跳到主要內容
Zubnet AI › 學習 › Wiki

AI 維基 — 第 3 頁,共 10 頁

AI概念,由建造者解釋,而非教科書。沒有術語牆。沒有學術門檻。清晰、實用的定義。

454 術語 8 分類 2026-11-22 更新
💡
每日術語
提示快取
一種在多次 API 呼叫之間儲存和重複使用已處理的提示前綴的技術,避免冗餘計算。如果你每次請求都發送相同的系統提示和文件上下文(這很常見),提示快取只處理一次並在後續請求中重複使用快取的計算結果。這減少了延遲和成本。
→
本頁沒有符合篩選條件的術語。

第 101–150 個術語,共 454 個 · 第 3 頁,共 10 頁

篩選本頁

公司
一家完全圍繞 AI 工作負載的 GPU 運算而打造的專業雲端供應商。CoreWeave 營運大規模 NVIDIA GPU 叢集(H100、H200),並已獲得數十億美元的股權和債務融資來建設 GPU 資料中心。包括微軟和數家 AI…
語料庫別名:資料集、訓練資料
訓練
用來訓練模型的文本資料(或其他資料)。語料庫的範圍可以從精選的書籍和論文集合,到對整個互聯網的大規模抓取。語料庫的品質與組成根本影響模型所掌握的知識以及其行為方式。
可糾正性別名:Corrigibility、關機問題、關閉開關問題
安全
AI 系統的一種性質,即接受其合法監督者的糾正、修改和關停,而不是抵抗或設法繞過他們。
餘弦相似度別名:餘弦距離、向量相似度
基礎
一種基於兩個向量之間夾角的相似度度量,忽略它們的大小。餘弦相似度為 1 表示兩個向量指向同一方向(意義相同),0 表示垂直(不相關),-1 表示方向相反。它是在語意搜尋、RAG 和推薦系統中比較文本嵌入的標準相似度指標。
交叉注意力編碼器-解碼器注意力
基礎
一種注意力機制,其中查詢來自一個序列,而鍵/值來自另一個不同的序列。在編碼器-解碼器模型中,解碼器的查詢關注編碼器的鍵和值,讓解碼器在生成輸出時能「看到」輸入。交叉注意力也是文字在擴散模型中調控影像生成的方式——影像生成過程關注文字提示。
交叉熵別名:Cross-Entropy、交叉熵損失、Log Loss、負對數概似
基礎
幾乎所有語言模型訓練時使用的損失函數,模型給正確答案分配的機率越低,受到的懲罰就越重。
交叉驗證別名:K-Fold CV、留一法
訓練
一種在沒有足夠資料建立獨立測試集時評估模型效能的技術。K 折交叉驗證將資料分成 K 等份,用 K−1 份進行訓練並在剩餘一份上評估,輪轉 K 次使每個資料點都被用於訓練和評估。所有 K 折的平均分數比單次訓練/測試分割提供更可靠的效能估計。
CUDA別名:Compute Unified Device Architecture、統一計算裝置架構
基礎設施
NVIDIA 用來在其 GPU 上執行通用程式碼的平台,也是大多數 AI 賴以運作的軟體基礎。
訓練
一種以有意義的順序 — 通常從簡單到困難 — 呈現範例的訓練策略,而非隨機呈現。就像教學生先學算術再學微積分,課程學習先給模型基礎模式,然後逐步增加複雜性。這可以帶來更快的收斂,有時也能帶來更好的最終效能。
公司
AI 原生程式碼編輯器(VS Code 分支)。深度 LLM 整合:行內生成、多檔案編輯、程式碼庫感知的上下文。
DALL-E別名:DALL-E 2、DALL-E 3
模型
OpenAI 的影像生成模型系列。DALL-E 1(2021)使用離散 VAE + Transformer 方法。DALL-E 2(2022)使用 CLIP + 擴散。DALL-E 3(2023)整合到 ChatGPT…
