阿瑟·塞缪尔是美国计算机科学家，他开发的可学习西洋跳棋程序推动了机器学习研究领域的形成。
arthur-samuel半监督学习一种结合有标签与无标签样本的机器学习框架，用于在任务标注有限时学习预测模型。
semi-supervised-learning编码器–解码器架构一种神经网络设计：编码器将输入转为内部表征，解码器利用该表征生成输出。
encoder-decoder-architecture变分自编码器变分自编码器是一种概率生成模型，通过变分训练目标联合学习潜在表征与近似推断。
variational-autoencoder表征学习表征学习从数据中发现有用特征，使机器学习系统能够组织信息，并将其迁移到不同任务。
representation-learning测试集测试集是专门留出、用于评估已训练机器学习模型的数据，其评估独立于模型开发过程中的各项决策。
test-set策略（强化学习）策略是强化学习中智能体依据状态、观测或交互历史选择动作的规则。
policy-reinforcement-learning层归一化层归一化对每个样本内的神经网络激活值进行标准化，通常再施加可学习的缩放和偏置。
layer-normalization超参数超参数控制模型结构、学习过程或更高层次的概率分布，而非充当普通的拟合参数。
hyperparameter词袋模型词袋模型记录词语的出现情况而忽略词序，将文本转化为可用于数值分析、文档检索和机器学习的表示。
bag-of-words-model词嵌入词嵌入将词表示为数值向量，通过学习向量间的关系来反映语言用法和词义。
word-embedding词元化（自然语言处理）词元化将文本划分为词、子词、字符或字节等计算单元，用于语言处理与建模。
tokenization达里奥·阿莫代伊美国人工智能研究者、企业家，Anthropic 联合创始人兼首席执行官。
dario-amodei大语言模型大语言模型是经大规模训练、用于处理和生成文本的神经语言模型，通常能以同一模型支持多种任务。
large-language-model递归自我改进递归自我改进是指人工智能系统提升自身或其后继系统能力的过程，其中每次提升都使后续改进更加容易。
recursive-self-improvement独热编码独热编码将每个类别表示为仅有一个分量为1的二进制向量，使类别数据能够以数值形式处理。
one-hot-encoding对比学习一种通过比较相关与不相关样本，学习其相似性与差异的表征学习方法。
contrastive-learning多层感知机多层感知机是一种前馈神经网络，通过逐层的加权连接和激活函数学习非线性映射。
multilayer-perceptron多模态学习多模态学习研究如何让机器学习系统关联或整合文本、图像、音频和视频等不同形式的数据。
multimodal-learning多头注意力多头注意力通过不同的学习投影并行计算注意力，以表示序列内部或序列之间的多种关系。
multi-head-attention反向传播反向传播沿计算图高效计算梯度，从而支持神经网络及其他可微模型的训练。
backpropagation泛化（机器学习）泛化是机器学习模型在未见过的数据上有效完成任务的能力，而不只是拟合训练样本。
generalization非单调推理非单调推理允许在获得新信息后，撤回依据不完整信息得出的结论。
nonmonotonic-reasoning分布偏移分布偏移是指开发预测模型所用的数据分布与评估或部署时遇到的数据分布存在差异。
distribution-shift弗兰克·罗森布拉特美国心理学家，提出了早期可学习神经网络模型感知机，为机器学习奠定了基础。
frank-rosenblatt符号人工智能符号人工智能显式表示知识，并运用规则、逻辑和搜索来推导结论或选择行动。
symbolic-artificial-intelligence感知机感知机是一种线性分类模型及学习算法，通过调整输入特征的权重来区分类别。
perceptron过拟合过拟合是指模型学到了样本特有的模式，导致其在未见过的数据上表现不佳。
overfitting核方法利用核函数在隐式特征空间中进行计算的一类数学学习方法。
kernel-method机器翻译机器翻译利用计算系统，将文本或语音从一种自然语言转换为另一种自然语言。
machine-translation机器学习机器学习研究的是一类算法，它们通过从数据中学习规律来提升任务表现，而不是遵循明确编写的规则。
