AI知识探索库

你可以把AI的“训练”和“推理”想象成一个学生的“学习”和“考试”过程。 训练 (Training)：就像学生上课、看书、做练习，目的是学习和掌握知识。 推理 (Inference)：就像学生参加考试...

腾讯的大模型系列统一被称为“混元”(Hunyuan)。 不过，为了适应全球化发展，腾讯在2025年底对品牌进行了升级，现在对外(特别是国际市场和技术文档中)也常简称为 “HY”。 中文名称：腾讯混元 ...

大模型标注早已不是简单的“给图片画框”或“数据搬运”，它更像是给AI当“老师”或“阅卷官”。 简单来说，大模型标注的核心任务是将人类的价值观、逻辑判断和专业知识“教”给AI，让它从“能说话”变成“会说...

模型推理(Model Inference)，简单来说，就是AI模型“学以致用”的过程。 如果把“模型训练”比作学生在学校里通过海量书本学习知识、通过考试不断修正错误(建立模型);那么“模型推理”就是这...

神经网络(Neural Network)，全称人工神经网络(ANN)，是一种受生物大脑结构启发而设计的计算模型，也是现代人工智能和深度学习的核心基石。 你可以把它想象成一个由无数简单计算单元(模仿生物...

过拟合(Overfitting)，也叫“过适”，是机器学习中最常见的问题之一。 简单来说，过拟合就是模型“死记硬背”了训练数据，却没能学会其中的规律。这就像一个学生为了应付考试，把练习题的答案全部背了...

单跳检索(Single-hop Retrieval)是最基础、最直接的信息检索方式。 简单来说，它就像“查字典”或“直接问答”：用户提出一个问题，系统只需要在数据库中进行一次查询，就能在单个文档或片段...

多跳检索(Multi-hop Retrieval)是一种高级的检索增强生成(RAG)技术，旨在解决那些无法通过单次查询直接回答的复杂问题。 如果说普通的检索是“查字典”(一步到位)，那么多跳检索就是...

知识图谱(Knowledge Graph，简称 KG)是一种结构化的语义知识库。 简单来说，它不是像传统数据库那样把数据存在表格(行和列)里，而是把数据组织成一张巨大的“网”。在这张网中，实体(如人...

向量嵌入(Vector Embedding，简称“嵌入”)是人工智能和机器学习领域中的一种核心技术，主要用于将离散的对象(如单词、句子、图像、用户ID等)转换为连续的低维向量(即一串数字列表)。 简单...

RAG(检索增强生成,Retrieval-Augmented Generation)是一种让大模型 “先查资料再回答” 的技术。它把企业文档、知识库等内容向量化并存入向量库;用户提问时先检索最相关片段...

AI幻觉指大语言模型生成看似流畅合理、实则与客观事实相悖的虚假信息，常被形容为 “一本正经胡说八道”。核心源于模型基于概率生成文本，缺乏真实理解与事实校验，易捏造数据、文献、事件等。分为事实性、逻辑与...

AI幻觉(AI Hallucination)，在人工智能领域通常指大型语言模型(LLM)或其他生成式AI系统生成的看似合理但实际上错误、虚构或与事实不符的内容。 这种现象之所以被称为“幻觉”，是因为A...

文生视频(Text-to-Video)是人工智能生成内容(AIGC)领域的一项核心技术，指的是用户只需输入一段文字描述(提示词/Prompt)。 简单来说，就是“你写剧本，AI当导演和摄影师”。 1...

扩散模型(Diffusion Models)是目前人工智能领域，特别是生成式AI(AIGC)中最核心、最主流的算法架构之一。 简单来说，它的核心用途是：从随机噪声中“变”出高质量的数据(如图片、音频...

文生图(Text-to-Image Generation)是指利用人工智能技术，根据用户输入的文字描述(Prompt)，自动生成对应的图像。 简单来说，就是“你用语言描述一个画面，AI就把它画出来...

ASR语音识别技术(Automatic Speech Recognition，自动语音识别)是一种将人类的口语语音自动转换为书面文字的计算机技术。 如果说TTS(文本转语音)是让机器“开口说话”，那么...

TTS语音引擎(Text-to-Speech Engine，文本转语音引擎)是一种将书面文字自动转换为自然流畅的口语语音的技术系统或软件核心组件。 简单来说，它的作用就是让机器“开口说话”。当你输入一...

很多人用大模型写文案、做对话时，总会看到「Token 超限」「Token 计费」，却不知道Token到底是什么。其实简单来说，Token(词元)就是大模型“认字、读句子”的最小基础单位。 我们可以打个...

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...

AIGC是Artificial Intelligence Generated Content的缩写，中文译为 “人工智能生成内容”。 它是指利用人工智能技术(特别是深度学习、大语言模型、扩散模型等)来...

大模型分词器(Tokenizer) 是大型语言模型(LLM)的“翻译官”和“预处理引擎”。它的核心作用是将人类可读的自然语言文本(字符串)，转换为模型能够理解和计算的数字序列(词元 IDs)，以及在模...

词元（Token）是人工智能处理文本的最小单位。它不等于单词或汉字，而是将文本切割成的碎片，如英文词根、中文单字或常见词组。模型通过词元理解语义、生成内容。其数量直接决定AI处理的成本、速度及上下文长...

RNN (Recurrent Neural Network，循环神经网络) 是一种专门用于处理序列数据的深度学习模型。 它的核心特点是具有“记忆”功能：它在处理当前输入时，不仅考虑当前的信息，还会利用...

生成式 AI (Generative AI) 和决策式 AI (Decisional AI / Discriminative AI) 是人工智能的两个主要分支，它们的核心区别在于目标不同：一个是“创造...

CNN(Convolutional Neural Network，卷积神经网络) 是一种专门用于处理具有网格结构数据(如图像、视频、音频频谱图)的深度学习模型。它是计算机视觉领域的基石，广泛应用于图像...

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...

前馈神经网络(Feedforward Neural Network, FNN)，也称为多层感知机(Multilayer Perceptron, MLP)，是人工神经网络中最基础、最经典的结构。它的核心...

要把自注意力机制(Self-Attention)讲得通俗易懂，我们完全可以把那些复杂的数学公式( Q,K,VQ,K,V 、矩阵乘法、Softmax)先扔到一边。 你可以把它想象成人类在阅读时的一种“本...

大模型编码器（Encoder） 是大语言模型(尤其是基于Transformer架构的模型)中的核心组件，它的角色可以比喻为人类的“感官与理解中枢”。 简单来说，它的作用是将人类可读的原始数据(文字、图...