透過建立現有樣本的修改版本來人工擴展訓練資料集的技術。對於影像:翻轉、旋轉、裁剪、色彩偏移。對於文本:改寫、回譯、同義詞替換。對於音訊:速度變更、雜訊注入。目標是教會模型不變性——無論影像被翻轉、變暗還是裁剪,貓就是貓。
資料中心別名:AI 資料中心、GPU 叢集
基礎設施
用以容納伺服器、GPU、網路設備與冷卻系統等硬體設施,這些設施用於訓練與運行人工智慧模型。現代人工智慧資料中心專為大規模平行運算而設計,耗電量可達兆瓦級,且需要專業冷卻系統。單一前沿模型的訓練作業可能需要整個設施中數千個GPU運行數個月。
資料投毒別名:Data Poisoning、訓練資料投毒、後門攻擊
安全
一種攻擊手段:把惡意樣本混入模型的訓練資料,以植入隱藏行為或降低模型效能。
Databricks別名:Mosaic ML、DBRX、Unity Catalog
公司
一個資料和 AI 平台,提供統一的分析、資料工程和機器學習能力。Databricks 於 2023 年收購了 Mosaic ML 以增加 LLM 訓練能力,並發布了 DBRX,他們自己的開放權重 LLM。該平台建構在 Apache…
Dataset別名:訓練集、資料
基礎
用於訓練、評估或測試機器學習模型的結構化資料集合。資料集可以是標註的(每個範例都有已知的正確答案)或未標註的(沒有註解的原始資料)。資料集的品質、大小、多樣性和代表性從根本上決定了模型能學到什麼。
Decart AI別名:即時世界模擬、遊戲生成
公司
以色列AI公司突破即時AI生成的界限。其技術能夠即時生成互動式遊戲般的環境,模糊傳統渲染與AI生成之間的界限。
Decoder別名:解碼器網路、生成器
基礎
一個從表示中生成輸出的神經網路組件。在 Transformer 中,解碼器使用因果(從左到右)注意力逐個生成 token。在影像生成中,VAE…
深度學習別名:DL
基礎
深度學習是機器學習的一個子領域,它使用具有許多層(因此稱為「深度」)的神經網路來學習資料的層次化表示。每一層都會將其輸入轉換為稍微更抽象的東西——從像素到邊緣,再到形狀、物件與概念。深度學習正是使現代 AI…
Deep Research別名:Deep Research Agents、Agentic Research、深度研究
使用AI
多款 AI 助手提供的一種模式,模型會自主規劃並執行多步驟網路研究任務,再傳回附有引用的結構化報告。它不會只進行一次快速搜尋便回答,而是花費數分鐘閱讀數十個來源、追查線索,並整合研究結果。Google 於 2024 年 12 月率先在…
深度偽造別名:合成媒體、AI 生成的偽造內容
安全
AI生成的圖像、影片或音訊,旨在逼真地描繪真實人物說或做他們從未做過的事情。原本基於GAN技術,現代的深度偽造技術現在使用擴散模型和聲音克隆,產生越來越難與現實區分的輸出。檢測工具雖然存在,但始終落後於生成技術的進步。
Deepgram別名:Nova 語音轉文字、Aura 文字轉語音
公司
語音 AI 公司,專注於開發快速且準確的語音辨識與文字轉語音 API。他們的 Nova 模型在準確度上與 OpenAI 的 Whisper 競爭,甚至經常超越它,同時在即時應用中運行速度顯著更快。
DeepL別名:神經機器翻譯、DeepL Pro
公司
這家德國AI公司被廣泛視為全球最優秀的機器翻譯服務提供商—由一群計算語言學家打造,他們的表現始終超越Google Translate及其他大型科技公司的產品,尤其是在歐洲語言方面。
DeepSeek別名:DeepSeek-V3、DeepSeek-R1
公司
中國AI實驗室於2025年初以DeepSeek-R1震撼業界,該推理模型僅需極低的訓練成本即可匹敵前沿實驗室。由量化對沖基金High-Flyer資助。
