AI Glossary

粵人工智能（日常多直接講 "AI"）

让机器模拟人类智能行为（学习、推理、感知、决策）的技术总称。

粵機器學習（口語常講 "ML"）

让计算机从数据中自动学习规律、而非依赖人工编写规则的方法。

粵深度學習

使用多层神经网络进行表征学习的机器学习分支，是当前 AI 浪潮的核心技术。

粵神經網絡

受人脑神经元启发的计算模型，由大量互相连接的节点（神经元）分层组成。

粵模型（口語有時講 "個 model"）

机器学习算法从数据中学到的参数集合，可用于对新数据做预测或生成。

粵訓練（口語常講 "train 個 model"）

用数据不断调整模型参数、使模型输出逐步逼近目标的过程。

粵推理（口語常講 "跑 inference"）

训练完成后，用模型对输入数据做预测或生成答案的阶段。

粵數據集 / 資料集

用于训练、验证和测试模型的一批结构化数据。

粵特徵

数据中用于帮助模型判断的属性或变量，如用户年龄、图像边缘等。

粵標籤

监督学习中数据的正确答案标注，如图片的类别、文本的情感倾向。

粵參數（口語常講 "參數量"、"parameters"）

模型内部可学习的数值权重；参数量（如 7B = 70 亿）常用于衡量模型规模。

粵算法 / 演算法

解决问题的明确计算步骤。机器学习算法负责从数据中学习参数。

粵AI 生成內容（口語：「AI 整嘢」）

AI Generated Content，由人工智能自动生成的文本、图像、音频、视频等内容。

粵通用人工智能（直接講 "AGI"）

Artificial General Intelligence，能像人类一样跨领域解决任意智力任务的人工智能。

粵多模態

模型能同时理解或生成多种类型的数据（文字、图像、语音、视频）。

粵詞元（口語常講 "token"）

模型处理文本的最小单位，可以是一个字、词或子词；计费和上下文长度都按 token 算。

粵嵌入（口語常講 "embedding"、"向量"）

把文字、图像等内容转换成高维数字向量，让语义相近的内容在向量空间中距离更近。

粵基準測試（口語常講 "benchmark"）

用于评估模型能力高低的标准测试集与排行榜，如 MMLU、C-Eval。

粵監督式學習

用带正确答案（标签）的数据训练模型，如分类和回归任务。

粵非監督式學習

从没有标签的数据中自动发现结构，如聚类、降维。

粵強化學習（口語講 "RL"）

智能体通过与环境交互、获得奖励反馈来学习最优策略的方法。

粵過擬合（口語：「背咗書」、"overfit 咗"）

模型把训练数据的细节和噪声都记住了，导致在新数据上表现反而变差。

粵泛化

模型在没见过的新数据上依然表现良好的能力，是机器学习的核心目标。

粵交叉驗證

把数据切成多份轮流做训练集和验证集，更可靠地评估模型水平。

粵損失函數（口語常講 "loss"）

衡量模型预测与正确答案差距的函数，训练就是不断把 loss 降下去。

粵梯度下降

沿着损失函数下降最快的方向一步步调整参数的优化算法。

粵學習率（口語常講 "learning rate"）

每次参数更新的步长；太大训练不稳定，太小收敛太慢。

粵訓練輪數（口語常講 "跑幾多個 epoch"）

完整遍历一遍训练数据称为一个 epoch。

粵批次（口語常講 "batch size"）

一次参数更新同时处理的样本数量，影响训练速度与稳定性。

粵分類

预测输入属于哪个类别的任务，如垃圾邮件识别、图像识别。

粵回歸

预测连续数值的任务，如房价预测、销量预测。

粵聚類（口語：「自動分堆"）

无监督地把相似数据自动分组的算法，如 K-Means。

粵集成學習

