型给正确答案分配的概率越低,受到的惩罚就越重。
Cross-Validation别名:K折交叉验证、留一法
训练
一种在没有足够数据划分单独测试集时评估模型性能的技术。K折交叉验证将数据分成K个相等的部分,在K−1个部分上训练并在剩余部分上评估,轮转K次,使每个数据点都被用于训练和评估。所有K折的平均分数比单次训练/测试划分给出更可靠的性能估计。
CUDA别名:Compute Unified Device Architecture、统一计算设备架构
基础设施
NVIDIA 用来在其 GPU 上运行通用代码的平台,也是大多数 AI 赖以运行的软件基础。
训练
一种按有意义的顺序——通常从简单到困难——而非随机地呈现训练样本的策略。就像教学生先学算术再学微积分,课程学习先给模型基础模式,然后逐步增加复杂性。这可以加速收敛,有时还能获得更好的最终性能。
公司
AI原生代码编辑器(VS Code分支)。深度集成LLM:内联代码生成、多文件编辑、代码库感知的上下文。
DALL-E别名:DALL-E 2、DALL-E 3
模型
OpenAI的图像生成模型系列。DALL-E 1(2021)使用离散VAE + Transformer方法。DALL-E 2(2022)使用CLIP + 扩散。DALL-E…
通过创建现有样本的修改版本来人工扩展训练数据集的技术。对于图像:翻转、旋转、裁剪、颜色偏移。对于文本:释义、回译、同义词替换。对于音频:速度变化、噪声注入。目标是教模型不变性——猫就是猫,无论图像是翻转的、变暗的还是裁剪的。
数据中心别名:AI 数据中心、GPU 集群
基础设施
用于存放服务器、GPU、网络设备和冷却系统的物理设施。现代AI数据中心专为大规模并行计算而设计,消耗兆瓦级电力,需要专用冷却系统。单次前沿模型训练可能需要整个设施中数千块GPU运行数月之久。
数据投毒别名:Data Poisoning、训练数据投毒、后门攻击
安全
一种攻击手段:把恶意样本混入模型的训练数据,以植入隐藏行为或降低模型性能。
Databricks别名:Mosaic ML、DBRX、Unity Catalog
公司
一个提供统一分析、数据工程和机器学习能力的数据和AI平台。Databricks于2023年收购了Mosaic ML以增加LLM训练能力,并发布了自己的开放权重LLM——DBRX。该平台建立在Apache…
Dataset别名:训练集、数据
基础
用于训练、评估或测试机器学习模型的结构化数据集合。数据集可以是标注的(每个样本都有已知的正确答案)或未标注的(没有注释的原始数据)。数据集的质量、规模、多样性和代表性从根本上决定了模型能学到什么。
Decart AI别名:实时世界模拟、游戏生成
公司
以色列AI公司突破实时AI生成技术的界限。其技术能够实时生成交互式游戏般的环境,模糊了传统渲染与AI生成之间的界限。
解码器别名:解码器网络、生成器
基础
从表示生成输出的神经网络组件。在Transformer中,解码器使用因果(从左到右)注意力逐个生成token。在图像生成中,VAE解码器将潜在表示转换回图像。在自编码器中,解码器从压缩瓶颈重建原始输入。解码器是许多架构中的“生成”部分。
深度学习别名:DL
基础
机器学习的一个子领域,它使用具有多层的神经网络(因此被称为“深度”)来学习数据的层次化表示。每一层都会将其输入转换为稍微更抽象的内容——从像素到边缘、形状、物体再到概念。深度学习正是使现代人工智能革命成为可能的关键:它背后的技术支撑着大型…
Deep Research别名:Deep Research Agents、Agentic Research、深度研究
使用AI
多款 AI 助手提供的一种模式,模型会自主规划并执行多步网络研究任务,再返回带引用的结构化报告。它不会只做一次快速搜索就回答,而是花几分钟阅读数十个来源、追踪线索,再综合发现。Google 于 2024 年 12 月率先在 Gemini…
深度伪造别名:合成媒体、AI 生成的伪造内容
安全
AI生成的图像、视频或音频,旨在逼真地描绘真实人物说或做他们从未做过的事情。最初基于GAN技术,现代深度伪造技术如今使用扩散模型和语音克隆来生成内容,这些内容与现实的差异越来越难以分辨。检测工具虽然存在,但始终落后于生成能力。
