AI词典

• 【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>>
• 【AI词典】剪枝Pruning - 精简神经网络模型的方法2026-04-20

  剪枝Pruning：神经网络模型的“精简术”剪枝（Pruning）是神经网络模型压缩的一种核心技术，旨在识别并移除网络中冗余或不重要的连接（权重）、神经元乃至整个层，从而在保持模型性能基本不变的前提下，显著减小模型规模、降低计算复杂度和能耗。原理：如何实现模型的“瘦身”？可以将一个训练好的神经网络想象

  查看详情>>
• 【AI词典】量化 - 降低模型精度以提升效率2026-04-20

  量化（Quantization）的定义量化（Quantization）是一种通过降低神经网络模型中数值的表示精度（如从32位浮点数转换为8位整数），来压缩模型体积、提升计算与推理效率的核心模型优化技术。其核心目标是在尽可能保持模型性能的前提下，实现模型在资源受限环境（如移动设备、边缘计算芯片）中的高效部署。量化是如何工

  查看详情>>
• 【AI词典】参数量 - 机器学习模型中的可调整变量总数2026-04-20

  定义参数量（Parameters）是构成机器学习模型核心架构的可调整变量总数，它直接决定了模型从数据中学习和存储知识的能力与容量。原理可以将一个机器学习模型想象成一个极其复杂的数学函数。这个函数内部有无数个“旋钮”，每个“旋钮”就是一个参数。在训练过程中，算法通过海量数据不断微调这些“旋钮”的角度，目

  查看详情>>
• AIGC：颠覆内容创作的智能革命，未来已来2026-04-20

  AIGC：内容创作领域的“寒武纪大爆发”当ChatGPT以惊人的对话能力引发全球关注，当Midjourney绘制的图像在艺术比赛中获奖，当Sora生成的视频模糊了虚拟与现实的边界，一个全新的时代正呼啸而来。这不仅仅是工具的迭代，而是一场深刻的生产力革命。

  查看详情>>
• Decoder 是什么：原理、演进与 2026 年大模型应用全面解析2026-04-20

  一句话定义Decoder（解码器）是一种仅利用自注意力机制，通过因果掩码按序生成序列数据的神经网络架构，是大语言模型的核心引擎。技术原理：从“翻译官”到“创作者”的进化要真正理解Decoder是什么，我们需要穿越回Transformer架构诞生的2017年。

  查看详情>>
• 【AI词典】上下文窗口 - 模型单次处理的最大文本长度2026-04-20

  定义：什么是上下文窗口？上下文窗口（ContextWindow），指大型语言模型在单次推理过程中，能够接收并处理的输入文本（包括用户提示词、系统指令及历史对话等）的最大长度限制，通常以令牌（Token）数量来衡量。原理：上下文窗口如何工作？您可以将上下文窗口想象成一个“工作记忆白板”。当您向AI提问

  查看详情>>
• 【AI词典】幻觉Hallucination - 生成模型输出不实或虚构内容的现象2026-04-20

  幻觉（Hallucination）的定义幻觉（Hallucination），在人工智能领域，特指以大型语言模型为代表的生成式模型，在输出内容时产生看似合理但事实上不准确、无依据或完全虚构信息的一种现象。这种现象并非模型有意“欺骗”，而是其基于统计概率生成文本时产生的内在缺陷。幻觉的工作原理可以将生成式

  查看详情>>