زمینه
زمینه؛ اطلاعاتی که همراه درخواست در اختیار مدل قرار میگیرد تا مدل بتواند پاسخ مرتبطتر و دقیقتری تولید کند.
مشاهدهٔ جزئیاتدر حال آمادهسازی...
مفاهیم و اصطلاحات هوش مصنوعی را عمیقتر بشناس.
زمینه؛ اطلاعاتی که همراه درخواست در اختیار مدل قرار میگیرد تا مدل بتواند پاسخ مرتبطتر و دقیقتری تولید کند.
مشاهدهٔ جزئیاتمهندسی زمینه؛ طراحی و مدیریت اطلاعاتی که به مدل داده میشود تا در هر مرحله زمینه مناسب برای تولید پاسخ بهتر را داشته باشد.
مشاهدهٔ جزئیاتبازیابی زمینه؛ پیدا کردن اطلاعاتی که باید بهعنوان زمینه در اختیار مدل قرار گیرد تا پاسخ دقیقتر شود.
مشاهدهٔ جزئیاتپنجره متن؛ حداکثر مقداری از متن که یک مدل زبانی میتواند در یک درخواست پردازش کند. هرچه پنجره متن بزرگتر باشد، مدل میتواند اطلاعات بیشتری از یک مکالمه یا سند را همزمان در نظر بگیرد.
مشاهدهٔ جزئیاتبندیت زمینهای؛ روش یادگیری تقویتی که تصمیم را بر اساس ویژگیهای وضعیت فعلی انتخاب میکند و همانجا از نتیجه یاد میگیرد.
مشاهدهٔ جزئیاتیادگیری پیوسته؛ توانایی سیستم برای آپدیت شدن و یادگیری از دادههای جدید در طول زمان. در این رویکرد مدل یا سیستم به شکل مداوم با دادههای جدید بهروزرسانی میشود؛ البته کیفیت داده جدید باید کنترل شود.
مشاهدهٔ جزئیاتهمگرایی؛ نقطهای در آموزش که در آن خطا کم تغییر میکند و مدل به حالت پایدار رسیده است. همگرایی مناسب معمولا نشان میدهد فرآیند بهینهسازی به ناحیهای رسیده که تغییرات آن کوچک شدهاند.
مشاهدهٔ جزئیاتمدل هسته؛ مدل اصلی هوش مصنوعی که قابلیتهای دیگر روی آن سوار میشوند. مدلهای دیگر یا قابلیتهای محصول میتوانند بر پایه این مدل اصلی ساخته یا تنظیم شوند.
مشاهدهٔ جزئیاتهمبستگی؛ شدت و جهت رابطه خطی دو متغیر؛ همبستگی بالا بهتنهایی اثبات علیت نیست و تفسیر آن باید با دانش موضوعی همراه شود.
مشاهدهٔ جزئیاتتابع هزینه؛ فرمولی برای محاسبه خطای مدل که هدف آموزش کاهش آن است. در زمان آموزش، الگوریتم تلاش میکند پارامترهای مدل را طوری تغییر دهد که مقدار این تابع کمتر شود.
مشاهدهٔ جزئیاتارزیابی انتقادی؛ بازبینی نقادانه داده، روش، محدودیت و میزان اعتبار نتیجه پیش از پذیرش خروجی یا ادعای مدل.
مشاهدهٔ جزئیاتزیان آنتروپی متقابل؛ تابع خطای متداول برای مسائل طبقهبندی. هرچه احتمال اختصاصدادهشده به پاسخ درست کمتر باشد، این تابع معمولا خطای بیشتری ایجاد میکند.
مشاهدهٔ جزئیاتاعتبارسنجی متقابل؛ روش تقسیم دادهها به چند بخش برای ارزیابی پایدارتر عملکرد مدل. این روش کمک میکند ارزیابی مدل فقط به یک تقسیم تصادفی خاص از دادهها وابسته نباشد.
مشاهدهٔ جزئیات