machine-learning基础模型基础模型是在广泛数据上训练、可适配多种下游任务的机器学习模型，为专用人工智能系统提供共同基础。
foundation-model基于人类反馈的强化学习基于人类反馈的强化学习以人类评价作为奖励来源来训练模型，常用于改善指令遵循能力及其他期望行为。
reinforcement-learning-from-human-feedback激活函数将神经网络单元的输入转换为输出的函数，通常用于引入非线性或限制输出值。
activation-function集成学习集成学习通过自助聚合、提升、投票和堆叠等方法组合多个预测模型，以提高准确性、稳定性或不确定性估计质量。
ensemble-learning计算机视觉计算机视觉研究从图像、视频及其他视觉测量数据中提取物体、场景和活动信息的计算方法。
computer-vision监督学习监督学习利用输入与已知目标输出配对的样本训练预测模型。
supervised-learning检索增强生成检索增强生成将信息检索与生成模型相结合，利用外部来源的信息生成回答。
retrieval-augmented-generation交叉注意力交叉注意力通过学习查询与键的匹配关系，使一组神经网络表征能够有选择地从另一组表征中提取信息。
cross-attention阶跃星辰总部位于中国上海的人工智能公司，以研发Step系列多模态基座模型而闻名。
stepfun经验风险最小化经验风险最小化以观测数据上的平均损失作为总体风险的近似，通过最小化该损失来选择预测模型。
empirical-risk-minimization卷积神经网络一种利用共享的局部滤波器，学习图像及其他网格结构数据中模式的神经网络架构。
convolutional-neural-network决策树学习一种监督学习方法，通过从带标签的样本中构建分支规则，预测类别或数值。
decision-tree-learning可解释人工智能可解释人工智能研究如何让人理解人工智能的行为与输出，并评估解释是否忠实反映系统的实际运作。
explainable-artificial-intelligence可灵AI可灵AI是中国短视频公司快手于2024年推出的视频与图像生成模型家族。
kling-ai困惑度困惑度通过对熵或平均负对数似然取指数来衡量预测的不确定性，尤其用于语言模型评估。
perplexity扩散模型通过学习逆转逐步加噪过程来生成数据的一类生成式机器学习模型。
diffusion-model李飞飞计算机科学家，以ImageNet、视觉识别研究及以人为本的人工智能和普惠人工智能教育倡议闻名。
fei-fei-li梁文锋中国企业家，量化对冲基金幻方量化联合创始人，人工智能公司深度求索创始人兼首席执行官。
liang-wenfeng流形学习流形学习通过保留特定几何或邻域关系的非线性表征，识别高维数据中的低维结构。
manifold-learning马文·明斯基马文·明斯基是美国人工智能先驱，以神经网络研究、框架式知识表示和心智社会理论闻名。
marvin-minsky模型上下文协议模型上下文协议是一种开放标准，规范了人工智能应用发现并调用外部工具、数据源和可复用提示词的方式。
model-context-protocol目标检测目标检测识别图像或视频中的各个对象，并估计其位置，通常以带类别标签的边界框表示。
object-detection批量归一化批量归一化利用批次统计量和可学习的缩放、偏移参数，对神经网络的激活值进行标准化，以提高训练效率。
batch-normalization朴素贝叶斯分类器一类应用贝叶斯定理的概率分类器，假设在给定类别的条件下各特征相互独立。
naive-bayes-classifier迁移学习一种利用源任务或源领域的知识，改善目标任务或目标领域学习效果的机器学习方法。
transfer-learning潜在空间潜在空间是由模型定义的未观测变量或学习表征的取值空间，用于描述、重建或生成数据。
latent-space欠拟合欠拟合是指模型未能捕捉训练数据中的重要规律，导致其在训练样本和未见样本上的预测表现均不佳。
underfitting嵌套交叉验证嵌套交叉验证将内层验证过程置于外层评估循环中，使模型选择与性能估计相互分离。
nested-cross-validation强化学习强化学习是一种机器学习方法，智能体通过与环境交互或利用已有经验，优化累积奖励，学习决策策略。
reinforcement-learning