CHAPTER 12 · TOPIC 01AI 术语表(Glossary)
本术语表收录了本 Wiki 中出现的核心术语,按英文字母排序。每个术语包含定义、所属领域和 Wiki 中对应的章节。
一句话理解本术语表收录了本 Wiki 中出现的核心术语,按英文字母排序。每个术语包含定义、所属领域和 Wiki 中对应的章节。
使用说明
本术语表收录了本 Wiki 中出现的核心术语,按英文字母排序。每个术语包含定义、所属领域和 Wiki 中对应的章节。
A
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Agent | AI Agent | 能够感知环境、做出决策并执行行动的 AI 系统 | 05-01 |
| AGI | Artificial General Intelligence | 通用人工智能,具有人类水平的通用智能 | 11-02 |
| A2A | Agent-to-Agent Protocol | Google 提出的 Agent 间通信协议 | 06-03 |
| Alignment | AI Alignment | AI 对齐,确保 AI 行为符合人类意图 | 10-04 |
| Attention | Attention Mechanism | 注意力机制,Transformer 的核心组件 | 02-02 |
B
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| BPE | Byte Pair Encoding | 字节对编码,一种子词分词算法 | 02-03 |
| Bias | Bias | 模型中的系统性偏见 | 10-03 |
C
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| CLM | Causal Language Modeling | 因果语言建模,自回归 LLM 的预训练目标 | 02-04 |
| CoT | Chain-of-Thought | 链式思维,逐步推理的方法 | 04-02 |
| Constitutional AI | Constitutional AI | Anthropic 提出的基于原则的 AI 对齐方法 | 10-04 |
| Context Window | Context Window | 上下文窗口,模型一次能处理的最大 token 数 | 04-01 |
D
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| DPO | Direct Preference Optimization | 直接偏好优化,替代 RLHF 的对齐方法 | 02-05 |
| Diffusion Model | Diffusion Model | 扩散模型,图像生成的主流架构 | 04-06 |
E
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Embedding | Embedding | 向量嵌入,将文本映射到高维向量空间 | 04-03 |
| Emergent Abilities | Emergent Abilities | 涌现能力,模型规模阈值后突然出现的能力 | 11-01 |
| EU AI Act | EU AI Act | 欧盟人工智能法案 | 10-02 |
F
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Few-Shot | Few-Shot Learning | 少样本学习,只给几个示例就能学习 | 04-02 |
| Fine-tuning | Fine-tuning | 微调,在预训练模型上针对特定任务继续训练 | 04-05 |
| Function Calling | Function Calling | 函数调用,LLM 调用外部工具的能力 | 04-04 |
G
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| GGUF | GGUF Format | llama.cpp 使用的模型量化格式 | 02-06 |
H
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Hallucination | Hallucination | 幻觉,模型生成看似合理但不正确的内容 | 10-01 |
| Hugging Face | Hugging Face | 最大的 AI 模型和数据集社区 | 03-04 |
I-J-K
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Inference | Inference | 推理,使用训练好的模型进行预测 | 02-06 |
| Instruction Tuning | Instruction Tuning | 指令微调,让模型遵循人类指令 | 02-05 |
L
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| LCEL | LangChain Expression Language | LangChain 的表达式语言 | 07-01 |
| LLM | Large Language Model | 大语言模型 | 02-01 |
| LoRA | Low-Rank Adaptation | 低秩适应,参数高效微调方法 | 04-05 |
M
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| MCP | Model Context Protocol | 模型上下文协议,AI 工具接入的统一标准 | 06-01 |
| MoE | Mixture of Experts | 混合专家,一种稀疏模型架构 | 11-03 |
| Multi-Agent | Multi-Agent System | 多智能体系统 | 05-06 |
| Multimodal | Multimodal | 多模态,处理多种数据类型(文本、图像、音频) | 04-06 |
N
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| NLP | Natural Language Processing | 自然语言处理 | 01-04 |
O-P
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Ollama | Ollama | 本地运行 LLM 的工具 | 03-04 |
| PagedAttention | PagedAttention | vLLM 使用的分页注意力机制 | 02-06 |
| Prompt Engineering | Prompt Engineering | 提示工程,设计和优化 AI 提示词 | 04-02 |
| Prompt Injection | Prompt Injection | 提示注入,一种针对 LLM 的攻击方式 | 10-01 |
Q-R
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| QLoRA | Quantized LoRA | 量化 LoRA,在量化模型上做微调 | 04-05 |
| Quantization | Quantization | 量化,降低模型精度以减小体积 | 02-06 |
| RAG | Retrieval-Augmented Generation | 检索增强生成 | 04-03 |
| ReAct | Reasoning + Acting | 推理与行动交替的 Agent 框架 | 05-03 |
| Red Teaming | Red Teaming | 红队测试,模拟攻击以发现安全漏洞 | 10-03 |
| RLHF | RL from Human Feedback | 基于人类反馈的强化学习 | 02-05 |
| RoPE | Rotary Position Embedding | 旋转位置编码 | 02-02 |
S
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Scaling Laws | Scaling Laws | 缩放定律,模型性能随规模的可预测增长 | 11-01 |
| SFT | Supervised Fine-Tuning | 监督微调 | 02-05 |
| SSM | State Space Model | 状态空间模型(如 Mamba) | 11-03 |
| Speculative Decoding | Speculative Decoding | 投机解码,加速推理的技术 | 02-06 |
T
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| Token | Token | 分词后的基本单元 | 02-03 |
| Tokenizer | Tokenizer | 分词器 | 02-03 |
| Transformer | Transformer | 当前主流 LLM 的基础架构 | 02-02 |
V-W-X-Y-Z
| 术语 | 英文 | 定义 | 参考章节 |
|---|
| VLM | Vision-Language Model | 视觉语言模型 | 04-06 |
| World Model | World Model | 世界模型,理解和预测世界状态的模型 | 11-03 |
| Zero-Shot | Zero-Shot Learning | 零样本学习,不给示例就能完成任务 | 04-02 |
缩略语速查
| 缩写 | 全称 |
|---|
| AI | Artificial Intelligence |
| AGI | Artificial General Intelligence |
| ANI | Artificial Narrow Intelligence |
| API | Application Programming Interface |
| BPE | Byte Pair Encoding |
| CLM | Causal Language Modeling |
| CoT | Chain-of-Thought |
| DPO | Direct Preference Optimization |
| GPT | Generative Pre-trained Transformer |
| GPU | Graphics Processing Unit |
| LLM | Large Language Model |
| MCP | Model Context Protocol |
| MoE | Mixture of Experts |
| NLP | Natural Language Processing |
| PII | Personally Identifiable Information |
| RAG | Retrieval-Augmented Generation |
| RBAC | Role-Based Access Control |
| RLHF | Reinforcement Learning from Human Feedback |
| SFT | Supervised Fine-Tuning |
| SSM | State Space Model |
| VLM | Vision-Language Model |
相关章节
- 全书总目录 — 本 Wiki 的完整章节导航,从这里俯瞰全书结构
- 学习资源与路线图 — 配合术语表,规划系统化的学习路径