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

程序依赖图 (PDG)

鉴于后续的编码张量包含数据依赖性信息,且代码属性图(CPG)中保留过多的冗余信息也会影响张量稀疏性,致使神经网络更难以学习特征,因此程序源代码的最终代码属性图(CPG)进行了删除程序依赖图(PDG)的简化操作。

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

程序修复 (APR)

这篇论文的实验结果表明,大语言模型在自动化程序修复( APR )领域展现出强大 的潜力,未经微调的 LLM 就能与过去基于深度学习(DL)的自动化程序修复技术相媲 美,甚至在某些数据集上表现得更好。

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

程序辅助语言模型

PALMs

程序辅助语言模型(PALMs) 将大模型与符号推理结合,允许模型生成并执行代码(如 Python),将复杂计算、逻辑操作和数据处理交由确定性编程环境完成。

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

稱為語音輸入

Voice Prompt

更讓主婦們高興的是,這是一套稱為語音輸入(Voice Prompt)的系統。

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

空气 (III)

那里(I)空气充满(III)宁静 「大调」 雪白(IV)明月照在(VI)大地 「小调」 藏着(IV)你不愿提起的(V)回忆 「大调」 再比如《爱你一万年》: 我爱(I)你我心已(III Maj)属于你 「前大后小」 (IV)今生(V)今世不(I)移 「大调...

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

空气质量 (TVOC)

在辅助驾驶系统的首页可以看到车内硬件的数据,包括Sensor-A采集类传感器的数据[如温度、湿度、空气质量(TVOC)],Sensor-B控制类传感器的数据[车窗、风扇(通风)、空调],如图5.18所示。

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

空间变换器

SpatialTransformer

可以看到,无论是上采样层还是下采样层,都主要由空间变换器(SpatialTransformer)和残差网络块(ResnetBlock2D)构成。

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

空间推理

Spatial Reasoning

举例来说,如果要 测试通用智能体的空间推理(Spatial Reasoning)能力,则可以选择能够测试空

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

符号智能体

Symbolic Agent

图1-2 智能体的发展历程 1.符号智能体(Symbolic Agent) 人工智能的早期研究主要集中在符号系统。

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

答案是向量搜索

Vector Search

但"索引"具体意味着什么?如何让 Agent 能够根据用户的自然语言问题找到相关记忆? 答案是向量搜索(Vector Search):将文本块转换为高维向量(即嵌入向量),然后通过余弦相似度找到语义上最接近的结果。

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

策略梯度定理

Policy Gradient Theorem

策略梯度定理(Policy Gradient Theorem)描述如下: 定理6.1 策略梯度定理 给定状态空间 S ,动作空间 A ,折扣系数 γ ,以及环境Env。

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

简单梯度可视化

Simple Gradient Visualization

可选择以下三种选项之一进行解释: ● 简单梯度可视化(Simple Gradient Visualization);该方法提供两种可视化方式。

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

简单量化

Simple Coefficient Rounding

处理不精确为0的数,最简单的方式就是 简单量化一下 (Simple Coefficient Rounding),也就是每隔 K 步,观察一下现在所有的参数,谁小于某个给定的阈值,就直接把它变成0。

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

算子链

Operator Chain

算子链(Operator Chain) 关于“ 一个作业有多 少任务”这个问题 ,现在已经基本解决 了。

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

算术运算符替换 (AOR)

图3-14列出了常用变异算子的定义和缩写,上面的例子就用到了算术运算符替换(AOR)和语句删除(SDL)。

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

类比推理

Analogical Reasoning

类比推理(Analogical Reasoning) 类比推理是一种迁移思维能力,涉及在两个不同事物之间寻找相似点。

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

精修模型

Refiner Model

据悉,Stable Diffusion XL 1.0是当时全球最大的开源绘图模型,其基础模型(Base Model)拥有35亿个参数,用于生成图像,而精修模型(Refiner Model)拥有66亿个参数,用于对图像进行细节优化。

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

系统提示词

System Prompt

但在 Agent 向大语言模型发出第一条请求之前,还有一个关键步骤——构建系统提示词(System Prompt)。

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

红黄绿 (RAG)

当工作一线的实际情况被简化为红黄绿(RAG)状态标识和几个项目符号时,大量细节信息会被遗漏。

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

线对话服务

Online Chat Runtime

・ 在线对话服务(Online Chat Runtime) 通过 Cloudflare Worker 实现对话逻辑,包括消息接收、向量检索、提示词构建和大 语言模型调用。

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

线性代数 (XLA)

此外,如果在调用 ()时设置 ,则TensorFlow将使用加速 tf.function jit_compile=True 线性代数(XLA)为图编译专用内核,通常会融合多个操作。

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

线性时不变 (LTI)

一个LoRa基站还需要是 线性时不变 (LTI)的,这意味着无线电波形不应改变飞行时差(time of flight)。

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

经典方法诸如差分脉冲编码调制 (DPCM)

量化和编码部分也能通过经典方法诸如差分脉冲编码调制(DPCM)或自适 应DPCM (ADPCM)利用统计冗余。

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

经奇异值分解 (SVD)

表5-4 SqueezeNet与AlexNet模型的对比 由表5-4可知,AlexNet原模型的大小为240MB,在ImageNet数据集上top-1准确率为57.2%,top-5准确率为80.3%,经奇异值分解(SVD)、剪枝、深度压缩等操作之后,模型减...

难度: ★★★ 阅读: 5分钟
查看引证 →
显示第 56 / 64 页,共 1516 条记录