组合多个模型的预测结果以获得更好效果，如随机森林、XGBoost。

粵特徵工程

人工设计、加工输入特征以提升模型效果的功夫，深度学习时代前至关重要。

粵卷積神經網絡（口語講 "CNN"）

擅长处理图像的神经网络，通过卷积核提取局部特征，用于识图、检测。

粵循環神經網絡（口語講 "RNN"）

有记忆、能处理序列数据的神经网络，是早期文本处理的主力。

粵長短期記憶網絡（直接講 "LSTM"）

RNN 的改进版，能记住更长的上下文，缓解梯度消失问题。

粵變換器架構（口語直接講 "Transformer"）

基于自注意力机制的架构，是大语言模型与当代 AI 的基石（GPT 的 T 就是它）。

粵注意力機制（口語講 "attention"）

让模型在处理每个词时动态关注最相关的其他词的机制。

粵自注意力（口語講 "self-attention"）

序列内部各位置之间互相计算注意力的方式，是 Transformer 的核心。

粵反向傳播（口語講 "backprop"）

从输出层往回逐层计算梯度的算法，是训练神经网络的基础。

粵激活函數（口語講 "activation"）

为网络引入非线性的函数，如 ReLU、GELU、Sigmoid；没有它网络再深也只等于一层。

粵隨機失活（直接講 "dropout"）

训练时随机暂时丢弃部分神经元，防止过拟合的常用技巧。

粵批歸一化（口語講 "batch norm"）

把每批数据的数值范围拉回稳定区间，让训练更快更稳。

粵生成對抗網絡（口語講 "GAN"）

生成器与判别器互相博弈的训练框架，曾广泛用于图像生成。

粵擴散模型（口語講 "diffusion"）

通过逐步去噪的方式生成图像/视频的模型，是 Stable Diffusion、Midjourney 的基础。

粵自編碼器

把输入压缩再还原的网络，常用于降维、去噪和表征学习。

粵遷移學習

把在大数据上学到的知识迁移到小数据任务上，是大模型应用的基础思想。

粵微調（口語常講 "fine-tune"）

在预训练模型基础上用领域数据继续训练，让模型适应特定任务。

粵預訓練（口語講 "pre-train"）

在海量通用数据上先训练模型通用能力的第一阶段。

粵知識蒸餾（口語講 "蒸餾"、"distillation"）

让小模型学习大模型（教师）的输出，用更小体积逼近大模型效果。

粵混合專家模型（口語講 "MoE"）

把模型拆成多个专家子网络，每次只激活部分专家，兼顾规模与推理成本。

粵大語言模型（口語常講 "大模型"、"LLM"）

在海量文本上训练的超大规模语言模型，如 GPT、Claude、Qwen、DeepSeek。

粵（直接講 "GPT"）

Generative Pre-trained Transformer，OpenAI 提出的大模型架构系列名。

粵提示詞（口語常講 "prompt"）

用户发给模型的输入指令；写好 prompt 是用好大模型的关键技能。

粵提示詞工程

系统化设计和优化提示词以获得更佳模型输出的方法论。

粵系統提示詞（口語講 "system prompt"）

设定模型角色、规则和边界的隐藏指令，优先级高于用户输入。

粵上下文窗口（口語講 "context"、"窗口"）

模型一次能记住的最大 token 数；超出后早期内容会被遗忘。

粵幻覺（口語：「AI 作嘢」、"亂咁作"）

模型一本正经地编造不存在的事实，是大模型落地最需要防范的问题。

粵檢索增強生成（口語講 "RAG"）

先从知识库检索相关资料、再让模型基于资料作答，缓解幻觉、支持私有知识。

粵（直接講 "RLHF"）

用人类偏好数据训练奖励模型、再优化大模型，使其输出更符合人类期望。

粵智能體（口語常講 "agent"、"AI 助手"）

