概念词汇表：A¶
本页整理拼音首字母为 A 的中文概念词条。词条正文由单词源文件 include 生成。
抽象数据类型¶
- 含义：抽象数据类型按必须提供的操作来定义数据结构，而不是按内部如何存储来定义。关键承诺是使用者能做什么，例如压入、弹出、入队、出队或查看队首元素。
- 为什么重要：它把结构的可见行为和具体实现分开。栈或队列可以用数组、链式结构或其他内部布局实现，但概念操作保持一致。这个区分有助于理解 API 设计、实现选择，以及同一个概念为什么可以有多种具体形式。
- 相关概念：
数据结构，操作，实现 - 中心 Section：
P2-9.1 - 出现 Section：
P2-9.4
问责¶
- 含义：问责是指 AI 系统的输出、决策和自动化行为背后必须有可识别的人或组织责任。它追问出问题时谁审查、批准、解释、修正并运行了系统。
- 为什么重要：AI 结果即使有风险，也可能显得流畅而权威。在高影响场景中，需要日志、批准记录、审查流程和责任边界，避免问题被简单归为“模型自己做的”。问责不只是失败后的追责，也是部署前让责任可见的设计原则。
- 相关概念：
人工监督，安全性，审查，日志 - 中心 Section：
P1-15.1 - 出现 Section：
P1-10.3
准确率¶
- 含义：准确率是正确预测数除以全部预测数得到的比例。它是分类任务中最直观的指标之一，因为能快速概括模型有多常选对答案。
- 为什么重要：准确率适合作为第一眼检查，但也可能遮住重要的失败模式。在数据不平衡时，模型可能看起来准确，却忽略少数但重要的类别。读者应把准确率当作起点，并继续追问剩下哪些错误、哪些错误代价更高、是否需要其他指标。
- 相关概念：
损失曲线，验证，测试 - 中心 Section：
P2-13.3 - 出现 Section：
P2-14.2
行动¶
- 含义：行动是智能体在某个状态下实际选择并执行的操作。在搜索或强化学习中，它会改变环境；在服务型智能体中，它可以是搜索、读取文件、调用 API、编辑文档或报告结果。
- 为什么重要：行动是推理变成状态变化的地方。可用行动集合决定智能体能完成什么、会产生什么风险、接下来能取得哪些观察。这个概念有助于区分内部计算和外部执行，也说明工具权限和行动设计为什么同时影响能力与安全。
- 相关概念：
状态，策略，奖励，观察 - 中心 Section：
P1-8.3 - 出现 Section：
P1-7.1，P1-14.3
行动区间¶
- 含义：行动区间是一种运营分类，用来说明接下来需要什么处理，例如立即修正、重新确认或放到后续迭代改进。它按下一步实际反应分类，而不只按理论失败类型分类。
- 为什么重要：看起来相似的信号可能需要不同处理。有些问题会打断读者，需要立即修正；有些应先复现；有些属于后续改进计划。行动区间让运营记录不只是被动问题列表，而是把每个观察连接到具体下一步。
- 相关概念：
下一步行动，优先级，重新确认，改进计划，事件记录 - 中心 Section：
P7-7.3 - 出现 Section：
P7-7.2，P7-7.4
激活值¶
- 含义：激活值是模型层或计算步骤内部产生的中间值。它不是最终答案，而是输入经过网络时暂时形成的内部反应。
- 为什么重要：神经网络不会从输入直接跳到答案，而是形成一连串中间表示。激活值就是把这些表示继续传下去的数值。理解激活值有助于把网络看成一系列计算，而不是封闭的答案盒子。
- 相关概念：
表示，向量，参数 - 中心 Section：
P1-3.3 - 出现 Section：
P1-4.3，P1-8.2，P3-6.1，P3-6.2，P5-10.1，P5-10.2
激活函数¶
- 含义：激活函数会在中间分数或加权和传给下一层或输出前，对它进行变换。它引入非线性反应，而不是把简单线性组合原样传下去。
- 为什么重要：如果只反复做线性组合，深层网络的表达力不会增加太多。激活函数让层能够形成更复杂的决策边界和表示，同时也影响梯度流动和训练稳定性。它解释了深度网络为什么既需要堆叠层，也需要非线性反应曲线。
