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
📚 1 本专著

令牌环

Token Ring

· 802.5:令牌环(Token Ring)协议;

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

令牌环网

Token Ring

IEEE局域网标准是居于主导地位的局域网标准,主要定义了IEEE 802.X协议簇,其中IEEE 802.3为以太网标准协、IEEE 802.4为令牌总线网(Token Bus)标准、IEEE 802.5为令牌环网(Token Ring)标准、IEEE 8...

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

令牌环网络

Token Ring

根据不同的技术采用具体的实现方法,局域网有以太网(Ethernet)、令牌环网络(Token Ring)、Apple Talk网络、ArcNet网络几种类型。

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

仲裁局 (ACAS)

——罗伯特·约翰逊(Robert Johnson),区域主管,西南咨询调解和仲裁局(ACAS) 面试官语录 我宁愿有人对我说:“抱歉,这超出了我的经验范围。

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

任务是自动语音 (ASR)

虽然最常见的评估下游任务是自动语音识别(ASR),但我们也 可以评估在其他任务(如关键词检测、意图分类或说话人识别)中微调的预训练模型。

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

任务链

Chain

> > > LangChain的核心组件包括大语言模型(LLM)、提示词(Prompt)、任务链(Chain)和内存模块(Memory)。

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

优化器是梯度下降优化器

GradientDescent-Optimizer

TensorFlow提供了很多种优化器,其中最常用的优化器是梯度下降优化器(GradientDescent-Optimizer),当然也可以使用Adam优化器(AdamOptimizer)。

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

优化用于引导大型语言模型 (LLM)

偏好优化用于引导大型语言模型(LLM) 朝着期望的行为发展,这可能是生成更少错误的代码、以对话风格生成文本,或者拒绝生成某些 主题的内容。

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

传统微调

Fine-Tuning

如图5-14所示,传统微调(Fine-Tuning)会更新模型所有的参数,并且需要为每个任务存储一个完整的模型副本。

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

传统监督微调 (SFT)

在这个学习过程中,做这些难题集的过程被称为“强化学习”(RL),它让模型在没有太多老师指导的情况下,自己琢磨怎么做得更好;而传统监督微调(SFT)方式就像是在教基础知识的过程中给模型搭了个学习的框架。

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

伪字符

Fake Token

而Electra则将这个思想用在GAN的生成器中,先随机掩盖一些字符,然后用一个生成器(Generator)对被掩盖的字符生成相应的伪字符(Fake Token),而判别器(Discriminator,也就是Electra)用来判断哪些字符被更换过,文献[...

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

伸缩法则

Scaling Law

表1-2 RAG经典模型参数量与知识库大小 在之前的大量研究中,科学家进行了很多关于伸缩法则(Scaling Law)的研究。

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

位置向量

Position Embedding

具体地,向量化过 程结合了词向量(Word Embedding)和位置向量(Position Embedding),它的作用是将句子和实体位置转换成分布式表示形式, 然后传入编码器当中。

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

低市盈率 (PE)

一些所谓的“价值型投资者”使用低市盈率(PE)、低市净率、高分红等指标逆向推理,然后得出结论,他们应用这些会计指标寻找、购买满足条件的公司,进而取得成功。

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

低量化参数 (QP)

使用 各种测试序列(CIF 和QCIF),VC- 编译码器在低量化参数(QP)下的主 3 3 2 第8 章 VC-1 视频编码 观质量方面可比得上H· 264 编译码器。

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

保尔森研究所

Paulson Institute

▲插图3.12 左起:时任美国华平投资集团(Warburg Pincus LLC)总裁、前美国财政部部长蒂莫西·盖特纳,脸书首席运营官谢丽尔·桑德伯格,保尔森研究所(Paulson Institute)创始人兼主席、前美国财政部部长、高盛集团长期雇员亨利·...

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

借助大型语言模型 (LLM)

现在,借助大型语言模型(LLM),理论上,你可以用 工具图谱 | 大模型时代的编程工具 任何东西撰写博文。

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

倡导自由软件

Free software

 1984 年由Andrew Tanenbaum 开始制作Minix 操作系统,该系统可以提供原始码以及软件;  1984 年由Richard Stallman 提倡GNU 计划,倡导自由软件(Free software), 强调其软件可以『自由的取得...

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

假设分析

What-if analysis

通过定量增长模型,我们甚至可以进行假设分析(What-if analysis),量化不同增长项目的长期影响。

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

做推理

Inference

冻结(Frozen)TensorFlow模型最直观的一个好处是,在做推理(Inference)计算时,只需要加载一个pb文件,而不需要加载多个检查点文件。

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

停止规则

Stopping Rule

当分支节点的深度或者问题的简单程度满足一定的停止规则(Stopping Rule)时,该分支节点会停止分裂,此为自上而下的停止阈值(Cutoff Threshold)法;有些决策树也使用自下而上的剪枝(Pruning)法。

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

允许大型语言模型 (LLM)

保留它允许大型语言模型(LLM)学习何时在响应指令时生成一个结束文本 标记,我们将其用作生成的响应已完成的指示。

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

充当非玩家角色 (NPC)

❑ 娱乐与游戏:智能体可以提供个性化的娱乐体验,如音乐、电影推荐或在游戏中充当非玩家角色(NPC),特别是像Sora世界模拟器和Stable Diffusion 3这样的多模态模型,将为游戏和虚拟现实带来革命性的变化。

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

先验模块

Prior

unCLIP主要包括三个部分:CLIP模型、先验模块(Prior)和图像解码器。

难度: ★★★ 阅读: 5分钟
查看引证 →
显示第 35 / 64 页,共 1516 条记录