跳到主内容

AI基础百科

共1972篇文章

AI基础百科栏目解释 AIGC、提示词、Agent、RAG、Token、模型、工作流、检测与认证等常见概念,适合新手快速补齐 AI 工具使用前的基础知识。

文章分类
排序方式

最新发布

什么是上下文工程?比提示词更大的一盘棋

任务反复失败,多数时候问题不在措辞,而在模型看到了什么。本文拆开一次请求里的四段内容,给出删、排、压、隔离四个动作和一套失败分流方法。

AI基础百科

近期文章

热门排行

更多文章

  1. 什么是扩散模型?AI 是怎么「从噪声里画出图」的

    扩散模型让 AI 从一团随机噪声出发,经几十步去噪逐步擦出画面,是主流文生图与视频生成的基础。本文讲清加噪、去噪与采...

  2. 什么是混淆矩阵?准确率之外怎么看分类好坏

    准确率会骗人:样本悬殊时全判成多数类也能拿高分。混淆矩阵把预测拆成四格,看清模型错在哪。本文讲清四格含义与误报漏报的...

  3. 什么是梯度下降?模型是怎么「越练越好」的

    梯度下降是几乎所有模型训练的核心方法:每次朝错误变小的方向挪一小步,反复逼近最优参数。本文用蒙眼下山讲清原理,对比三...

  4. 什么是反向传播?AI 是怎么「知道自己错在哪」的

    反向传播是从损失出发,用链式法则逐层算出每个参数的责任,再交给梯度下降微调。讲清一轮训练里发生了什么、和梯度下降怎么...

  5. 什么是学习率?AI 学得快好还是慢好

    学习率决定模型每次调整参数的步长,设太大训练震荡、太小收敛极慢。本文讲清它的作用、三种调节策略,以及为什么没有一套通...

  6. 什么是交叉验证?怎么评估模型更可靠

    交叉验证把数据轮流切分、多轮取平均,让模型评估不再依赖单次运气。本文讲清K折的具体做法、它何时失效,以及普通人如何用...

  7. 什么是样本不均衡?数据一边倒怎么办

    样本不均衡指数据里类别数量悬殊,会让模型用全判多数类刷高准确率。本文讲清它的危害、四条应对思路,以及为什么先要想清楚...