能自主规划、调用工具、执行多步任务完成目标的 AI 系统，是大模型应用的主流形态。

粵工具調用（口語講 "call tool"、"function calling"）

让大模型按需调用外部接口（搜索、数据库、下单等）扩展能力边界。

粵思維鏈（口語講 "CoT"、"諗逐步啲"）

引导模型把推理过程一步步写出来，可显著提升数学与逻辑题表现。

粵少樣本學習（口語講 "few-shot"）

在提示词里给几个示例让模型照着做，无需重新训练。

粵零樣本學習（口語講 "zero-shot"）

不给任何示例、直接让模型完成任务的能力。

粵温度（口語講 "temperature"）

控制输出随机性的参数：低温稳定保守，高温发散有创意。

粵（口語講 "top-p"）

只从概率累积前 p 的候选词中采样，是另一种控制输出随机性的方式。

粵微調定 RAG（口語：「改模型定搵資料"）

改模型行为风格用微调；注入最新/私有知识用 RAG，两者常组合使用。

粵（直接講 "LoRA"）

只训练少量低秩矩阵插值即可微调大模型的方法，显存占用小、成本低。

粵量化（口語講 "量化"、"quantize"）

把模型权重从高精度（如 FP16）压到低精度（INT8/INT4），换更小体积更快推理。

粵推理優化

通过 KV 缓存、批处理、并行加速等手段降低推理延迟与成本。

粵開源模型（口語講 "開源模型"）

公开权重可自行部署的模型，如 Llama、Qwen、DeepSeek，与闭源 API 相对。

粵接口（口語直接講 "API"）

程序之间调用的标准接口；调用大模型最常见的方式就是 API。

粵流式輸出（口語：「打字機效果」）

模型边生成边返回（像打字机），显著改善首字等待体验。

粵視覺語言模型（口語講 "VLM"、"多模態模型"）

能看图并理解/回答问题的模型，如 GPT-4V、Qwen-VL。

粵自然語言處理（口語講 "NLP"）

让计算机理解和处理人类语言的技术领域，涵盖翻译、摘要、问答等。

粵分詞 / 切詞（口語講 "tokenize"）

把文本切成模型能处理的 token 序列；中英混合的分词方式影响成本与效果。

粵詞向量（口語講 "embedding"）

把词表示成向量，语义相近的词向量距离更近，如 word2vec。

粵語義搜索（口語：「意思搜索"，唔係淨係鬥字面）

按含义而非关键词字面匹配来检索，是 RAG 的第一步。

粵向量數據庫

专门存储和高速检索向量的数据库，如 Milvus、Pinecone、Faiss。

粵文本分類

判断一段文字属于哪个类别的任务，如情感分析、垃圾识别。

粵命名實體識別（口語講 "NER"）

从文本中识别出人名、地名、机构、时间等实体的技术。

粵機器翻譯

用模型自动在语言之间翻译，是 NLP 最经典的应用之一。

粵文本摘要（口語：「幫我縮短佢"）

把长文本自动压缩成要点或一句话摘要。

粵意圖識別

判断用户说这句话想干什么，是智能客服、语音助手的核心模块。

粵語音識別（口語講 "ASR"、"語音轉文字"）

把语音自动转成文字的技术。

粵語音合成（口語講 "TTS"、"文字轉語音"）

把文字自动转成自然人声的技术。

粵顯示卡 / 火牛（口語直接講 "GPU"）

擅长并行计算的处理器，是训练和运行 AI 模型的核心算力硬件。

粵AI 芯片（口語講 "NPU"）

专为神经网络计算设计的芯片，如手机端 NPU、云端推理卡。

粵顯示卡記憶體 / 顯存

GPU 自带的高速内存；跑大模型时显存大小常比算力更先成为瓶颈。

粵（直接講 "FLOPS"）

衡量芯片算力的单位，如 1 TFLOPS = 每秒一万亿次浮点运算。

