弱监督学习（Weakly Supervised Learning）是一种机器学习范式，旨在解决标注数据不完整或不精确的问题。包括不完全监督（部分数据有标签）、不...

循环神经网络（英文名Recurrent Neural Network，简称RNN），是一种具有内部记忆的神经网络。这种记忆使得网络能够通过考虑前一步的信息来处理...

嵌入表示（Embedding Representations）是将实体（如单词、图像或用户）映射到连续的向量空间的过程，这些向量捕捉实体的内在属性和相互关系。在...

LSTM，全称为Long Short-Term Memory，中文为“长短期记忆网络”，由Sepp Hochreiter和Jürgen Schmidhuber在...

聊天机器人（Chatbot）是模拟人类对话的计算机程序，通过自然语言处理（NLP）技术理解用户输入并提供自动回复。广泛应用于客户服务、在线互动和信息服务，能24...

机器人学（Robotics）是一门跨学科领域，结合了工程学、计算机科学和设计，旨在开发、制造和应用机器人。这些智能机器可以执行各种任务，包括但不限于自动化生产线...

注意力机制（Attention Mechanism）是深度学习中的一种技术，模仿人类视觉注意力的功能，使模型能识别并集中处理输入数据中最重要的部分。这种机制在图...

人工智能（Artificial Intelligence）是计算机科学的一个分支，是模拟和扩展人类智能的理论、方法、技术和应用的学科。通过机器学习、自然语言处理...

决策树通过递归选择最能区分数据的属性来构建树状模型，每个节点代表一个属性测试，每个分支代表测试结果，叶节点代表决策输出。它利用信息增益、增益率或基尼指数等标准进...

半监督学习（Semi-Supervised Learning）是一种机器学习范式，它结合了少量标记数据和大量未标记数据来训练模型。这种方法特别适用于标记数据获取...

计算机视觉(Computer Vision)是人工智能的一个关键分支，专注于使机器能够像人类一样解释和理解视觉信息。它涉及图像和视频的获取、处理、分析以及从这些...

随机森林（Random Forest）是一种集成学习算法，由多个决策树构成，通过投票机制或平均预测结果来提高模型的准确性和鲁棒性。它采用随机抽样的方式选择数据和...

迁移学习（Transfer Learning）是一种机器学习技术，它允许模型将在一个任务上学到的知识应用到另一个相关但不同的任务上。这种方法可以减少新任务所需的...

反向传播（Backpropagation）是一种用于训练人工神经网络的监督学习算法。通过计算网络误差相对于网络参数的梯度，利用梯度下降法对网络权重进行调整，以最...

梯度下降（Gradient Descent）是一种优化算法，用于通过迭代过程最小化损失函数，寻找模型参数的最佳值。算法从初始参数开始，计算损失函数梯度，然后沿梯...

监督学习(Supervised Learning)是一种机器学习方法，通过使用带有标签的训练数据来训练算法，使其能够对新的数据进行分类或预测。它包括分类和回归任...

模式识别（Pattern Recognition）是信息科学和人工智能领域的一个重要分支，对事物或现象的各种形式的信息（数值的、文字的和逻辑关系的）进行处理和分...

推理（Inference）指的是经过训练的AI模型识别模式并从以前从未见过的信息中得出结论的能力。AI推理是AI模型生命周期中的关键阶段，发生在模型训练之后，当...

思维树（Tree of Thought, ToT）是一个开创性的框架，旨在增强大型语言模型（LLM）的推理能力。这种方法模拟了人类解决问题的认知策略，使LLM能...

OS Agents 是能理解和执行复杂任务的智能体，它们通过操作系统提供的接口与计算设备交互，自动完成从简单到复杂的各种任务。任务可以是信息检索、文件管理、在线...