- 相关概念：
线性组合，激活值，隐藏层 - 中心 Section：
P5-1.2 - 出现 Section：
P5-3.1，P5-3.2
适配器¶
- 含义：适配器是在基础模型周围或中间插入的小模块，用来在不重新训练整个模型主体的情况下适配新任务。它把任务特定变化集中在较小组件中，而主模型大体保持共享。
- 为什么重要：适配器方法属于高效适配技术的一类。它和 LoRA、微调相关，但新增结构的位置和更新保存方式不同。这个概念有助于把高效调优看成一组设计选择，而不是单一方法名。
- 相关概念：
LoRA，微调，参数 - 中心 Section：
P6-9.5
智能体¶
- 含义：智能体是一种执行结构，会接收目标、检查状态、选择行动、观察结果，并跨多个步骤持续推进。本书中通常指协调搜索、工具使用、审查和重试的服务型或系统型智能体。
- 为什么重要：一次聊天回答和多步骤智能体工作流不是同一件事。智能体质量不仅取决于模型，还取决于计划、工具选择、状态跟踪、停止条件和失败恢复。这个概念也有助于区分服务型智能体和强化学习智能体。
- 相关概念：
工具，编排，测试框架，观察，停止条件 - 中心 Section：
P1-14.3 - 出现 Section：
P1-14.4，P1-14.5，P1-14.6，P6-14.1，P6-14.2，P6-15.1，P6-15.2，P7-6.1，P7-6.2
聚合¶
- 含义：聚合把许多行或许多数值变成更小的摘要值，例如平均值、总和、计数或比率。它让人按分组或摘要模式阅读表格，而不是逐行阅读每个值。
- 为什么重要：大表不会因为很大就自动回答问题。聚合帮助判断当前问题需要哪种摘要，以及某些模式是否只有分组之后才出现。它也提醒读者，单一平均值可能隐藏计数、比率或子群差异。
- 相关概念：
groupby，筛选，列 - 中心 Section：
P2-12.2 - 出现 Section：
P2-12.3，P3-1.2
AI，人工智能¶
- 含义：人工智能是一个宽泛领域和系统类别，包含执行与智能相关功能的计算方法，例如规则推理、搜索、学习、生成和规划。它不是某一个模型或某一种近期技术的名字。
- 为什么重要：日常说法中常把 AI、机器学习、深度学习、生成式 AI 和 LLM 混在一起。这个概念提供最高层级的类别，帮助区分问题领域、学习方法、模型家族和已部署服务，也让关于 AI 进展的说法更精确。
- 相关概念：
机器学习，深度学习，生成式 AI，大语言模型 - 中心 Section：
P1-1.1 - 出现 Section：
P1-index，P1-1.2，P1-summary
警报等级¶
- 含义：警报等级是更细的运营标签，用来表示审查紧急程度，例如观察、复核或行动。它不证明问题一定真实，而是标记该信号应多快、多仔细地检查。
- 为什么重要：单个差距很大并不总是意味着要立即行动，特别是在样本量小或信号可能只是一次性波动时。警报等级把差异大小、重复性、最近性和读者影响结合成更实际的检查顺序，帮助运营从原始信号走向优先审查。
- 相关概念：
行动区间，优先级，重新确认，状态检查，事件记录 - 中心 Section：
P7-7.4 - 出现 Section：
P7-summary
AlexNet¶
- 含义：AlexNet 是通过 2012 年 ImageNet 竞赛广泛展示深层卷积神经网络和 GPU 训练威力的模型。它既是一个具体模型，也是深度学习转折点的象征。
- 为什么重要：AlexNet 说明深度学习为什么在图像识别中不再只是研究趋势。它的影响来自大数据、更深的 CNN 和大规模计算的结合。它帮助读者理解，后续模型为什么建立在“学习到的表示可以替代许多手工设计图像特征”这一思想之上。
- 相关概念：
深度学习，卷积神经网络，学习到的表示 - 中心 Section：
P1-9.1
对齐¶
- 含义：对齐是让模型行为符合人的意图、安全规则和政策约束的设计问题。它不只是理解指令，还包括避免不可接受输出，并在敏感情境中谨慎行动。
