什么是专家组合（MixtureofExperts,MoE）
专家组合（Mixture of Experts, MoE）的概念最早源于1991年的论文《Adaptive mixtures of local experts》，三十多年来得到了广泛的探索和发展。近年...
排序
什么是生成式人工智能（GenerativeAI）
生成式人工智能（Generative AI）作为一种强大的技术，正在不断改变我们的工作和生活方式。它在提高效率、降低成本、增强创造力等方面展现出巨大的潜力。为了充分发挥其优势，我们需要克服准确性、计算...
什么是对比语言-图像预训练（ContrastiveLanguage-ImagePretraining,CLIP）
对比语言-图像预训练（Contrastive Language-Image Pretraining, CLIP）是OpenAI开发的一种多模态预训练神经网络模型，通过对比学习的方法，实现了图像与文本之...
什么是具身智能（EmbodiedIntelligence,EI）
具身智能（Embodied Intelligence, EI）强调认知受智能体的感知与动作的影响。它主张智能或智能行为来自智能体身体与周围环境的交互，而不仅仅是大脑的功能。这一理论与建立在笛卡尔身心二...
什么是大模型幻觉（Hallucinationsoflargemodels）
大模型幻觉是指在人工智能领域，尤其是大型语言模型中，模型生成的内容与现实世界的事实或用户输入的指令不一致的现象。这种幻觉可以分为事实性幻觉和忠实性幻觉：前者指生成内容与可验证的事实不符，后者指内容与用...
什么是训练数据（TrainingData）
训练数据（Training Data）是机器学习的核心，质量、多样性和代表性对模型的性能有着直接的影响。精心准备和处理训练数据对于构建有效的机器学习模型至关重要。通过优化数据质量和数量，我们可以提高模...
什么是奖励模型（RewardModel）
奖励模型（Reward Model）在大模型训练中扮演着至关重要的角色。通过构建高质量的奖励模型，我们可以引导模型向更符合人类偏好和价值观的方向迭代，从而提升模型的安全性、可控性及用户满意度。在问答服...
什么是模型泛化（Generalization）
模型泛化（Generalization）是机器学习中的一个核心概念，描述了模型在训练数据之外的新数据上的表现能力。泛化能力衡量的是模型能否在未见过的样本上做出正确的预测或推断。当训练机器学习模型时，模...
什么是提示工程（PromptEngineering）
提示工程（Prompt Engineering）对于充分发挥生成式 AI 基础模型的潜力至关重要。通过精确的提示设计，确保 AI 生成的输出符合预期目标和标准，降低大量后期处理的需求。提示工程师在制作...
什么是上下文窗口（ContextWindow）
上下文窗口（Context Window）指的是大型语言模型（LLM）在处理和生成文本时，模型可以处理的token数。这个窗口的大小直接影响模型在处理信息时可以利用的前后文信息，或者生成回复时生成的t...