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...
排序
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...
什么是规模定律（ScalingLaw）
规模定律（Scaling Law）的概念在不同学科领域中有不同的应用，但在人工智能和机器学习领域，它主要用来描述模型性能如何随着模型大小、数据集大小和计算资源的增加而变化。随着模型中参数数量的增加，性...
什么是数据蒸馏（DatasetDistillation）
数据蒸馏（Dataset Distillation）作为一种将大规模数据集知识压缩到小规模合成数据中的创新技术，正在快速发展并展现出巨大潜力。它不仅为解决大规模数据集带来的存储、计算和隐私挑战提供了新...