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
📚 16 本专著

即服务

Storage as a Service

平台二:Dify 5.3.1 Dify 的介绍与生态 Dify 是一个开源的大语言模型(LLM)应用开发平台,融合了后端即服务(BaaS) 和 LLMOps 理念,为从原型设计 到生产部署提供全流程支持,如图5.15所示。

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

图形处理单元

GPUs

在训练机器学习模 型时,图形处理单元(GPU)、张量核心、张量处理单元(TPU)和现场可编程门阵列(FPGA) 等机器学习的专用硬件组件比传统CPU 快数百倍(Vasilache et al., 2014; Jouppi et al., 2017)。

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

张量

Tensor name

那么问题来了,当向量扩展到一般意义上的张量(Tensor)时,比如,对于二维张量进行求和约减,这个约减该从何约起呢?是从水平方向约减为 ,还是从垂直方向约减为[2 2 2],亦或从两个方向一同约减为[6]?的确,对于多维张量而言,约减的方向是一个需要明确的...

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

情商

Emotional Intelligence

“情绪智力”通称为情商(EQ),现在几乎无处不在,甚至出现在最令人意想不到的地方,比如卡通漫画《呆伯特》( Dilbert )和《比比这个针头》( Zippy the Pinhead ),以及《纽约客》杂志罗兹·查斯特(Roz Chast)的专栏漫画。

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

中央处理器

Looper

【 示 例 4-4 】 专业领域 Prompt : 请解释一下什么是单片机? ChatGPT : 单片机(Microcontroller,简称MCU)是一种集成了中央处理器(CPU)、存储器 和输入/输出接口等多种功能于一体的微型计算机系统,通常用于控制和...

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

首席财务官 (CFO)

请问如何生成首席财务官(CFO)结构化提示词? 请问如何生成首席技术官(CTO)结构化提示词? EPUB... 请问如何生成首席运营官(COO)结构化提示词? 请问如何生成首席人力资源官(CHRO)结构化提示词? 通过这种方法,能够确保与智能体的互动更加精...

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

Open Policy Agent (OPA)

foundation to solve authorization, using policy engines like Open Policy Agent (OPA) to enforce fine-grained, dynamic access con...

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

命名实体 (NER)

·单个句子的标注任务:命名实体识别(NER)等。 输入单个句子,然后根据BERT对每个单词的输出T预测这个单词属于Person、Organization、Location、Miscellaneous还是Other(非命名实体)。

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

提示工程

Prompt engineering

目前有两种模式: 第一种是基于大模型之上做垂直领域模型的 Fine Tune,这个综合投入成本较大,更新的 频率也较低,并不适用于所有的企业; 第二种就是在向量数据库中构建企业自有的知识资产,通过大模型+向量数据库来搭建垂直 领域的深度服务,本质是使用数据...

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

智商 (IQ)

我们之前聊到了智商(IQ),我认为AI在智商 层面已经比人类更强,这一点没问题,但你提到的两个关键问题:AI是否会产生真正的 情感(而非像自闭症那样推理出来的情感)、是否会产生意识,我的回答是“yes and no”。

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

监督微调

Supervised Fine-tuning

· 人类意图对齐训练:使用了监督微调(Supervised Fine-Tuning)、反馈自助(Feedback Bootstrap)、人工强化学习反馈(RLHF)等方式,使模型初具理解人类指令意图的能力。

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

语言模型

Unigram Language Model

确保已安装以下依赖: pip install torch transformers numpy pandas scikit-learn 代码实现: 运行结果如下: 代码解析如下: (1)模型定义:使用预训练语言模型(BERT)作为特征提取器,通过全连接层完...

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

Web Tokens (JWT)

NGINX Plus 专有的 JSON Web Tokens (JWT)验证模块可与使用身份验证标准 OpenID Connect 的第三方身份验证提供商 集成。

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

条件随机场 (CRF)

c、BERT、NEZHA等,用来表征Token的语义信息;而下接结构如双向长短时记忆(BiLSTM)网络、双向门控循环单元(BiGRU)、R-Transformer [1] 、空洞卷积(IDCNN) [2] 等模型结构则是用来补充文本序列的方向信息;条件随...

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

Drug Administration (FDA)

rigorous approval process from bodies like the U.S. Food and Drug Administration (FDA) or the European Medicines Agency (EMA).

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

图形处理器 (GPU)

特别是需要功能强大的图形处理器 (GPU)进行并行处理,然而,这些GPU的成本非常高,每年NVIDIA都推出新的 GPU,价格高达数十万美元,并不是家用级别显卡,而是专业的计算型GPU,一块 A100的价格为19.9万美元,约合人民币141万元,如果训练G...

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

首席技术官 (CTO)

请问如何生成首席技术官(CTO)结构化提示词? EPUB... 请问如何生成首席运营官(COO)结构化提示词? 请问如何生成首席人力资源官(CHRO)结构化提示词? 通过这种方法,能够确保与智能体的互动更加精确和高效,同时也提高了信息处理的质量和速度。

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

词嵌入

Word Embedding

例如,自然语言处理中的 词嵌入 (Word Embedding)就是将单字或单词映射成较高维度的特征向量,而原本具有语义相似性的单词(如“漂亮”和“美丽”、“英俊”和“帅气”、“中国人”和“炎黄子孙”等),在映射之后的嵌入向量之间仍然保持比较接近的距离。

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

Mean Squared Error (MSE)

quantify average prediction errors in absolute terms, while Mean Squared Error (MSE) places greater emphasis on larger errors by...

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

Direct Preference Optimization (DPO)

Direct Preference Optimization (DPO) is an alternative to PPO and does

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

奇异值分解 (SVD)

可证明C'∝X' T X'=AX T XA T 的 奇异值分解 (SVD)(参见PCA部分)是: Ω是包含C'的特征值的对角矩阵,而V的列是特征向量(不熟悉这个概念的读者可以简单地将此技术视为分解矩阵的一种方法)。

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

代表

Specific

制定KPI指标,一般需要遵守SMART原则:S代表具体(Specific),指绩效考核要切中特定的工作指标,不能笼统;M代表可度量(Measurable),指绩效指标是数量化或者行为化的,验证这些绩效指标的数据或者信息是可以获得的;A代表可实现(Attai...

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

学习率

Learning rate

(5)输出值的范围:当激活函数输出值有限时,基于梯度的优化方法会更加稳定,因为特征的表示受有限权重的影响更显著;当激活函数的输出无限时,模型的训练会更加高效,不过在这种情况下,一般需要更小的学习率(Learning Rate)。

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

抽象语法树

Abstract Syntax Tree

图2-6 gengo代码解析流程 代码解析流程:第1步,通过标准库go/tokens提供的Lexer词法分析器对代码文本进行词法分析,最终得到Tokens;第2步,通过标准库go/parser和go/ast将Tokens构建为抽象语法树(AST);第3步,...

难度: ★★★ 阅读: 8分钟
查看引证 →
显示第 2 / 64 页,共 1516 条记录