隐马尔可夫模型 技术
隐马尔可夫模型（HMM）用隐状态序列解释观测序列的生成过程，是语音识别、词性标注与生物序列分析的经典概率模型，三大问题：评估（前向）、解码（Viterbi）、学习（EM/Baum-Welch）。
百科
大模型 · 万物互联 · 人工智能的结构化知识库。人人可阅读、可贡献、可追溯。
学科分类
最新收录
序列到序列 技术
序列到序列（Seq2Seq）用「编码器-解码器」把输入序列映射为输出序列，是机器翻译、摘要、对话等生成任务的通用框架，2014 年提出，2017 年后以 Transformer 为底座。
GloVe 技术
GloVe 是斯坦福 2014 年提出的词嵌入模型，通过分解词-词共现矩阵的全局统计学习向量，兼顾全局统计与局部预测，与 Word2Vec 并列为经典词嵌入方法。
Word2Vec 技术
Word2Vec 是 Google 2013 年提出的词嵌入方法，含 CBOW 与 Skip-gram 两种预测式模型，用「相邻词预测」学习词向量，开创了深度 NLP 时代。
词嵌入 技术
词嵌入把词映射为稠密低维向量，使语义相近的词距离相近，Word2Vec、GloVe 与 FastText 是经典方法，2013 年词嵌入引发的「神经革命」是现代 NLP 的基础。
关系抽取 技术
关系抽取识别文本中实体对之间的语义关系（如「马云创立了阿里巴巴」→(马云, 创始人, 阿里巴巴)），是知识图谱构建的核心，方法从特征/管道式到联合抽取与生成式。
信息抽取 技术
信息抽取（IE）从非结构化文本中提取结构化信息，涵盖实体识别、关系抽取、事件抽取与属性抽取，是知识图谱构建的核心环节，现代方法转向统一生成式抽取（UIE）。
阅读理解 技术
机器阅读理解（MRC）要求模型阅读文档后回答问题，是检验「理解」的核心任务，SQuAD、RACE、DuReader（中文）等基准推动模型在篇章级推理上持续进步。
语义角色标注 技术
语义角色标注（SRL）识别句子中谓词及其语义论元（施事、受事、时间、地点等），是「浅层语义理解」任务，方法从特征工程到 BiLSTM/Transformer，基准为 CoNLL-2005/2012。
语言模型 概念
语言模型建模文本序列的概率分布 P(w1..wn)，核心任务是「根据上文预测下一个词」，从 N-gram 演进到神经网络与大规模预训练，是机器翻译、对话与生成系统的基础。
经验风险最小化 概念
经验风险最小化（ERM）用训练集平均损失近似期望风险并求最小，是监督学习的理论基础，梯度下降与交叉熵等即其工程实现；但 ERM 会过拟合，需正则与验证集选择。
少样本学习 概念
少样本学习研究在极少量标注样本（每类 1-5 个）下学会新任务，覆盖度量学习（原型网络）、元学习（MAML）与大模型上下文学习三种路线。
规模定律 概念
规模定律描述大模型性能随参数量、数据量与算力的幂律提升关系：损失 L∝(N^-α, D^-β, C^-γ)，是「大力出奇迹」的经验依据，指导模型与数据规模的联合设计。
泛化 概念
泛化指模型对未见过数据（而非仅训练数据）的预测能力，是机器学习成功与否的最终判据，过拟合即泛化失败；理论上有 PAC 学习与 Rademacher 复杂度等分析框架。
偏差方差权衡 概念
偏差-方差权衡描述模型误差=偏差²+方差+噪声：偏差高则欠拟合，方差高则过拟合，模型复杂度选择即在此间平衡，是理解机器学习泛化的核心框架。
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
- SAC
- Segment Anything
- Sora
- SPARQL
- SQuAD
- SSD
- Stable Diffusion
- StyleGAN
- SuperGLUE
- SWE-bench
- 三维重建
- 上下文窗口
- 上下文学习
- 少样本学习
- 射频识别
- 深度Q网络
- 深度合成标识
- 深度强化学习
- 深度伪造
- 深度学习
- 深度学习
- 深度学习框架
- 神经符号AI
- 神经辐射场
- 神经网络
- 神经网络
- 生成对抗网络
- 生成式人工智能服务管理暂行办法
- 生成式智能体
- 时间敏感网络
- 时序差分学习
- 时序知识图谱
- 实例分割
- 实体链接
- 实体消歧
- 世界模型
- 事理图谱
- 视觉SLAM
- 视觉Transformer
- 视觉问答
- 视觉语言模型
- 视频理解
- 视频生成
- 数据版权
- 数据标注
- 数据标注伦理
- 数据管线
- 数据集
- 数据切分
- 数据清洗
- 数据投毒
- 数据增强
- 数据增强
- 数据中心GPU
- 数字鸿沟
- 数字孪生
- 数字人
- 数字人
- 数字员工
- 思维链
- 搜索算法
- 算法透明度
- 算法问责
- 算力
- 算力调度
- 算力集群
- 算力交易
- 算力租赁
- 随机森林
- 损失函数
T
U
V
W
X
Y
Z
- Zigbee
- 在策略学习
- 责任AI
- 窄带物联网
- 张量核心
- 折扣因子
- 正则化
- 政务AI
- 支持向量机
- 知情同意
- 知识表示
- 知识表示学习
- 知识抽取
- 知识库
- 知识图谱
- 知识图谱补全
- 知识图谱构建
- 知识图谱嵌入
- 知识图谱问答
- 知识图谱与LLM融合
- 知识推理
- 知识追踪
- 指令数据集
- 指令微调
- 智慧城市
- 智慧农业
- 智慧文旅
- 智慧物流
- 智能办公
- 智能城市
- 智能穿戴设备
- 智能绘画
- 智能计量
- 智能家居
- 智能客服
- 智能农业
- 智能视频分析
- 智能搜索
- 智能体Agent
- 智能体安全
- 智能体编排
- 智能体工具链
- 智能体工作流
- 智能体评估
- 智能投顾
- 智能推荐
- 智能网关
- 智能网卡
- 智能写作
- 智能营销
- 智能制造
- 智能质检
- 智能座舱
- 智算中心
- 重要性采样
- 主成分分析
- 注意力机制
- 注意力机制
- 状态价值函数
- 姿态估计
- 自编码器
- 自动化决策
- 自动驾驶
- 自动驾驶芯片
- 自监督学习
- 自然语言处理
- 自主决策
- 自主智能体