人工智能专业术语
共 39 条术语 · 第 1 / 1 页
AIGCAIGC
生成式AI。
AgenticAgentic AI自主体。
TransformerTransformer基于自注意力机制的神经网络架构，主导现代 NLP 与多模态。
残差连接Residual Connection跨层直连以缓解深层网络退化。
参数高效微调Parameter-efficient Fine-tuning · PEFT只训练少量参数以适配下游任务的方法。
词嵌入Word Embedding将词语映射为低维向量以刻画语义关系。
词元Token模型处理文本的基本单位。
大模型Foundation Model在大规模无标注数据上训练、可迁移至多任务的大模型。
对齐Alignment使 AI 目标与行为符合人类意图与价值观。
对齐微调RLHF · RLHF以人类反馈强化学习使模型对齐人类偏好。
多模态Multimodal融合文本图像音频等多种输入的模型。
多模态模型Multimodal Model可同时处理文本、图像、音频等多种模态输入的模型。
多智能体Multi-agent多个智能体协作分工完成任务的范式。
归一化Normalization缩放激活以稳定训练的技术。
幻觉Hallucination模型生成看似合理但不符合事实的内容。
幻觉抑制Hallucination Mitigation降低模型生成不实内容的方法。
检索增强生成Retrieval-Augmented Generation · RAG先检索外部知识再生成答案，降低模型幻觉。
具身智能Embodied AI拥有身体、在物理世界感知行动的智能。
可解释性Interpretability理解模型决策依据的能力。
扩散模型Diffusion Model通过逐步去噪生成图像等内容的生成模型。
量化Quantization用低精度数值表示模型权重以降低算力与存储开销。
模型参数Model Parameters模型在训练中学习的可调整数值。
模型蒸馏Model Distillation将大模型能力迁移到小模型的压缩方法。
迁移学习Transfer Learning将一任务学到的知识迁移到相关任务。
上下文学习In-context Learning模型从提示中的示例直接学习任务。
少样本学习Few-shot Learning仅用极少标注样本即可学会新任务。
生成式人工智能Generative AI · GenAI能生成文本、图像、音频等内容的人工智能技术。
数据飞轮Data Flywheel以模型产出反哺数据、持续提升的循环。
思维链Chain-of-Thought · CoT让模型分步推理以提升复杂问题准确率。
推理Inference模型前向计算输出。
微调Fine-tuning在预训练模型上用特定数据继续训练以适配下游任务。
文生图Text-to-image按文字描述生成图像的技术。
向量库Vector Database存储检索向量的库。
语音识别Speech Recognition将语音转为文字的技术。
指令微调Instruction Tuning以指令-回答对微调模型以遵循指令。
智能体Agent能自主感知、决策并调用工具完成目标的 AI 程序。
知识蒸馏Knowledge Distillation用大模型指导小模型训练，压缩模型体积。
注意力头Attention Head注意力机制中并行计算的一个子单元。
自监督学习Self-supervised Learning用数据自身构造监督信号，无需人工标注。