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

什么是迁移学习?学过的本事怎么复用

迁移学习是把模型在旧任务上学到的能力搬到新任务上,少花数据和时间。本文讲清它为什么能省、迁移的是什么、用在哪些场景,以及任务差太远时会失效。

AI基础百科

什么是零样本与少样本学习?怎么用

零样本是不给示例直接描述任务,少样本是给两三个示例让模型照着做。本文讲清三档怎么选、给例子为什么有效、少样本的几个要点,以及示例太多会失效。

AI基础百科

什么是世界模型?AI 脑子里的「地图」

世界模型是 AI 内部对世界怎么运转的表示,让模型能预判和规划。本文讲清它为什么重要、视频生成里的朴素版本、目前学到的是什么,以及遇到新场景...

AI基础百科

近期文章

什么是思维链?让 AI 把推理写出来

思维链让 AI 先写中间步骤再给答案,机制是改变生成路径。四种写法对照、三类失效场景,以及它为什么不能当作可信的...

AI基础百科

热门排行

更多文章

  1. 什么是「规模定律」?模型越大越强还成立吗

    规模定律是从实验中总结的经验规律,讲模型规模、数据量、算力投入与效果的可预测关系。本文讲它为何推动过军备竞赛,以及「...

  2. 什么是联邦学习?数据不出门也能训练模型

    医院和银行的数据谁也不能交出去,联邦学习让模型到处跑、数据待在原地。机制、流程、代价与适用场景一篇讲清,附场景对照表...

  3. 什么是 AGI?通用人工智能离我们有多远

    AGI(通用人工智能)指能在各种任务上达到或超过人类水平的 AI。本文讲定义为何至今没有统一、专家分歧从哪来,以及普...

  4. 什么是可解释性?为什么 AI 是个「黑箱」

    可解释性衡量我们能否说清 AI 为什么给出某个结论。本文拆解深度模型难以解释的原因、事后归因与自述理由各自的局限,并...

  5. 什么是数据标注?AI 是怎么「学」出来的

    模型不认识划痕,只认识被框出来的划痕。按四类标注各自的出错方式切开,讲清规范怎么写、一致性怎么量、预标注的钱从哪欠回...

  6. 什么是词嵌入?AI 是怎么理解词义的

    词嵌入讲清机制:文本怎么切成 token、怎么变成向量、距离为什么代表语义,以及它在检索里做不到的四件事和三个常见疑...

  7. 什么是知识图谱?和 AI 有什么关系

    知识图谱用「实体—关系—实体」组织事实,补上大模型多跳推理与有据可依的短板。讲清它与表格、纯文本 RAG 的分工、配...