粵精度（口語講 "FP16"、"BF16"）

模型计算使用的数字精度：位数越低越省显存更快，但需要模型支持稳定训练/推理。

粵高帶寬內存（直接講 "HBM"）

GPU 搭载的高带宽显存技术，决定大模型推理的吞吐上限。

粵（直接講 "CUDA"）

英伟达 GPU 的并行计算平台与编程模型，是 AI 生态的事实标准。

粵算力集群（口語講 "cluster"）

把大量 GPU 服务器用高速网络连成整体，供大模型训练使用。

粵推理卡定訓練卡

训练卡要求高算力与互联带宽；推理卡更看重显存、成本与能效。

粵雲服務器（口語講 "雲主機"）

按需租用的云端计算资源，AI 应用常部署在云服务器上。

粵容器（口語講 "container"、"Docker"）

把应用连同环境打包成标准单元的技术，让服务部署一致可移植。

粵邊緣計算

在靠近数据源的设备端就近运行 AI，降低延迟、保护隐私。

粵吞吐量同延遲

吞吐=单位时间处理量（越高越省成本）；延迟=单次请求耗时（越低体验越好）。

粵冷啟動

服务从零启动到可用的耗时；Serverless AI 推理需要特别关注冷启动延迟。

粵（直接講 "MLOps"）

把模型训练、评估、部署、监控串成自动化流水线的工程体系。

粵A/B 測試（口語：「AB test"）

把新旧方案各给一部分用户对比效果，用数据决定上线与否。

粵評估集（口語講 "eval set"）

专门用于客观评估模型/系统效果的固定数据集，防止「自己考自己」。

粵模型服務化（口語講 "serve 個 model"）

把训练好的模型包装成可被业务系统调用的稳定在线服务。

粵負載均衡

把请求分发到多台服务器的技术，保证高并发下服务稳定。

粵緩存（口語講 "cache"）

把重复请求的结果存起来直接返回，是大模型应用省钱的利器。

粵限流（口語講 "限速"）

限制单位时间请求数，保护服务与控制成本。

粵可觀測性

通过日志、指标、链路追踪让系统运行状态透明可查。

粵（直接講 "CI/CD"）

代码提交后自动构建、测试、上线的工程实践。

粵數據流水線（口語講 "pipeline"）

把数据采集、清洗、加工、入库自动化的处理链路。

粵真實標註（口語講 "ground truth"）

作为评测基准的权威正确答案数据。

粵人機協同

关键环节保留人工审核与反馈，兼顾自动化效率与结果可靠。

粵AI 倫理

研究 AI 技术应用的道德准则与价值对齐，如公平、透明、可问责。

粵對齊（口語講 "alignment"）

让 AI 的目标与人类意图和价值观保持一致的研究方向。

粵偏見

训练数据中的偏见会被模型学去并放大，导致不公平输出。

粵隱私計算

在数据可用不可见的前提下联合计算的技术，如联邦学习、差分隐私、机密计算。

粵聯邦學習

数据不出本地、只交换模型参数的协同训练方式，金融医疗常用。

粵差分隱私

通过加入可控噪声，确保单个用户的数据无法从结果中被反推。

粵提示詞注入（口語講 "prompt injection"）

在输入中夹带恶意指令劫持模型行为，是 AI 应用最常见的安全风险之一。

粵越獄（口語講 "越獄"、"jailbreak"）

绕过模型安全限制诱导其输出违规内容的行为，厂商与攻击者持续攻防。

粵深度偽造（口語講 "deepfake"、"AI 換臉"）

用 AI 伪造逼真人脸、声音、视频的技术，被滥用会带来诈骗与虚假信息风险。

粵數字水印

在 AI 生成内容中嵌入隐藏标识，用于识别内容是否由 AI 生成。

粵內容審核

自动识别并处置违规内容的技术与流程，AI 平台的必备能力。

粵模型卡（口語講 "model card"）

随模型发布的说明文档，披露能力、局限、训练数据与风险，提升透明度。