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 · 91/114
- 3601
一阶优化
仅利用梯度信息而非二阶导数进行参数更新
官网待补 - 3602
Wasserstein 距离
基于最优传输理论的度量，用于衡量两个概率分布之间的差异
官网待补 - 3603
最优传输
研究如何以最小成本将一个概率分布转换为另一个的数学理论
官网待补 - 3604
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 - 3605
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 - 3606
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 - 3607
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 - 3608
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 - 3609
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 - 3610
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 - 3611
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 - 3612
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 - 3613
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 - 3614
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 - 3615
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 - 3616
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 - 3617
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 - 3618
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 - 3619
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 - 3620
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 - 3621
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 - 3622
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 - 3623
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 - 3624
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 - 3625
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 - 3626
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 - 3627
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 - 3628
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 - 3629
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 - 3630
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 - 3631
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 - 3632
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 - 3633
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 - 3634
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 - 3635
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 - 3636
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 - 3637
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 - 3638
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 - 3639
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 - 3640
批次大小
每次参数更新所使用的样本数量
官网待补