開發者工具別名:AI SDK、AI 框架
工具
由程式庫、框架和平台組成的生態系統,讓開發 AI…
Devin別名:Cognition Devin、Cognition AI
工具
Cognition AI 打造的自主式 AI 軟體工程師,可接收高階任務並端到端完成:制訂計畫、撰寫程式碼、執行測試、除錯,再於自身的沙箱環境中建立 pull request。Devin 於 2024 年登場,是第一款以「AI…
差分隱私別名:DP
安全
一種數學框架,保證在聚合資料分析和模型訓練中的個人隱私。使用差分隱私,添加或移除任何單一個人的資料最多只會將輸出改變一個小的、有界的量。這意味著你可以從資料集中學習有用的模式而不洩露其中任何特定個人的資訊。
Diffusion LLM別名:Text Diffusion Model、dLLM、文字擴散模型
模型
一種透過反覆去除雜訊來生成文字的大型語言模型,不再由左至右、一次預測一個 token。它從完全被遮罩或擾動的序列開始,經少量步驟並行精修每個位置,將圖像擴散模型的核心概念改造成適合離散文字的版本。
模型
一種生成模型,透過從純噪音開始,逐步去除噪音,直到產生連貫的輸出(如圖片、影片或音訊)。該模型學習反轉將噪音添加到真實資料的過程。Stable Diffusion、DALL-E 3 和 Midjourney 都採用此方法的變體。
模型
一種將擴散模型中傳統使用的 U-Net 骨幹替換為 Transformer 的架構。DiT 將注意力機制應用於影像生成,實現了使 LLM 如此強大的相同擴展行為。Sora、Flux、Stable Diffusion 3…
Distillation(蒸餾)別名:知識蒸餾
訓練
訓練一個較小的「學生」模型來模仿一個較大的「教師」模型,方法是從教師的軟機率分布(而非硬標籤)中學習。軟輸出編碼了硬標籤無法傳達的類別間關係。
分散式訓練別名:資料平行化、模型平行化、FSDP
基礎設施
同時在多個 GPU 或機器上訓練模型。資料平行化給每個 GPU 一份模型副本並分割訓練資料。模型平行化在模型太大而無法放入一個 GPU 時將模型本身分割到多個 GPU 上。FSDP(完全分片資料平行化)和 DeepSpeed…
DPO別名:直接偏好優化
訓練
RLHF 的替代方案,用於模型對齊。DPO 使用偏好/拒絕回應的配對直接優化模型,無需獨立的獎勵模型或強化學習。更簡單、更穩定、更省算力。
漂移偵測別名:資料漂移、模型漂移、概念漂移
基礎設施
監控資料分佈或模型行為隨時間的變化,這些變化可能降低效能。資料漂移:輸入資料改變(客戶人口統計轉變、新產品類別出現)。概念漂移:輸入與正確輸出之間的關係改變(什麼構成垃圾郵件在演變)。模型漂移:即使模型本身沒有改變,其預測也逐漸變得不準確。
Dropout別名:權重衰減
訓練
一種正則化技術,在每個訓練步驟中隨機「關閉」一部分神經元,將其輸出設為零。這防止網路過度依賴任何單一神經元,迫使其學習分散的、穩健的表示。在推理時,所有神經元都是活躍的,但會進行相應的縮放。
雙重用途別名:雙用途技術
安全
既可用於有益目的也可用於有害目的的技術。AI 本質上是雙重用途的:同一個幫助醫生診斷疾病的模型可能幫助壞人合成危險化合物。同一個加速軟體開發的程式碼生成模型可能幫助創建惡意軟體。管理雙重用途風險是 AI 治理的核心挑戰。
Early Stopping別名:耐心值、基於驗證的停止
訓練
當在保留的驗證集上的效能停止改善時就停止訓練,而不是訓練固定數量的步數。隨著訓練持續,訓練損失持續下降,但驗證損失最終開始上升——模型正在對訓練資料過擬合。提前停止捕捉到這個拐點,在品質下降之前保存最佳模型。