Deepgram别名:Nova 语音转文字、Aura 文字转语音
公司
语音AI公司正在构建快速且准确的语音识别和文本转语音API。他们的Nova模型在准确率上与OpenAI的Whisper竞争,甚至经常超越它,同时在实时应用中运行速度显著更快。
DeepL别名:神经机器翻译、DeepL Pro
公司
德国AI公司被广泛认为是全球最好的机器翻译服务。由一群计算语言学家打造,其表现持续超越Google Translate及其他大型科技公司的产品,尤其是在处理欧洲语言时。
DeepSeek别名:DeepSeek-V3、DeepSeek-R1
公司
中国人工智能实验室于2025年初凭借DeepSeek-R1推理模型震撼行业,该模型以仅需顶尖实验室几分之一的训练成本,与前沿实验室展开竞争。该实验室由量化对冲基金High-Flyer支持。
开发者工具别名:AI SDK、AI 框架
工具
由库、框架和平台组成的生态系统,使构建人工智能驱动的应用程序更加容易—这包括编排框架(LangChain、LlamaIndex)、推理服务器(vLLM、llama.cpp)、微调工具(Axolotl、Unsloth)、评估框架(LMSYS…
Devin别名:Cognition Devin、Cognition AI
工具
Cognition AI 打造的自主式 AI 软件工程师,可以接收高层任务并端到端完成:制定计划、编写代码、运行测试、调试,再在自己的沙盒环境中创建 pull request。Devin 于 2024 年登场,是第一款以“AI…
差分隐私别名:DP
安全
一种在聚合数据分析和模型训练中保证个人隐私的数学框架。通过差分隐私,添加或移除任何单个个人的数据最多只会以微小的、有界的量改变输出。这意味着你可以从数据集中学习有用的模式,而不泄露其中任何特定人的信息。
Diffusion LLM别名:Text Diffusion Model、dLLM、文本扩散模型
模型
一种通过迭代去噪来生成文本的大型语言模型,不再从左到右一次预测一个 token。它从完全被掩码或破坏的序列起步,用少量步骤并行精炼每一个位置,把图像扩散模型的核心思路改造成适合离散文本的版本。
模型
一种生成模型,通过从纯噪声开始,逐步去除噪声,直到生成连贯的输出(如图像、视频或音频)。该模型学习逆转向真实数据添加噪声的过程。Stable Diffusion、DALL-E 3 和 Midjourney 都采用该方法的变体。
模型
一种用Transformer替代扩散模型中传统使用的U-Net骨干网络的架构。DiT将注意力机制应用于图像生成,实现了与LLM一样强大的缩放行为。Sora、Flux、Stable Diffusion…
蒸馏别名:知识蒸馏
训练
训练一个较小的“学生”模型来模仿一个较大的“教师”模型,通过学习教师的软概率分布而非硬标签。软输出编码了硬标签无法传达的类别之间的关系。
分布式训练别名:数据并行、模型并行、FSDP
基础设施
在多个GPU或机器上同时训练模型。数据并行给每个GPU一份模型副本并分割训练数据。模型并行在模型太大无法装入单个GPU时将模型本身分割到多个GPU。FSDP(完全分片数据并行)和DeepSpeed等现代方法结合了两者,实现了数百亿参数模型…
DPO别名:直接偏好优化、Direct Preference Optimization
训练
RLHF的一种替代方案,用于模型对齐。DPO使用偏好/拒绝回复配对直接优化模型,无需单独的奖励模型或强化学习。更简单、更稳定、计算量更少。
Drift Detection别名:数据漂移、模型漂移、概念漂移
基础设施
监控数据分布或模型行为随时间的变化,这些变化可能降低性能。数据漂移:输入数据发生变化(客户人群特征变化、出现新产品类别)。概念漂移:输入与正确输出之间的关系发生变化(什么构成垃圾邮件在演变)。模型漂移:即使模型本身没有改变,其预测也逐渐变…
Dropout别名:权重衰减
训练
一种正则化技术,在每个训练步骤中随机“关闭”一部分神经元,将其输出设为零。这防止网络过度依赖任何单个神经元,迫使其学习分布式的、鲁棒的表示。在推理时,所有神经元都被激活,但会相应地进行缩放。
双重用途别名:双用途技术
