ADK.wang AI & 软件技术百科

Persistent Volume 是 Kubernetes 中用于将动态存储持久化到节点上的抽象资源，确保容器重启后数据不丢失，是 AI 大模型训练与推理中数据连续性的关键基础设施。

RoPE（Rotary Positional Embeddings）是一种基于旋转矩阵将位置信息编码进词向量的技术，通过数学变换实现位置感知，解决了传统绝对位置编码在模型扩展时的不稳定性问题。

Agent Development Kit (ADK) 是专为构建自主智能体而设计的软件框架与工具集，旨在加速大模型驱动的智能体开发流程，实现从意图规划到自主执行的全栈能力。

证书授权中心（CA）是公钥基础设施（PKI）中的受信任第三方实体，负责签发、管理及吊销数字证书，通过绑定用户身份与公钥构建加密信任链，是保障大模型安全通信、API 鉴权及数据完整性的基石。

Google Agent Development Kit 是 Google 推出的面向开发者的一站式框架，旨在简化大语言模型（LLM）驱动智能体（Agent）的开发、测试与部署，通过内置工具链加速从原型到生产环境的落地。

计划评审技术（PERT）是一种基于概率统计的项目管理方法论，通过构建网络图识别关键路径，以应对高不确定性任务的工期估算与资源统筹。

Mean Absolute Error (MAE) 是一种衡量预测值与真实值之间平均绝对偏差的回归评估指标，通过计算误差绝对值的算术平均数，直观反映模型预测的整体偏差水平。

在人工智能与大模型领域，存储驱动是操作系统与底层存储硬件（如NVMe SSD、HBM）通信的关键软件接口，负责高效管理数据读写请求并优化I/O性能，为大模型训练与推理提供坚实的硬件支撑。

信息检索（Information Retrieval, IR）是人工智能与大模型领域的核心基础技术，旨在通过算法模型从海量数据中精准识别并返回与用户查询需求高度相关的信息资源。

机器人流程自动化（RPA）是一种基于软件机器人模拟人类 GUI 操作的非侵入式业务流程自动化技术，旨在通过低代码方式高效处理规则明确、重复性高的标准化任务，并正与人工智能深度融合向认知型流程演进。

人类反馈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强化学习范式，通过奖励模型引导智能体生成更符合人类价值观的高质量输出。

在人工智能与大模型领域，基础设施指支撑大模型训练、推理及生态构建的底层算力网络、存储系统、调度平台与数据资源体系，是确保 AI 系统高效稳定运行的基石。

有向图是一种节点间关系具有明确方向的图结构模型，通过有序顶点对定义边，是构建图神经网络、知识图谱及大模型图推理任务的核心数学基础。

词元（Token）是人工智能大模型处理文本信息的最小离散单元，通过词元化将连续文本转化为离散索引序列，作为模型计算、训练及计费的根本载体。

门阵列是一种由半导体厂商预置逻辑单元母板，用户通过定制布线实现半定制集成电路设计的硬件架构技术，是 FPGA 等可重构计算系统的物理基础。

Agent Systems 是基于大语言模型驱动的智能体系统，具备感知、规划、行动及反思能力，能自主完成复杂任务并适应动态环境。

有向无环图（DAG）是一种包含顶点与有向边且不存在任何闭合回路的图结构，作为现代大模型中构建复杂依赖关系与计算执行流的基石，它通过拓扑排序实现高效的任务调度与数据流管理。

代价函数是机器学习与优化理论中用于量化模型预测误差与真实值差异的核心准则，通过最小化该函数值来指导模型参数的迭代更新与训练收敛。

语言模型是一种基于概率统计的机器学习计算模型，旨在预测自然语言序列中的下一个词或整个序列，是构建大语言模型、实现智能对话与内容生成的核心基石。

净资产收益率（ROE）是衡量企业利用股东权益创造净利润能力的核心财务指标，通过杜邦分析体系分解为盈利能力、运营效率与财务杠杆的乘积，是评估企业价值与股东回报的关键标尺。

剪枝是一种通过移除神经网络或算法中的冗余组件以压缩模型体积、加速推理并提升泛化能力的核心优化技术，是现代大模型高效落地的关键手段。

System Prompting 是一种通过向大语言模型输入预设指令文本，以引导模型生成特定风格、遵循特定约束或执行特定任务的提示工程核心技术。

数据流图（Dataflow Graph）是人工智能与大模型中用于可视化数据依赖关系、计算图执行顺序及梯度回传路径的核心架构表达形式，支撑了从训练到推理的全链路高效计算。

限定域名并非人工智能与大模型领域的专有技术术语，而是指在特定范围内对域名进行严格约束或指定的通用概念，常用于大模型输出控制或安全策略中。