Edge AI(邊緣 AI)別名:裝置端 AI、本地 AI
基礎設施
在終端使用者的裝置上(手機、筆電、汽車)而非雲端上運行 AI。隱私、零延遲、離線可用。
ElevenLabs別名:語音合成、語音複製、配音
公司
一家讓超逼真語音合成技術普及化的語音AI公司。其技術支援語音克隆、即時配音與文字轉語音,涵蓋32種語言,模糊人類與AI語音之間的界限。
嵌入別名:向量嵌入
訓練
一種將文字(或圖片、或音訊)表示為數字列表(即向量)的方法,能夠捕捉其含義。在這個數字空間中,相似的概念會彼此靠近——「cat」和「kitten」會靠近,而「cat」和「economics」則相距甚遠。
嵌入層別名:Token 嵌入、嵌入表、查找表
基礎
一個查找表,將詞彙表中的每個 token 對映到一個密集向量(token 的嵌入)。當模型接收 token ID 42 時,嵌入層返回學習矩陣的第 42 行。這個向量是模型對該 token 的初始表示 —…
Embodied AI別名:Embodied Intelligence、Robotics Foundation Models、具身智慧
基礎
一種讓模型控制實體機器的人工智慧方法——機器人不只在螢幕上處理文字與圖像,而能在現實世界中感知、移動並操控物體。核心主張是,真正的智慧需要身體:感知、推理與運動控制必須透過和環境互動一併學習。這個詞涵蓋倉庫機械手臂、四足機器人,以及通用型…
湧現別名:湧現能力、湧現行為
基礎
在規模較大的AI模型中出現但未經過明確訓練的能力——一旦模型達到某種規模或訓練門檻,這些能力似乎會突然「湧現」。一個僅接受預測下一個字訓練的模型,某種程度上學會了進行算術運算、翻譯未教過的語言,甚至撰寫可運作的程式碼。湧現是 AI…
Encoder別名:編碼器網路、特徵擷取器
基礎
一個神經網路組件,將輸入資料轉換為壓縮的、資訊豐富的表示(編碼)。在 Transformer 中,編碼器使用雙向注意力處理完整輸入並產生上下文表示。在自編碼器中,編碼器將輸入壓縮到潛在瓶頸。在影像生成中,VAE…
模型
由編碼器(壓縮輸入)和解碼器(生成輸出)組成的架構。T5/BART 是編碼器-解碼器架構。GPT/Claude 是純解碼器架構。BERT 是純編碼器架構。
端點別名:Endpoint
基礎設施
一個特定的 URL,用於接收 AI API 的請求。例如,Anthropic 的 message 端點就是用來向 Claude 發送提示的。不同的端點用於不同的功能:文本生成、嵌入、圖像創建、模型清單。
EU AI Act別名:AI Act、European AI Act、歐盟人工智慧法案
安全
歐盟規範人工智慧的綜合法律,自 2024 年 8 月起生效。它採取風險導向方法:AI 系統可能造成的危害愈大,適用義務就愈嚴格,從直接禁止少數做法,到只要求低風險工具履行簡單的透明度義務。
評估別名:Evals、模型評估
訓練
用來衡量AI模型表現的方法。這遠遠超出基準測試—它包括人工評估(讓人類評分輸出結果)、A/B測試(在真實流量中比較模型)、紅隊測試(對抗性測試)、特定領域測試(醫療準確性、程式碼正確性),以及社群排行榜(Chatbot…
存在風險X 風險、AI 末日
安全
一種假設,認為足夠先進的 AI 系統可能對人類存在構成威脅或永久地限制人類的潛力。X 風險的擔憂範圍從具體的近期場景(AI 輔助的生物武器、自主武器)到推測性的長期場景(一個追求與人類價值不一致目標的超級智慧 AI)。這個議題在頂尖…
ESC