- 为什么重要：能力更强的模型不会自动更安全。对齐把有用性和可接受行为分开，说明为什么性能、真实性、拒答边界和安全约束必须一起考虑。它也区分了模型行为和权限、审批流程等外部控制。
- 相关概念：
指令微调，提示，评价 - 中心 Section：
P6-9.2 - 出现 Section：
P6-16.1
ANN，近似最近邻¶
- 含义：近似最近邻搜索会快速找到足够接近的向量候选，而不是总保证绝对最近的项目。它有意用完美最优性换取大规模场景下的速度。
- 为什么重要：大规模向量集合会让精确比较变得昂贵。ANN 方法解释了真实搜索系统为什么常选择快速且足够好的候选，而不是等待太慢的精确答案。这个概念把向量搜索质量与延迟、内存使用和服务约束连接起来。
- 相关概念：
最近邻，搜索索引，向量数据库 - 中心 Section：
P1-13.4 - 出现 Section：
P6-3.4
应用¶
- 含义：应用是用户发送请求并接收结果的产品层。它包括输入收集、输出展示、审批流程、错误处理、日志，以及围绕模型的交互设计。
- 为什么重要：用户体验到的是应用，而不是模型本身。同一个模型在不同应用流程中可能显得可靠，也可能显得混乱。这个概念帮助读者看到，产品质量不仅取决于模型能力，也取决于界面设计、工作流设计和运营控制。
- 相关概念：
模型，工具，编排，智能体 - 中心 Section：
P1-14.1 - 出现 Section：
P1-14.2，P1-14.3
批准¶
- 含义：批准是在行动执行前检查某个人或政策是否允许这次行动的步骤。权限说明什么可能被允许；批准则追问这个具体行动现在是否应该继续。
- 为什么重要：AI 服务可能触发会修改文件、发送消息、付款或影响真实用户的行动。批准在这些行动发生前建立控制点，帮助在自动化速度和人工监督之间取得平衡，并明确能力和授权不是一回事。
- 相关概念：
工具使用，工具调用，编排，权限，人工监督 - 中心 Section：
P1-14.2 - 出现 Section：
P6-15.2，P6-17.2，P7-6.2
批准策略¶
- 含义：批准策略定义哪些行动可以自动运行，哪些需要人工批准，哪些应被保留或阻止。它是可复用的运行规则，而不是一次性的是否决定。
- 为什么重要：同一个工具的风险会随上下文变化。读取文件、修改文件、运行测试和改变生产状态不应由同一个默认规则管理。批准策略让自动化保持一致，并把范围、日志和保留状态纳入系统设计。
- 相关概念：
批准，权限，范围，保留状态，日志 - 中心 Section：
P7-6.3 - 出现 Section：
P1-14.5，P7-6.1，P7-6.2
实参¶
- 含义：实参是在调用函数时实际传入的值。参数是函数定义中的名字；实参是在调用时提供的具体值。
- 为什么重要：函数定义和函数调用回答的是不同问题。定义说明函数期待什么，调用展示现在提供了什么。这个区分帮助读者理解示例、错误消息，以及同一个函数为什么会因不同输入而表现不同。
- 相关概念：
参数，函数，返回值 - 中心 Section：
P2-8.5 - 出现 Section：
P2-8.6，P2-10.3
数组¶
- 含义：数组是一种让值能按位置和索引读取的结构。在数值计算中，它通常指沿轴排列、具有形状的一块数值，并可被整体处理。
- 为什么重要：数组不只是容器，也是计算形状。理解数组能为 shape、axis、广播、切片和向量化运算做准备，也能把简单值列表和可成组计算的数据排列区分开来。
- 相关概念：
表，索引，数据结构 - 中心 Section：
P2-9.2 - 出现 Section：
P2-11.1，P2-11.2，P2-12.1
赋值¶
- 含义：赋值把一个名字连接到某个值或对象。它不一定创建新副本；很多时候只是让一个名字引用已有对象。
- 为什么重要：在 Python 中，误解赋值会让可变对象如列表或字典通过多个变量一起变化的现象变得难懂。赋值是理解引用、复制、对象共享，以及代码中的
