ADK.wang AI & 软件技术百科

权重量化是一种通过降低模型参数精度（如从 FP32 降至 INT8）以换取推理速度与内存效率，同时保持精度损失的 AI 部署关键技术。

条件机制是大语言模型中通过外部信息或上下文动态调整模型内部状态与输出分布的关键架构组件，旨在解决通用预训练模型在特定任务上的泛化瓶颈。

条件独立性是概率论与人工智能中的核心概念，指在给定特定变量（条件）的情况下，两个或多个变量之间不存在统计关联，其联合分布等于各自边缘分布的乘积。

Actor 是强化学习中的智能体，作为自主决策与执行动作的核心实体，通过与环境交互以最大化累积奖励，驱动大模型从数据中学习策略。

监督微调（Supervised Fine-Tuning, SFT）是通过对大模型进行有标签的高质量指令微调，使其从通用语言模型转变为具备特定任务执行能力的智能代理的关键技术。

“来自”是表示事物来源或出处的常用汉语介词结构，指代某物源自特定地点、机构或源头，在人工智能与大模型领域常用于描述模型数据的地理或机构归属。

向量是人工智能与大模型中用于表示数据、特征或语义的数学实体，通过高维空间中的坐标数值精确捕捉信息本质，支撑着从基础机器学习到生成式 AI 的核心计算逻辑。

长距离注意力是一种针对序列数据中长程依赖建模的机制，通过扩展注意力范围或引入特殊架构，解决传统自注意力机制在长序列任务中计算复杂度高且信息衰减的问题。

查询向量是大模型检索增强生成（RAG）架构中的核心输入单元，指将用户自然语言问题转化为高维稀疏或稠密向量，以在向量数据库中高效匹配语义相似度的知识片段。

在人工智能与大模型领域，查询字符串指嵌入于模型推理请求或数据接口中的参数化数据片段，用于动态指定模型行为、控制推理逻辑或传递上下文特征。

在人工智能与大模型领域，Query指用户向大模型输入的原始自然语言请求，是触发模型推理、意图识别及内容生成的核心触发信号，其质量直接决定模型输出的精准度与相关性。

Retriever 是大模型检索增强生成（RAG）架构中的核心检索组件，负责从海量非结构化知识库中精准定位与用户查询语义最匹配的信息片段，作为连接用户意图与模型生成能力的桥梁。

Self Query Retriever 是一种利用大模型自身能力进行动态查询与检索的架构组件，通过生成自然语言查询指令实时获取外部信息，实现知识增强与动态响应。

查询注意力是大型语言模型中用于动态计算不同输入 token 对当前目标 token 贡献度的机制，通过加权求和实现上下文信息的精准聚焦与推理。

在人工智能与大模型领域，查询表是一种用于加速推理、实现快速特征映射或参数检索的高效数据结构，通过预计算和直接索引机制将复杂计算转化为常数时间操作。

柳树车库（Willow Garage）是2006年由斯坦福大学团队创立的机器人公司，以开源ROS操作系统和PR2机器人平台闻名，虽于2014年关闭，但其开源遗产深刻重塑了现代机器人学生态。

Token Masking 是大模型推理阶段的一种关键技术，通过动态隐藏部分输入或输出 Token，在降低计算成本的同时保护用户隐私并提升推理效率。

Claude 是由 Anthropic 公司研发的闭源大语言模型系列，以强调 AI 安全、模型对齐及长上下文处理能力著称，是生成式人工智能领域的标杆产品。

Token 是人工智能与大模型中数据的最小语义处理单元，通过向量映射实现文本、图像等多模态信息的数字化表征与高效计算。

标记解析器（Tokenizer）是自然语言处理中的核心预处理组件，负责将原始文本流切分为有意义的子词或字符序列，为后续模型训练与推理提供标准化输入数据。

Tree of Thoughts (ToT) 是一种将人类创造性思维过程形式化并引入大语言模型推理的新范式，通过系统性地探索多种思维路径来优化复杂问题的求解质量。

零样本提示是一种无需训练数据即可让大模型理解新任务的技术，通过提供任务描述和示例，利用预训练知识实现即时推理与泛化。

蒸馏损失是知识蒸馏架构中用于对齐教师模型与学生模型输出分布的关键正则化项，通过最小化两者预测概率分布的差异来高效迁移大模型能力。

Attention（注意力机制）是深度学习中的核心计算范式，通过动态加权输入特征来聚焦关键信息，已成为现代大语言模型与视觉系统的基石技术。