AI 技术名词

机器学习（ML）

机器学习是人工智能的一个分支，研究如何通过数据与算法让计算机自动学习规律，并对未知数据做出预测或决策，而无需显式编程每一条规则。

深度学习（DL）

深度学习是机器学习的子集，基于多层神经网络，对数据进行逐层特征提取与抽象，能处理文本、图像、语音等高维复杂数据。

大语言模型（LLM）

Large Language Model，基于Transformer 架构、在海量文本数据上预训练而成的语言模型，具备理解、生成、翻译、总结、推理等通用语言能力。

向量（Vector）

由一组实数构成的有序数组，用于在高维空间中表示对象的语义或特征。

Embedding（嵌入/词向量）

将离散对象（文本、词语、句子）映射到低维稠密连续向量空间的过程，使语义相似的对象在向量空间中距离相近。

向量数据库

专门用于存储、索引、高效查询高维向量的数据库，核心能力是近似最近邻搜索（ANN）。

Prompt（提示词）

用户向模型输入的指令、问题或上下文，用于引导模型生成符合预期的输出。

微调（Fine-tuning）

在预训练大模型基础上，使用领域专属小数据集继续训练，优化模型在特定任务上的表现。

RAG（检索增强生成）

Retrieval-Augmented Generation，先从外部知识库检索相关知识，再将知识输入大模型生成回答，减少幻觉、提升准确性。

Agent（智能体）

具备感知、规划、推理、工具调用能力的自主 AI 实体，可根据目标自主执行多步复杂任务。

训练（Train）

使用大量数据与算力优化模型参数，使其学习数据分布与规律的过程。

推理（Inference）

模型训练完成后，根据输入数据计算并生成输出结果的过程。

部署（Deploy）

将训练好的模型或推理服务发布到服务器，对外提供 API 接口，供应用调用。