AI知识探索库

“小模型”与“大模型”的区别，可以从两个层面来理解：一是它们通常所指的技术范畴不同，二是在参数量级上的相对差异。 简单来说，“大模型”通常特指基于Transformer架构的生成式AI模型，而“小模型...

决策式AI(Decisional AI)，在学术界和工业界更常被称为判别式AI(Discriminative AI)或分析式AI。 它是生成式AI出现之前，人工智能领域长期占据主导地位的技术形态。它的...

在人工智能飞速发展的今天，技术不仅在提升效率，也在悄然改变着职场格局。那些重复性高、规则清晰、创意与情感需求较低的工作，正最先迎来AI的深度渗透。

稀疏注意力机制是Transformer模型中通过限制注意力计算范围、仅关注关键信息片段的优化技术，将传统注意力机制的O(n²)计算复杂度降至O(n·k)或O(n log n)，从而高效处理超长序列数据...

全监督微调(Full Supervised Fine-Tuning)，也常被称为全参数微调（Full-Parameter Fine-Tuning），是微调大语言模型最经典、最彻底的一种方式。 简单来说...

AI视觉检测技术是工业制造领域的“火眼金睛”，它利用机器视觉系统(如工业相机、光源、处理器)代替人眼，结合人工智能算法(特别是深度学习)，对产品进行非接触式的测量、识别和缺陷检测。 这项技术正在推动制...

原生多模态大模型(Native Multimodal Large Model)代表了人工智能技术的一次重要架构革新。与传统的多模态模型不同，它从底层设计之初，就是为了统一处理和理解多种信息模态而构建的...

监督学习的任务就是学习一个模型，应用这个模型，对给定的输入预测相应的输出。这个模型一般为决策函数：Y=f(X) 或 条件概率分布：P(Y|X)。 监督学习的学习方法可以分为生成方法（generativ...

对比散度(Contrastive Divergence，简称CD)是深度学习领域中一种非常巧妙的算法，由著名科学家杰弗里·辛顿(Geoffrey Hinton)在2002年提出。它的核心作用是高效地训...

“AI原生”(AI-Native)和“AI”(通常指AI赋能或AI附加)的核心区别，在于AI是产品的“基因”还是“插件”。 简单来说，AI原生是指产品从诞生之初就是为了AI而设计的，AI是其核心驱动力...

人工智能发展迅速，但为何无法真正超越人类？本文从意识、通用智慧、创造力、情感共情、自主进化五个角度，科普AI与人类的本质区别，告诉你AI只是工具，无法替代人类。

豆包是面向普通用户的开箱即用型AI对话助手，直接提供聊天、写作、学习等现成功能；而Coze（扣子）是面向开发者与企业用户的AI智能体开发平台，用于创建和部署自定义AI助手或自动化工作流。两者属于互补关...

监督学习(Supervised Learning)是机器学习中最基础、应用最广泛的一种方法。你可以把它理解为“有老师指导的学习”。 它的核心逻辑是：我们给计算机提供大量的“题目”(输入数据)和对应的...

Token是大模型处理文本前的必要预处理步骤中产生的最小语义单元，将连续文本切分为模型可计算的离散化单元。这一过程称为分词（Tokenization），平衡语义完整性与计算效率：既保留足够语义信息，又...

大模型温度值(Temperature)是一个核心参数，用于控制AI在生成文本时的随机性和创造性。 你可以把它想象成一个控制AI“脑洞大小”的旋钮： 低温：AI会变得严谨、保守，像一个一丝不苟的科学家...

AI模型生命周期是指一个AI模型从最初的构思、开发，到部署上线、持续运行，直至最终退役的完整过程。它借鉴了软件工程的理念，形成了一套系统化的管理方法（通常被称为MLOps），确保AI项目能够高效、可靠...

Claude Code是Anthropic推出的终端侧AI编程智能体（Agent），直接在开发者本地终端环境中自主理解代码库、规划任务、修改文件、执行命令并处理Git工作流，而非仅提供代码补全建议。与...

AI工作流软件是面向创作者与企业团队的自动化效率工具，通过可视化节点编排，将大模型推理、工具调用、数据处理、逻辑判断等环节串联为标准化任务流水线。支持定时、事件触发等多种启动模式，可对接主流大模型与上...

小米miclaw是小米基于自研MiMo大模型开发的系统级AI智能体（Agent）测试产品，验证大模型在“人车家全生态”中从“对话能力”向“系统级执行能力”的落地路径。特点是能自主调用手机、PC、IoT...

大模型MaaS（Model as a Service，模型即服务）是一种将预训练大模型通过标准化API接口提供按需调用的服务模式，让用户无需自建算力、无需部署模型，即可像使用水电一样直接调用AI能力...

华为的AI大模型官方名称为盘古大模型（Pangu Large Models），是华为自研的全栈式产业级大模型系列，最新版本为2026年6月12日发布的openPangu 2.0。深度适配行业场景的国产...

Vision Transformer (ViT) 是计算机视觉领域的一个里程碑式模型，它由Google Research团队在 2020 年提出。ViT的核心突破在于，它打破了卷积神经网络(CNN)在...

生成式概率模型(Generative Probabilistic Model)是人工智能领域中一类通过学习数据内在分布规律，从而能够生成与真实数据相似的新样本的模型。 简单来说，它就像一个“数据模仿大...

人工智能技术的核心并不复杂，普通人只要记住这三部分就够了。 一、AI算力 如果把人工智能技术框架看作一个金字塔，那么算力就处于金字塔底部，它代表硬件等基础设施。这一点很好理解，因为人工智能是建立在互联...

豆包（Doubao）是字节跳动公司自主研发的多功能人工智能助手，通过北京春田知韵科技有限公司运营。定位是覆盖生活、学习、工作全场景的“陪伴型”AI工具，以免费基础功能+分层付费增值服务模式服务用户，月...

混合滑动窗口注意力（Hybrid Sliding Window Attention, Hybrid SWA） 是一种旨在解决大语言模型(LLM)处理超长文本时计算成本过高问题的先进架构设计。 简单来说...

大模型RAG是Retrieval-Augmented Generation(检索增强生成)的缩写。 简单来说，它是一种让大模型在回答问题时，不再仅靠“死记硬背”的训练数据，而是先像查字典一样去外部知识...

大模型解码器（Decoder） 是大语言模型(LLM)和序列生成任务中的核心组件，主要负责根据已生成的内容和上下文信息，预测并生成下一个词（Token），从而逐步构建出完整的输出序列。 在现代大模型架...

具身大模型（Embodied Large Model），通俗来说，就是给强大的人工智能(AI)装上了一个“物理身体”，让它不仅能“思考”，还能在现实世界中“行动”。 它是“大脑”（大模型）与“身体...

奖励模型训练(Reward Model Training)是人工智能，特别是大型语言模型(LLM)对齐(Alignment)过程中的一个关键环节。它的核心目标是训练出一个能够模仿人类偏好、对AI生成内...