EXPLORE / 06
术语索引
AI 与软件开发中的专用名词及其说明
实体记录
4657 条记录 · 94/117
- 3721
基线
用于减去奖励期望以降低梯度高方差的参考值
官网待补 - 3722
方差缩减
降低随机梯度估计波动以提高收敛稳定性的技术
官网待补 - 3723
迁移学习
将已学到的知识应用到不同但相关的新任务中的方法
官网待补 - 3724
进化策略
受生物进化启发的随机优化算法，常用于黑盒优化
官网待补 - 3725
进化算法
模拟自然选择过程来优化候选解集合的计算方法
官网待补 - 3726
策略梯度
直接对策略参数进行梯度上升以最大化期望回报的 RL 方法
官网待补 - 3727
元学习
让模型学会如何学习，从而快速适应新任务的方法
官网待补 - 3728
算力
执行计算任务的能力，通常以 FLOPs 衡量，是训练大模型的核心资源。
官网待补 - 3729
缩放定律
描述模型性能随参数、数据和算力增加而提升的经验规律
官网待补 - 3730
模拟器
在计算机上重现旧硬件系统以运行经典软件的程序
官网待补 - 3731
模拟器后端
用于运行旧式游戏或系统以提供标准化环境的软件层
官网待补 - 3732
马尔可夫决策过程
描述序列决策问题的数学框架，假设未来状态仅依赖当前状态
官网待补 - 3733
定理证明
使用形式化逻辑规则验证数学命题真伪的过程
官网待补 - 3734
策略表征
将智能体的决策规则映射到向量空间以便学习和泛化的方法
官网待补 - 3735
无监督预训练
利用大量未标注数据学习通用语言表示的过程
官网待补 - 3736
模仿学习
智能体通过观察专家行为来学习策略的方法
官网待补 - 3737
1x1 卷积
核大小为 1x1 的卷积操作，常用于通道间的线性变换或降维。
官网待补 - 3738
可逆神经网络
一种允许信息无损双向传播的网络结构，常用于生成模型。
官网待补 - 3739
域随机化
在仿真中随机改变环境参数以增强模型泛化能力
官网待补 - 3740
选项模型
强化学习中用于表示时间抽象动作的分层决策结构
官网待补 - 3741
变分推断
将后验概率计算转化为优化问题的近似贝叶斯方法
官网待补 - 3742
零和博弈
一方收益必然等于另一方损失的博弈模型，常见于竞技游戏
官网待补 - 3743
内在动机
由内部心理状态（如好奇心）驱动的行为，而非外部奖励
官网待补 - 3744
雅可比矩阵
描述多变量函数局部线性近似的一阶偏导数矩阵，用于计算变换体积元
官网待补 - 3745
归一化流
通过一系列可逆变换将简单分布映射到复杂目标分布的生成模型
官网待补 - 3746
神经常微分方程
将神经网络视为连续时间的动态系统，用微分方程描述隐藏状态变化
官网待补 - 3747
任务分解
将复杂问题拆解为可独立解决的子问题的过程
官网待补 - 3748
迭代放大
通过递归分解任务并放大人类判断力来训练AI的技术
官网待补 - 3749
开源
公开源代码供他人查看、修改和分发的软件许可模式
官网待补 - 3750
稀疏奖励
仅在任务完成或极少状态下提供反馈，导致探索困难的环境特性
官网待补 - 3751
内在奖励
由智能体内部状态不确定性或新颖性驱动的非环境外部奖励信号
官网待补 - 3752
随机网络蒸馏
一种通过最小化目标随机网络与预测网络差异来生成内在奖励的探索方法
官网待补 - 3753
跨域迁移
将在一个领域或任务中学到的知识应用到另一个不同但相关的领域或任务中。
官网待补 - 3754
基于能量的模型
通过定义能量函数来评估数据点合理性，而非直接预测概率分布的生成式模型。
官网待补 - 3755
离线学习
仅利用历史数据而不与环境实时交互来训练策略的方法
官网待补 - 3756
基于模型的强化学习
学习环境动态模型以辅助决策和规划的强化学习方法
官网待补 - 3757
批次大小
每次参数更新所使用的样本数量
官网待补 - 3758
梯度噪声尺度
衡量小批量梯度估计与全数据梯度差异的统计量
官网待补 - 3759
长期 AI 安全
关注未来超级智能可能带来的存在性风险的研究领域
官网待补 - 3760
计算复杂性
衡量解决特定问题所需资源（如时间、空间）的理论指标
官网待补