由相互连接的单元组成的计算模型，通过调整数值参数学习模式，用于预测、表征学习和数据生成。
artificial-neural-network人工智能人工智能是计算机科学的一个领域，致力于构建能完成推理、学习、感知和语言等与人类智能相关任务的系统。
artificial-intelligence人工智能幻觉人工智能幻觉是指系统生成看似可信、实则错误、缺乏证据支持或与输入不一致的内容。
ai-hallucination萨姆·奥尔特曼美国企业家、投资人，OpenAI联合创始人，曾任Y Combinator总裁。
sam-altman上下文窗口上下文窗口是语言模型在一次生成请求中可使用的词元化信息的容量上限。
context-window上下文学习上下文学习是模型利用输入中的示例或指令调整预测，而不更新自身参数的能力。
in-context-learning深度学习深度学习是机器学习的一个分支，通常利用具有多个处理层的神经网络来学习数据的分层表征。
deep-learning深蓝（国际象棋计算机）深蓝是IBM开发的国际象棋超级计算机，1997年在六局比赛中击败了时任世界冠军加里·卡斯帕罗夫。
deep-blue神经网络缩放定律描述神经网络性能如何随模型规模、训练数据量和计算资源变化的经验关系。
neural-scaling-law神经网络推理神经网络推理是运行已训练的神经网络，根据输入数据产生预测或生成结果的过程，通常不更新模型参数。
neural-network-inference生成对抗网络生成对抗网络通过生成器与判别器之间的竞争，学习合成数据。
generative-adversarial-network生成式人工智能生成式人工智能通过学习数据中的模式，生成文本、图像、音频及其他内容。
generative-artificial-intelligence生成式预训练Transformer生成式预训练Transformer是通过训练来预测和生成序列的模型，也是GPT语言模型家族的基础。
generative-pre-trained-transformer时序差分学习一类利用奖励和相邻时刻对未来结果的估计之差来更新预测的学习方法。
temporal-difference-learning世界模型 (人工智能)一种环境的内部模型，使人工智能系统能够预测事件并预判行动的后果。
world-model-ai视觉Transformer将图像表示为图像块序列，并通过Transformer层进行视觉识别和表征学习的神经网络架构。
vision-transformer数据挖掘数据挖掘运用计算和统计方法，从数据集中发现模式、关系并构建预测模型。
data-mining数据泄漏（机器学习）数据泄漏指预测或评估时本不应可用的信息影响了模型开发，导致报告的性能具有误导性。
data-leakage数据增强数据增强通过变换或组合现有数据生成额外训练样本，帮助模型学习有用的不变性并提升泛化能力。
data-augmentation思维链提示思维链提示引导语言模型在给出最终答案前生成中间推理步骤，常能提升多步骤任务的表现。
chain-of-thought-prompting随机森林随机森林是一种机器学习方法，通过组合多个随机化决策树进行分类或回归预测。
random-forest特征工程特征工程是创建、转换和选择数据表示的过程，这些表示用作机器学习模型的输入。
feature-engineering特征缩放特征缩放将数值输入变量转换到可比较的范围或统计尺度，影响机器学习中的距离、优化和正则化。
feature-scaling特征提取特征提取将原始观测数据转换为适合机器学习及其他计算分析的表征。
feature-extraction特征选择特征选择通过选取输入变量的子集，改善预测建模、降低计算或测量成本，并帮助解释模型。
feature-selection梯度提升梯度提升依次添加学习器，近似求取降低现有集成模型损失的修正，从而构建预测模型。
gradient-boosting梯度消失问题梯度消失问题是指反向传播时导数不断缩小，导致跨越多个神经网络层或时间步的学习信号减弱。
vanishing-gradient-problem提示工程提示工程通过设计、测试和改进输入，引导生成式人工智能模型产生符合指定要求的输出。
prompt-engineering提示注入一种安全漏洞，指不可信输入误导语言模型应用偏离其既定的授权指令。
prompt-injection图像分类图像分类是根据图像的视觉内容，通过计算为其分配一个或多个类别标签的任务。
