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
4540 条记录 · 90/114
- 3561
经验回放
存储并随机采样历史交互数据以打破相关性
官网待补 - 3562
近端策略优化
一种通过限制策略更新幅度来稳定训练的强化学习算法
官网待补 - 3563
探索与利用
在尝试未知行动以获取新信息与选择已知最优行动之间的权衡
官网待补 - 3564
奖励函数
强化学习中定义智能体行为优劣的数值评分机制
官网待补 - 3565
监督学习
利用带标签数据训练模型以预测输出的机器学习范式
官网待补 - 3566
样本效率
模型达到特定性能所需的数据量或交互次数越少，效率越高
官网待补 - 3567
信任域策略优化
通过限制策略更新步长来保证单调改进的算法
官网待补 - 3568
异步优势演员评论家
一种通过多个并行工作线程更新策略的强化学习算法
官网待补 - 3569
监督深度学习
依赖带标签静态数据集进行模型训练的方法
官网待补 - 3570
心智理论
推断他人信念、意图及心理状态的能力，常用于描述 AI 对交互对象的建模
官网待补 - 3571
对手建模
预测其他智能体未来行为或策略变化的过程
官网待补 - 3572
对手学习意识
智能体在更新策略时显式建模对手未来学习行为的方法
官网待补 - 3573
深度线性网络
由多层线性变换组成且无激活函数的神经网络结构
官网待补 - 3574
自回归模型
基于前序输出预测下一个序列元素的生成式模型架构
官网待补 - 3575
视觉强化学习
直接从图像像素输入中学习决策策略的RL方法
官网待补 - 3576
动力学随机化
在训练中随机改变物理参数以增强策略鲁棒性的方法
官网待补 - 3577
非对称架构
不同组件采用不同结构或信息量的网络设计
官网待补 - 3578
Actor-Critic
结合策略梯度与价值估计的强化学习算法框架
官网待补 - 3579
高层动作
由底层策略组合而成的抽象行为单元，用于简化决策空间
官网待补 - 3580
闭环控制
利用反馈信号实时调整输出以维持系统稳定或达成目标
官网待补 - 3581
仿真到现实
将在模拟环境中训练的智能体策略迁移至物理世界的技术
官网待补 - 3582
长时程依赖
当前决策对遥远未来状态产生显著影响的序列问题特性
官网待补 - 3583
分层强化学习
将任务分解为子目标或高层动作以简化决策过程的RL方法
官网待补 - 3584
L0 正则化
通过最小化非零元素个数来强制模型稀疏性的数学方法
官网待补 - 3585
稀疏神经网络
大部分连接权重为零，从而减少计算量和存储需求的网络结构
官网待补 - 3586
非互斥分类
允许一个样本同时属于多个类别的分类机制
官网待补 - 3587
分支因子
搜索树中每个节点的平均子节点数量，影响计算复杂度
官网待补 - 3588
本体
对概念及其关系的形式化规范说明，常用于知识图谱构建
官网待补 - 3589
实体消歧
确定文本中提及的实体具体指向知识库中哪个唯一对象的过程
官网待补 - 3590
CUDA 内核
在 NVIDIA GPU 上并行执行的核心计算函数
官网待补 - 3591
块稀疏矩阵
非零元素以固定大小块状分布的稀疏数据结构
官网待补 - 3592
知识蒸馏
将大模型的知识迁移到小模型或另一模型的技术
官网待补 - 3593
事后经验回放
一种将失败轨迹转化为成功样本的强化学习技巧
官网待补 - 3594
多目标优化
同时处理多个相互冲突的目标函数以寻找帕累托最优解的过程
官网待补 - 3595
多目标强化学习
智能体需同时或依次完成多个不同目标的强化学习范式
官网待补 - 3596
探索策略
智能体在未知环境中选择动作以获取信息的机制
官网待补 - 3597
深度学习
基于多层神经网络进行特征提取与模式识别的机器学习分支
官网待补 - 3598
元强化学习
让智能体学会如何快速适应新任务的学习范式
官网待补 - 3599
模型无关元学习
一种通过梯度更新实现快速适应的元学习算法
官网待补 - 3600
随机梯度下降
利用小批量数据迭代更新参数的优化方法
官网待补