دانش‌نامهٔ Noventix

واژه‌نامهٔ هوش مصنوعی

مفاهیم و اصطلاحات هوش مصنوعی را عمیق‌تر بشناس.

۳۴۵ اصطلاح آموزشی۲۵ حوزهٔ موضوعیرایگان برای همه
مرور سریع

از الفبا شروع کن

دسته‌بندی‌ها

موضوع موردنظرت را انتخاب کن

۳۷ اصطلاح
نتایج فیلترشده · حرف Cحذف فیلترها
مهندسی پرامپت
Context

زمینه

زمینه؛ اطلاعاتی که همراه درخواست در اختیار مدل قرار می‌گیرد تا مدل بتواند پاسخ مرتبط‌تر و دقیق‌تری تولید کند.

مشاهدهٔ جزئیات
مهندسی پرامپت
Context Engineering

مهندسی زمینه

مهندسی زمینه؛ طراحی و مدیریت اطلاعاتی که به مدل داده می‌شود تا در هر مرحله زمینه مناسب برای تولید پاسخ بهتر را داشته باشد.

مشاهدهٔ جزئیات
مدل‌های زبانی بزرگ
Context Window

پنجره متن

پنجره 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 جزئیات
یادگیری ماشین
Contextual Bandit

بندیت زمینه‌ای

بندیت زمینه‌ای؛ روش یادگیری تقویتی که تصمیم را بر اساس ویژگی‌های وضعیت فعلی انتخاب می‌کند و همان‌جا از نتیجه یاد می‌گیرد.

مشاهدهٔ جزئیات
Fine-tuning و PEFT
Continuous Learning

یادگیری پیوسته

یادگیری 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 جزئیات
Fine-tuning و PEFT
Convergence

همگرایی

همگرایی؛ 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 جزئیات
مدل‌های زبانی بزرگ
Core Model

مدل هسته

مدل 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 جزئیات
ریاضیات و آمار
Correlation

همبستگی

همبستگی؛ شدت و جهت رابطه خطی دو متغیر؛ همبستگی بالا به‌تنهایی اثبات علیت نیست و تفسیر آن باید با دانش موضوعی همراه شود.

مشاهدهٔ جزئیات
ریاضیات و آمار
Cost Function

تابع هزینه

تابع 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 جزئیات
ارزیابی مدل‌ها
Critical Evaluation

ارزیابی انتقادی

ارزیابی انتقادی؛ بازبینی نقادانه داده، روش، محدودیت و میزان اعتبار نتیجه پیش از پذیرش خروجی یا ادعای مدل.

مشاهدهٔ جزئیات
ریاضیات و آمار
Cross-Entropy Loss

زیان آنتروپی متقابل

زیان آنتروپی متقابل؛ تابع خطای متداول برای مسائل طبقه‌بندی. هرچه احتمال اختصاص‌داده‌شده به پاسخ درست کمتر باشد، این تابع معمولا خطای بیشتری ایجاد می‌کند.

مشاهدهٔ جزئیات
ارزیابی مدل‌ها
Cross-Validation

اعتبارسنجی متقابل

اعتبارسنجی 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