image-classification微调（深度学习）微调通过进一步训练选定的参数，使预训练神经网络适应特定任务或领域。
fine-tuning位置编码位置编码为神经网络提供输入元素的顺序或空间位置信息。
positional-encoding无监督学习一种无需外部提供目标标签，即可从数据中发现模式、表征或概率分布的机器学习范式。
unsupervised-learning物理人工智能物理人工智能是指通过机器人、车辆及其他具身系统感知、推理并在物理世界中行动的人工智能。
physical-ai星际之门（人工智能项目）星际之门是OpenAI牵头、于2025年公布的基础设施计划，旨在通过数据中心、能源设施和技术合作扩大人工智能算力。
stargate-ai-project修正线性单元修正线性单元是一种神经网络激活函数，将负输入置零，并保持正输入不变。
rectified-linear-unit学习率学习率控制迭代训练中参数更新的幅度，影响优化速度、稳定性和模型性能。
learning-rate学习曲线（机器学习）学习曲线展示模型性能随训练集大小或训练进度的变化，用于分析泛化能力、数据需求和优化行为。
learning-curve循环神经网络循环神经网络通过反复更新内部状态，在序列位置之间传递信息，从而处理序列数据。
recurrent-neural-network训练数据训练数据是用于拟合机器学习模型的样本集合，影响模型学到的模式、能力及局限。
training-data验证集验证集是在机器学习开发过程中用于评估和选择模型的预留数据，与训练数据和最终测试数据不同。
validation-set杨植麟杨植麟是中国人工智能研究者与创业者，月之暗面联合创始人，Transformer-XL和XLNet的共同作者。
yang-zhilin异常检测异常检测用于识别偏离既定预期行为模型的观测、事件或模式。
anomaly-detection语言模型语言模型从文本中学习统计规律，估计语言序列的概率，预测缺失或后续词元，并支持语言处理任务。
language-model语义分割语义分割为图像中的每个像素赋予类别标签，生成细致的物体、材料和场景区域分布图。
semantic-segmentation语音识别语音识别通过声学分析及统计或神经模型，将口语转换为文本。
speech-recognition约翰·麦卡锡（计算机科学家）约翰·麦卡锡是美国计算机科学家、人工智能创始人之一，创立了Lisp，并开创了基于逻辑的机器推理方法。
john-mccarthy月之暗面月之暗面是一家成立于2023年的北京人工智能公司，开发了Kimi聊天机器人及一系列大语言模型，并以开放权重形式发布了多款模型。
moonshot-ai早停早停通过选择停止训练的时点，通常依据验证表现，来限制模型的迭代训练，控制过拟合和计算成本。
early-stopping长短期记忆长短期记忆是一种门控循环神经网络架构，用于学习序列中的依赖关系，并缓解梯度消失问题。
long-short-term-memory支持向量机支持向量机是一类基于间隔优化、可结合核函数的学习模型，用于分类、回归及相关任务。
support-vector-machine知识表示与推理研究计算系统如何编码知识，并利用知识得出结论、解释观测和指导行动的领域。
knowledge-representation-and-reasoning智能体式人工智能通过规划、工具使用、行动和反馈，以不同程度的自主性实现目标的人工智能系统。
agentic-ai注意力机制注意力机制动态赋予输入表示不同权重，使神经网络能够选取并整合与特定计算相关的信息。
attention-mechanism自编码器自编码器是一种神经网络，在架构或训练约束下，通过编码输入并重构输入来学习数据表征。
autoencoder自监督学习一种从数据本身构造训练目标、无需人工提供任务标签即可学习的机器学习方法。
self-supervised-learning自然语言处理自然语言处理研究通过计算方法分析、理解和生成人类文本及语音语言。
natural-language-processing自助聚合法自助聚合法通过组合在重采样数据上训练的多个模型，使预测更稳定并降低方差。
bagging自注意力自注意力是一种神经网络机制，通过加权整合同一输入中各元素的信息，为输入元素构建上下文相关的表示。
self-attentionAdam 优化器Adam 是一种基于梯度的优化算法，将动量与基于梯度矩估计的逐坐标自适应缩放相结合。
adam-optimizer