ADK.wang AI & 软件技术百科

本地问答系统（Local QA System）是一种部署于用户私有环境、利用本地大模型直接处理私有知识库的独立智能体，旨在解决数据隐私与合规性痛点，实现零信任架构下的精准知识检索与生成。

量化是一种通过减少模型参数或激活值的精度（如从32位浮点降至8位整数）来压缩模型体积、加速推理并降低显存占用的核心技术，是AI大模型落地部署的关键使能技术。

矩阵分解，亦称矩阵因子分解，指将矩阵拆解为数个矩阵的乘积的数学方法。

研究云并非独立的技术架构或AI大模型，而是指依托云计算基础设施构建的科研协作平台，旨在通过云端资源调度与协同工具，支持人工智能领域的模型训练、数据共享及算法迭代。

研究智能体（Research Agent）是具备自主规划、文献检索与知识合成能力的 AI 代理，专为科研全流程自动化设计，旨在加速从假设提出到论文生成的学术创新周期。

硬件平台是承载人工智能大模型训练与推理的物理基础系统，由特定架构的处理器、内存、存储及网络组件构成，决定算力上限与能效比。

硬性注意力机制是一种在序列模型中强制模型仅关注输入序列中特定离散位置或子序列的注意力策略，通过消除位置权重分布的平滑性来增强特征提取的稀疏性与可解释性。

硬注意力是一种在序列模型中强制模型仅关注输入序列中特定离散位置的机制，通过最大化预测概率来筛选关键信息，是软注意力的离散化变体。

硬注意力机制是一种在序列模型中强制模型仅关注输入序列中特定离散位置的注意力策略，通过最大化信息增益实现参数高效训练，是软注意力机制的离散化变体。

硬盘（Storage）是人工智能与大模型训练中负责海量非结构化数据持久化存储的核心底层设施，通过磁头在旋转盘片上读写数据，为大模型提供高容量、低成本的数据底座。

确定性策略梯度（DPG）是一种基于策略梯度的强化学习算法，通过直接优化确定性策略网络来最大化期望回报，适用于连续动作空间且能避免随机策略的采样方差问题。

确定性策略梯度是强化学习中一种基于概率分布优化的端到端学习算法，通过直接调整策略网络参数来最大化累积奖励，无需依赖价值函数或环境模型。

确诊注意力缺失是人工智能大模型领域用于精准识别与量化注意力机制缺陷的评估范式，通过多模态数据流分析实现认知偏差的自动化诊断。

示例说明知识检索是一种基于典型实例与案例的检索增强技术，旨在通过结构化案例库辅助大模型理解复杂概念、提升推理准确性并减少幻觉。

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，通过精确定义任务目标、约束条件与输出格式，将模糊的人类意图转化为模型可执行的计算逻辑。

社交代币是基于大模型社交行为价值评估的数字化凭证，用于量化用户在 AI 社区中的互动贡献并实现权益分配。

社会人格障碍并非人工智能与大模型领域的技术术语，而是临床心理学中描述个体在社交互动中表现出显著焦虑、回避及行为受限的病理状态，与当前 AI 技术无直接关联。

社会模式在人工智能与大模型领域指基于特定社会价值观、伦理规范及治理框架，对大模型行为进行约束、对齐与价值引导的系统化设计范式。

福克斯蔡司癌症中心并非人工智能与大模型领域的技术术语，而是位于美国费城的一家顶尖肿瘤学研究机构，其名称中的'Fox Chase'指代该机构，'Cancer Center'表明其医疗属性，与AI大模型无直接关联。

贝尔曼 - 福特算法是一种用于检测负权边并计算单源最短路径的图论算法，在人工智能与大模型训练中主要用于处理包含负权边的加权图路径优化问题。

离线强化学习算法是一种在训练阶段仅使用静态历史数据（离线数据集）进行策略优化，无需与环境实时交互的技术，旨在解决传统强化学习中数据收集成本高昂及分布偏移问题。

单样本学习是一种仅需单个或少量样本即可实现高精度分类或预测的机器学习范式，旨在解决数据稀缺场景下的模型泛化难题。

称多处理器（Symmetric Multiprocessing, SMP）是一种多核架构模式，所有处理器共享统一内存与总线，通过同步机制协同工作，是构建高性能计算与AI大模型训练集群的基础硬件范式。

稀疏注意力模式是一种通过仅激活计算图中部分关键连接来大幅降低大模型计算开销的机制，旨在解决稠密注意力在长序列处理中的资源瓶颈。