模型泛化（Generalization）是机器学习中的一个核心概念，指的是模型在训练数据之外的新数据上的表现能力。换句话说，泛化能力衡量的是模型能否在未见过的样...

上下文窗口指的是在自然语言处理（NLP）任务中，模型在处理一个特定输入时所考虑的上下文信息的范围。具体来说，它决定了模型在生成或理解文本时，可以同时看到和利用多...

数据蒸馏（Dataset Distillation），也称为数据集压缩（Dataset Compression），是一种旨在从大规模数据集中提取关键信息并构建一...

规模定律（Scaling Law）描述了模型性能如何随着模型规模（如参数数量）、训练数据集大小以及用于训练的计算资源的增加而变化。体现为模型性能与这些因素之间的...

联结主义（Connectionism），也称为连接主义，是认知科学和人工智能领域的一种理论框架，它主张通过模拟大脑中神经元的相互连接来解释认知过程。这一理论认为...

目标函数（Objective Function）是数学优化问题中的核心概念，它表示所关心的目标与影响因素之间的函数关系。简单来说，目标函数是你试图通过计算或优化...

慢感知（Slow Perception）是阶跃多模态团队提出的一种新型视觉感知概念，通过逐步分解和流动的方式，让模型像人类一样更精细地感知复杂的几何图形。实验中...

评估模型（Judge models）是用于评估其他模型输出质量的辅助模型，充当“裁判员”的角色，对大语言模型（LLM）的输出结果进行评估和打分。模型通过输入问题...

智能体RAG（Agentic RAG）是一种结合了AI智能体（Agent）和检索增强生成（RAG）系统的方法。它通过引入智能体框架来改变处理问答方式的技术。与仅...

前向链结（Forward Chaining）是在人工智能领域中使用推理引擎进行自动推理的方法。是数据驱动的推理策略，从已知事实出发，通过应用一系列规则来推导出新...

判别式模型是机器学习中一类重要的模型，主要用于分类和回归任务。它们的核心目标是学习输入变量x和输出变量y之间的映射关系，即条件概率分布P(y|x)。与生成式模型...

NSA（Native Sparse Attention ）是DeepSeek提出的一种新型稀疏注意力机制，通过算法创新和硬件优化提升长文本建模的效率。核心在于动...

草稿链（Chain-of-Draft, CoD）是Zoom的研究团队提出新的AI推理范式，通过模仿人类的简洁思维过程来提升推理效率，节省成本。受到了人类解决问题...

模型上下文协议（Model Context Protocol，MCP）是一种开放协议，让大型语言模型（LLM）与外部工具和数据源实现无缝通信。通过统一的协议实现...

Vibe Coding（氛围编程）是OpenAI联合创始人Andrej Karpathy推出的新型编程范式。基于人工智能，特别是大型语言模型（LLM），开发者通...

ANP（Agent Network Protocol）是开源的智能体通信协议，成为智能体互联网时代的 HTTP，为数十亿智能体构建一个开放、安全、高效的协作网络...

通用人工智能（Artificial General Intelligence, AGI）是具备与人类相当甚至超越人类的广泛认知能力的人工智能形态 。能像人类一样...

Model Context Protocol（MCP） 是 Anthropic 推出的开放协议，标准化大型语言模型（LLM）与外部数据源和工具之间的通信。通过提...

鸿蒙智能体框架（Harmony Agent Framework，简称 HMAF）是华为公司为其自主研发的鸿蒙操作系统（HarmonyOS）打造的一款核心人工智能...

上下文工程是指构建一个动态系统，以正确的格式提供正确的信息和工具，使大语言模型（LLM）能合理地完成任务。是一种系统性的方法，确保LLM获得执行任务所需的一切必...