AI词典

• 【AI词典】扩散模型 - 一种生成式人工智能算法2026-04-21

  定义扩散模型（DiffusionModel）是一种基于概率论的生成式人工智能算法，其核心思想是通过一个渐进式的“加噪”与“去噪”过程来学习数据分布，从而生成全新的、高质量的数据样本。原理扩散模型的工作机制可以类比为“复原一幅被逐渐泼洒墨点的画作”。整个过程分为两个阶段：前向扩散与反向生成。

  查看详情>>
• 【AI词典】视觉语言模型VLM - 能同时理解图像与文本的AI模型2026-04-21

  视觉语言模型VLM：定义视觉语言模型（VisualLanguageModel,VLM）是一种能够同时处理和理解图像与文本信息，并建立两者间深度关联的人工智能模型。它突破了传统单模态模型的局限，实现了跨模态的语义对齐与推理。视觉语言模型VLM的工作原理VLM的工作原理可类比为一个精通“看图说话”和

  查看详情>>
• 视频扩散是什么：2026 原理、应用与实战全面解析2026-04-21

  一句话定义视频扩散（VideoDiffusion）是一种基于概率去噪的生成式AI模型，通过逐步从随机噪声中还原像素，实现高质量、高连贯性的动态影像合成。技术原理：从混沌到秩序的时空演化要理解视频扩散是什么，我们首先需要拆解其背后的核心引擎——扩散模型（Dif

  查看详情>>
• 【AI词典】多模态模型 - 能处理多种类型信息的AI模型2026-04-21

  多模态模型：定义多模态模型是一种能够同时处理、理解和关联多种不同类型信息（如文本、图像、音频、视频）的人工智能模型，旨在通过整合不同模态的数据来获得比单一模态模型更全面、更准确的认知。多模态模型的工作原理多模态模型的核心原理是“对齐”与“融合”。首先，模型通过各自的编码器（如视觉编码器、文本编码器）将

  查看详情>>
• 【AI词典】对比学习 - 通过对比样本学习表征的自监督方法2026-04-21

  对比学习的定义对比学习是一种自监督学习方法，其核心思想是通过在数据中构造相似与不相似的样本对，并训练模型学习到一种表征空间，使得相似样本的表征彼此靠近，而不相似样本的表征彼此远离。对比学习的工作原理想象一下教一个孩子认识“猫”。你不需要直接告诉他猫的定义，而是给他看很多猫的图片（正样本对），同时也给他

  查看详情>>
• 【AI词典】强化学习 - 通过试错与环境交互的学习方法2026-04-21

  强化学习：定义强化学习是机器学习的一个核心分支，其核心思想是让一个智能体通过与环境进行持续交互，并根据其行动所获得的奖励或惩罚信号，以试错的方式自主学习最优决策策略。它模拟了生物通过“奖励”和“惩罚”来学习行为模式的过程，目标是在长期内最大化累积奖励。强化学习的工作原理我们可以用一个训练宠物狗学习“坐

  查看详情>>
• 【AI词典】无监督学习 - 从无标签数据中发现模式的机器学习方法2026-04-21

  无监督学习：定义无监督学习是一种机器学习范式，其核心在于算法直接从未被人工标注（即无标签）的原始数据中，自主发现其中隐藏的结构、模式或规律。与需要“参考答案”的监督学习不同，它更像是让机器在数据海洋中进行自主探索与归纳。无监督学习的工作原理可以将其想象成处理一堆未曾分类的混合物品（如各种形状、颜色的积

  查看详情>>
• 【AI词典】监督学习 - 基于标注数据的机器学习方法2026-04-20

  监督学习：定义监督学习是机器学习的一种核心范式，其核心思想是让算法从一组包含“问题”（输入特征）和“标准答案”（输出标签）的标注数据中学习规律，从而构建一个模型，用于对新的、未见过的数据做出准确的预测或分类。监督学习的工作原理监督学习的过程可以类比于一位学生备考。老师（数据提供者）为学生（算法）提供一

  查看详情>>
• 【AI词典】迁移学习 - 利用已有知识解决新问题的机器学习方法2026-04-20

  迁移学习的定义迁移学习是一种机器学习范式，其核心思想是将从一个任务（源领域）中学到的知识或模型，迁移并应用于另一个相关但不同的任务（目标领域），从而提升新任务的学习效率和性能。它打破了传统机器学习中每个任务都需要从零开始训练模型的局限，是实现“举一反三”智能的关键技术。迁移学习的工作原理可以将其类比为

  查看详情>>
• 【AI词典】知识蒸馏 - 模型压缩与知识迁移技术2026-04-20

  知识蒸馏：定义知识蒸馏是一种模型压缩与知识迁移技术，其核心思想是让一个体积小、结构简单的“学生模型”模仿一个庞大而复杂的“教师模型”的行为，从而在保持接近原模型性能的同时，大幅降低模型的计算开销和部署成本。知识蒸馏的工作原理我们可以用一个生动的类比来理解知识蒸馏的原理：想象一位学识渊博的教授（教师模型

  查看详情>>