安全
可同时用于有益和有害目的的技术。AI本质上是双重用途的:帮助医生诊断疾病的同一模型可能帮助不法分子合成危险化合物。加速软件开发的同一代码生成模型可能帮助创建恶意软件。管理双重用途风险是AI治理的核心挑战。
早停法别名:耐心参数、基于验证的停止
训练
当保留验证集上的性能停止提升时停止训练,而不是训练固定的步数。随着训练继续,训练损失持续下降但验证损失最终开始上升——模型正在对训练数据过拟合。早停法在质量退化之前捕获这个拐点并保存最佳模型。
边缘AI别名:端侧AI、本地AI
基础设施
在终端设备(手机、笔记本电脑、汽车)上运行AI,而非在云端。数据隐私有保障、零延迟、可离线工作。
ElevenLabs别名:语音合成、语音克隆、配音
公司
语音AI公司,让每个人都能使用超逼真语音合成技术。他们的技术驱动语音克隆、实时配音和文本转语音功能,支持32种语言,模糊了人类与AI语音之间的界限。
嵌入别名:向量嵌入
训练
一种将文本(或图像、或音频)表示为数字列表(即向量)的方法,该向量能够捕捉其含义。在这一数字空间中,相似的概念会彼此靠近—“cat”和“kitten”距离较近,而“cat”和“economics”则相距甚远。
嵌入层别名:Token嵌入、嵌入表、查找表
基础
一个将词汇表中每个token映射到密集向量(token嵌入)的查找表。当模型接收token ID 42时,嵌入层返回学习矩阵的第42行。这个向量是模型对该token的初始表示——后续所有通过注意力和前馈层处理的起点。
Embodied AI别名:Embodied Intelligence、Robotics Foundation Models、具身智能
基础
一种人工智能路线,让模型控制物理机器——能够在现实世界感知、移动并操纵物体的机器人,而不只是在屏幕上处理文字和图像。核心主张是,真正的智能需要身体:感知、推理和运动控制必须通过与环境互动一起学习。这个词覆盖从仓库机械臂、四足机器人,到通用…
涌现别名:涌现能力、涌现行为
基础
在达到一定规模或训练阈值后突然出现的能力——这些能力并未在训练中被明确教授。一个纯粹用于预测下一个词的模型,竟然能够执行算术运算、在未被教授的语言之间进行翻译,或编写可运行的代码。涌现是人工智能领域最受争议的现象之一:它是真实的相变现象,…
编码器别名:编码器网络、特征提取器
基础
将输入数据转换为压缩的、信息丰富的表示(编码)的神经网络组件。在Transformer中,编码器使用双向注意力处理完整输入并生成上下文表示。在自编码器中,编码器将输入压缩到潜在瓶颈。在图像生成中,VAE编码器将图像转换到潜在空间。编码器是…
编码器-解码器别名:Seq2Seq、序列到序列
模型
一种包含编码器(压缩输入)和解码器(生成输出)的模型架构。T5/BART是编码器-解码器模型。GPT/Claude/Llama是纯解码器模型。BERT是纯编码器模型。
端点别名:Endpoint
基础设施
一个特定的URL,用于接收AI API的请求。例如,Anthropic 的 message 端点是您向 Claude 发送提示(prompts)的地方。不同的端点服务于不同的功能:文本生成、嵌入(embeddings)、图像生成、模型列表。
EU AI Act别名:AI Act、European AI Act、欧盟人工智能法案
安全
欧盟全面监管人工智能的法律,自 2024 年 8 月起生效。它采用基于风险的方法:AI 系统可能造成的伤害越大,义务就越严格,从彻底禁止少数做法,到只要求低风险工具履行轻量透明度义务。
评估别名:Evals、模型评估
训练
用于衡量AI模型性能的方法。这远不止于基准测试——它包括人工评估(由人类对输出结果进行评分)、A/B测试(在真实流量中对比模型)、红队测试(对抗性测试)、领域特定测试(医疗准确性、代码正确性)以及社区排行榜(Chatbot…
存在性风险别名:X-Risk、AI 末日论
安全
这一假说认为,足够先进的 AI 系统可能对人类生存构成威胁或永久限制人类的潜力。存在性风险的担忧从具体的近期场景(AI 赋能的生物武器、自主武器)到推测性的长期场景(追求与人类价值观不一致目标的超级智能 AI)不等。这个话题在顶尖 AI…
ESC