ADK.wang 统一知识工程 · 权威专著深度引证

ADK.wang AI & 软件技术百科

全库汇聚全球 22,000+ 核心技术词条,深度引证上千本行业权威学术专著,涵盖大模型原理、云原生、架构设计与工程效能。

22,077

全量学术技术词条

9 大

核心专业领域体系

10,000+

权威专著深度引证

100%

原书精粹与工业对齐

人工智能与大模型
📚 2 本专著

Specificity Average (SSA)

Sensibleness and Specificity Average (SSA) metrics evaluate response

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

The Large Language Model (LLM)

The Large Language Model (LLM): At

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

Trained Transformers (GPT)

(GAN) and Generative Pre-­Trained Transformers (GPT) in Cybersecurity. 2024 Sixth International

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

Use Open Policy Agent (OPA)

Policy as Code: Use Open Policy Agent (OPA) or similar tools to enforce organizational standards

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

Virtual Assistant (VA)

▪ A Virtual Assistant (VA): This is your highest‐leverage first

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

专家模型

MoE

尤其是在采用专家模型( MoE )架构时,每个 Token 需要被分配到 不同节点上的特定专家模型,这会显著增加通信量。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

中断向量表

Interrupt Vector Table

小贴士 中断向量表(Interrupt Vector Table):实模式中断机制的重要组成部分,表中记录所有中断号对应的中断服务程序的内存地址。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

人发展理论模型

Adult Development Theory

哈佛大学教育学院的心理学教授罗伯特 · 凯根( Robert Kegan )创建了一个具有说服力的成人发展理论模型( Adult Development Theory )来描述人类意识进化的 5 个阶段(见图 6.1 )。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

人工智能内容 (AIGC)

通过引入数字技术,企业拥有了更多的可能性,很多之前想做而没有能力做、做不了的事成为可能,比如:远程操控、无人驾驶、智能驾驶、实时监控、人工智能内容生成(AIGC)、智能模拟仿真、AR辅助设计、VR展厅、VR培训、多方视频会议、消费者精准画像、精准营销、智能...

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

令多数据 (SIMD)

向量化即“批量操作”,在计算机中常见执行模型是单指 令多数据(SIMD)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

传递提示词

Prompt

( 3 ) invoke_api 方法负责通过 requests 库向 DeepSeek API 发送请求, 传递提示词( Prompt )并获取模型的响应。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

位置编码

Positional Embedding

正向的加噪过程和反向的去噪过程都是逐步进行的,为了知道当前所处的步骤,Stable Diffusion借鉴了Transformer的位置编码(Positional Embedding)思想,将时间步长信息 t 也转换为向量,添加到输入的特征向量中。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

储器

Instruction Memory

第5 章 TPU——以谷歌为例 223 图5.3.6 那么,指令到底是从哪里获得的?Core Sequencer 不再是从CPU 获取指令,而是从指令存 储器(Instruction Memory)取出VLIW 指令,使用4 K 32 bit 的标量内存来...

难度: ★★★ 阅读: 8分钟
查看引证 →
人工智能与大模型
📚 2 本专著

儿童动力项目

Kidpower program

手足竞争,你该向着谁 古里安研究所的培训主任凯茜·史蒂文斯曾经作为专业人士在非营利机构工作了25年,她告诉我,儿童动力项目(Kidpower program)在帮助孩子们学习应对攻击性的方法上做得很好,她目睹了这个项目的运作。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

具调用能力 (RL)

例如:快速 迭代基本能力(提示工程)、用户个性化记忆(提示工程)、案例库和事实知识(RAG)、 输出格式和语言风格(SFT)、领域基础能力(SFT)、领域深度思考能力(RL)、领域工 具调用能力(RL)、根据用户反馈持续优化(RLHF) 。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

决策图 (BDD)

前两种方法在信念状态空间中使用启发式搜索:HSCP (Bertoli et al., 2001a)使用二元决策图(BDD)来表示信念状态,而霍夫曼和布拉夫曼(Hoffmann and Brafman, 2006)采用了懒惰方法,用SAT 求解器按需计算前提和...

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

准备好提示词

Prompt

实际使用时,需要提前准备好提示词(Prompt),并将提示词给大模 型,这样大模型才能完成相应的图像处理任务。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

分层任务网络 (HTN)

 分层任务网络(HTN)规划允许智能体以高层动作(HLA)的形式从领域设计者那里获 得建议,这些高层动作可以通过低层动作序列以各种方式实现。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

到云

Cloud

推理引擎可以将神经网络模型部署到云(Cloud)侧或者边缘 (Edge)侧,并服务用户的请求。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

前瞻得到最大期望效用 (MEU)

假设经过i 次价值迭 代,智能体得到了真实效用U 的估计Ui,并利用Ui 一步前瞻得到最大期望效用(MEU)策略 πi[如式(17-4)所示]。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

前馈网络

FeedForward Network

机制(MultiHeadAttention)和一个前馈网络(FeedForward),它们都根据提供的 配置字典(如GPTCONFIG124M)进行配置。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

加载掩码语言建模 (MLM)

加载掩码语言建模 (MLM) 模型 model = AutoModelForMaskedLM . from_pretrained ( "bert-base-cased" ) tokenizer = AutoTokenizer . from_pretrain...

难度: ★★★ 阅读: 8分钟
查看引证 →
人工智能与大模型
📚 2 本专著

即张量

Tensor

在数据流图中,通常用圆、椭圆或方框表示节点,节点代表数学操作(OP),或者数据的输入和输出,或者变量的读取和写入;带箭头的线代表节点之间的输入与输出关系,线就是节点间相互联系的多维数组,即张量(Tensor)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 2 本专著

即智能体类

MyAgent

最后 , 开始定义整 个 智能体的核⼼组件 , 即智能体类 ( MyAgent ) 的 实现 , 这部分是为了构建 ⼀个 完整的智能体类 MyAgent 。

难度: ★★★ 阅读: 5分钟
查看引证 →
显示第 14 / 64 页,共 1516 条记录