ADK.wang AI & 软件技术百科

交叉注意力架构是一种将查询、键、值矩阵进行跨维度动态融合的计算机制，通过非局部关联实现多模态或序列间特征的高效交互与上下文感知。

交叉编码模型是一种将输入序列与目标序列进行双向交互编码的深度学习架构，通过共享编码器与解码器实现上下文信息的深度融合与高效生成。

在人工智能与大模型领域，交易所指代大模型训练数据、算力资源及推理服务的集中撮合与流通平台，旨在解决数据孤岛与算力碎片化问题，实现模型资产的高效配置与价值变现。

交易日志是人工智能大模型训练与推理中用于记录模型状态变更、梯度更新及参数快照的关键数据结构，确保训练过程的原子性、可恢复性与可复现性。

交替方向乘法器是专为大模型推理优化设计的一种稀疏矩阵计算架构，通过交替扫描行与列的稀疏模式，在保持高计算精度的同时显著降低显存占用与能耗。

人化关注度是衡量大模型输出内容在情感共鸣、社会价值及人类福祉层面表现程度的核心指标，旨在评估 AI 是否真正‘懂人’并服务于人类利益。

人工智能代理是一种具备自主感知、决策与行动能力的智能系统，能调用外部工具以达成预设目标，是现代生成式 AI 实现复杂任务自动化的核心载体。

人工智能体（AI Agent）是具备自主感知、规划、记忆及工具使用能力的智能系统，能理解自然语言需求并跨应用执行复杂任务，标志着从被动响应向主动代理的范式转变。

人工智能标记语言（AI Markup Language）是专为大模型推理、知识图谱构建及智能体交互设计的结构化数据交换格式，通过语义标签与逻辑约束实现机器可读的意图表达与知识关联。

人类反馈信号强化学习是一种利用人类偏好数据对大模型进行持续优化的高级强化学习范式，通过引入奖励模型将人类反馈转化为数值奖励，从而解决传统强化学习中缺乏人类价值观对齐的问题。

Prompt（提示词）是引导大语言模型生成特定输出的结构化指令集，通过定义角色、任务目标、约束条件及输出格式，将模糊意图转化为模型可执行的精确逻辑，是连接人类意图与模型能力的核心接口。

Agent 是人工智能领域指代具备自主感知、决策与执行能力的智能代理实体，通过大模型赋予其类人认知能力，实现从被动响应到主动规划的任务闭环。

代价复杂度剪枝是一种基于信息增益与模型复杂度权衡的决策树优化算法，通过计算剪枝后的代价复杂度值，在保持预测精度的同时有效降低模型复杂度，防止过拟合。

在大模型生态中，Token 是模型处理信息的离散化基本单元，通过词表索引将连续文本转化为机器可计算的数值序列，是衡量模型上下文窗口、计算成本与生成精度的核心计量标准。

代理事件是人工智能大模型中，代理（Agent）在自主规划与执行任务过程中，由环境反馈或内部状态变更触发的离散状态转换信号，用于驱动决策循环。

代理智能体（UserProxy Agent）是人工智能与大模型领域的一种架构模式，指在用户与基础大模型之间引入的代理层，负责处理上下文管理、意图识别、工具调用及多轮对话协调，以增强模型的通用性与任务完成能力。

在人工智能与大模型领域，代理项（User Agent）指客户端向服务端发送的身份标识字符串，用于声明软件身份、版本及浏览器类型，是模型路由、能力协商与反爬虫防御的关键握手信号。

代码注入是攻击者利用系统缺乏输入验证机制，将恶意代码片段嵌入合法程序执行流，从而劫持系统控制权或窃取敏感数据的严重安全漏洞。

代码补全是一种基于大语言模型（LLM）的生成式编程辅助技术，通过预测并填充代码片段来显著提升开发效率与代码质量。

代码解释器是人工智能大模型具备的跨语言代码执行能力，使其能理解并运行用户提供的任意编程语言脚本，实现从自然语言到可执行结果的闭环。

令牌保险库是人工智能与大模型开发中用于安全存储、管理和分发访问令牌（如 API Key、OAuth Token）的核心基础设施组件，旨在解决密钥泄露风险并实现细粒度的权限控制。

令牌总线是一种基于物理总线拓扑但逻辑上构成环形结构的局域网介质访问控制协议，通过令牌轮转机制确保网络通信的确定性与无冲突，是早期工业控制与实时系统的关键技术。

令牌总线网是一种基于总线物理拓扑与逻辑环形令牌机制的局域网介质访问控制技术，专为高实时性工业控制场景设计，通过有序传输避免冲突。

令牌控制器是大型语言模型推理引擎中的关键调度组件，负责动态分配计算资源、管理生成令牌流并优化上下文窗口，以平衡响应速度与显存效率。