AI词典
-
【AI词典】困惑度 - 语言模型性能评估指标2026-04-25
困惑度：语言模型性能评估指标困惑度（Perplexity，简称PPL）是评估语言模型性能的核心指标，它衡量模型对一组测试数据（通常是文本序列）的预测不确定性或“困惑”程度。直观上，困惑度越低，表明语言模型对数据的建模越准确，其预测能力越强。原理：如何理解“困惑”程度我们可以将语言模型想象成一个在陌生
查看详情>> -
强化学习是什么：2026 年原理、算法演进与前沿应用全解析2026-04-25
一句话定义强化学习（ReinforcementLearning,RL）是智能体通过与环境交互试错，依据奖励信号优化决策策略，以最大化长期累积回报的机器学习范式。在人工智能的宏大版图中，如果说监督学习是“有老师带着做题”，无监督学习是“独自观察世界寻找规律”，那么强化学习就是“在实战中摸爬滚打，从成败中领悟生存之道”
查看详情>> -
【AI词典】评估基准 - 衡量AI模型性能的标准测试集2026-04-24
评估基准：衡量AI模型性能的标尺评估基准（Benchmark）是人工智能领域用于系统化衡量、比较和排名AI模型性能的一套标准化测试集、任务和评价指标。它为模型能力提供了客观、可复现的量化标尺。原理：如何构建公平的“竞技场”评估基准的工作原理，可以类比为学生的标准化考试。首先，组织者会设计一套覆盖特定能
查看详情>> -
【AI词典】训练 - 通过数据优化模型参数的过程2026-04-24
训练（Training）的定义训练是人工智能模型通过分析大量数据，自动调整其内部参数，以学习数据中潜在规律和模式，从而提升其在特定任务上性能的核心过程。它是机器学习，特别是监督学习范式的基石，其本质是让模型从“经验”（数据）中学习，而非通过硬编码的规则进行编程。训练的工作原理可以将模型训练类比于教一
查看详情>> -
【AI词典】推理 - 模型根据输入生成预测或决策的过程2026-04-24
推理（Inference）：模型从已知到未知的思维过程推理（Inference），在人工智能领域，特指训练完成的机器学习模型接收新输入数据，并基于其已学习的模式和参数，生成预测、分类或决策输出的计算过程。它是将静态知识转化为动态智能行动的关键步骤，标志着模型从“学习阶段”进入“应用阶段”。原理：模型如何“思考”
查看详情>> -
【AI词典】闭源模型 - 代码与参数不公开的AI系统2026-04-24
闭源模型：定义闭源模型（Closed-SourceModel），亦称专有模型，指其核心架构、训练代码及最终参数权重均不向公众开放的AI系统。其知识产权由开发公司或机构严格控制，用户通常只能通过API接口或封装好的应用程序进行调用，无法窥探或修改其内部运作机制。闭源模型的工作原理理解闭源模型的工作原理
查看详情>> -
【AI词典】开源模型 - 源代码公开可用的AI模型2026-04-24
开源模型：定义开源模型（OpenSourceModel）是指将其核心架构、训练代码及模型权重参数等关键组成部分，依据特定开源许可证向公众公开的人工智能模型。这种开放性允许任何个人或组织自由地研究、使用、修改和分发该模型。开源模型的工作原理理解开源模型，可以将其比作一份公开的“顶级菜谱”。传统的闭源
查看详情>> -
【AI词典】基础模型 - 基于海量数据预训练的大规模人工智能模型2026-04-24
基础模型：定义基础模型（FoundationModel）是指在海量、广泛的通用数据上进行预训练，从而获得通用知识表征能力的大规模人工智能模型。其核心特征在于“预训练”与“微调”的范式分离，即先通过无监督或自监督学习构建一个通用的“知识底座”，再针对特定下游任务进行高效适配。基础模型的工作原理理解基础
查看详情>> -
【AI词典】预训练模型 - 基于海量数据预先训练的通用模型2026-04-24
预训练模型：定义预训练模型（Pre-trainedModel）是一种在特定任务之前，利用海量无标注或通用标注数据预先训练出通用知识表征的机器学习模型。其核心价值在于将学习到的通用知识（如语言规律、视觉特征）作为基础，通过微调高效适配下游任务。预训练模型的工作原理理解预训练模型，可以将其比作一位在“通
查看详情>> -
【AI词典】数据增强 - 扩充训练数据的机器学习技术2026-04-24
数据增强：定义数据增强（DataAugmentation）是一种通过应用一系列预设的变换规则，从现有训练数据中人工合成新样本的机器学习技术，其核心目标是在不额外收集数据的前提下，有效扩充和丰富数据集，从而提升模型的泛化能力、鲁棒性并缓解过拟合。数据增强的工作原理数据增强的原理类似于教一个孩子识别“猫
查看详情>>