=为什么不同于数学相等的起点。 - 相关概念：
变量，引用，值 - 中心 Section：
P2-8.7 - 出现 Section：
P3-7.4
注意力¶
- 含义：注意力是一种结构，让模型在产生输出时对输入序列中的不同位置赋予不同权重。它不是把每个输入位置同等对待，而是让与当前计算更相关的部分产生更大影响。
- 为什么重要：注意力减少了把长输入压缩成单个固定向量的瓶颈，并标志着向 Transformer 模型过渡的关键一步。它为理解自注意力、多头注意力和长上下文行为做准备，因为模型可以根据任务重新分配关注位置。
- 相关概念：
Seq2Seq，Transformer，语言建模，自注意力，固定长度向量 - 中心 Section：
P1-11.2 - 出现 Section：
P1-9.3，P5-12.2，P5-13.1，P5-13.2，P5-14.1，P5-14.2
属性¶
- 含义：属性是附着在对象上的值或状态，通常用点号访问。例如
sample.text这样的表达式读取对象持有的信息。 - 为什么重要：点号语法可能表示不同事情。有些点号名称读取属性，另一些则调用方法，例如
model.fit()。理解属性有助于阅读面向对象代码和库文档时，区分保存的信息和可执行行为。 - 相关概念：
对象，方法，类 - 中心 Section：
P2-8.6 - 出现 Section：
P2-11.1，P2-12.1
增强¶
- 含义：在 RAG 中，增强是把检索到的材料附加到当前输入上下文中，让模型生成答案时可以使用。它不只是找到文档，而是把找到的材料整理成可用上下文。
- 为什么重要：只有检索并不能保证答案有依据。RAG 系统质量取决于附加了什么、附加多少，以及以什么顺序或格式放入提示中。增强帮助读者区分“找到信息”和“让生成过程能使用这些信息”。
- 相关概念：
检索增强生成，生成，提示 - 中心 Section：
P1-13.3 - 出现 Section：
P1-14.1
自动评价¶
- 含义：自动评价是在标准足够明确时，用程序规则或评价模型反复检查输出，例如格式有效性、基础评分或回归检查。
- 为什么重要：自动评价适合快速比较大量候选，并在同一规则下发现回归。它不能替代对上下文、歧义和用户影响的人工判断。这个概念帮助读者区分可扩展的重复测量和更深入的解释性审查。
- 相关概念：
评价，人工评价，回归，评分器 - 中心 Section：
P6-16.2 - 出现 Section：
P6-17.1
自动提示优化¶
- 含义：自动提示优化把提示设计当作迭代搜索问题。候选提示会被生成、在多个输入上测试、评分、比较，并在评价循环中继续改进。
- 为什么重要：提示改进不必只依赖手工措辞直觉。这个概念说明提示设计可以连接到候选生成、评价标准和选择流程，也明确指出，找到更好的提示取决于先定义什么叫更好。
- 相关概念：
提示工程，评价，自一致性 - 中心 Section：
P6-10.3
Axes¶
- 含义：在 Matplotlib 中，Axes 是实际绘制数据的单个坐标区域。虽然名字看起来像复数，但通常可以理解为图中的一个绘图区，线、点、柱、轴标签和图例都附着在这里。
- 为什么重要：当一个 Figure 中并排放多个图时，需要知道某条线或某个点属于哪个绘图区。理解 Axes 才能区分命令是在设置整个图，还是在设置某个具体图格。
- 相关概念：
Figure，轴，图 - 中心 Section：
P2-13.1 - 出现 Section：
P2-13.2，P2-13.3
轴¶
- 含义：轴是在数组或图中用来说明值沿哪个方向排列或计算的方向。在 NumPy 中，axis 指定沿哪个维度求和、平均或切片；在图中，轴则帮助读者读出数值方向和尺度。
- 为什么重要：许多数组错误不是值错了，而是沿错了方向计算。理解轴能帮助读者区分行方向、列方向和更高维度的计算，也能在图表中正确阅读坐标和标签。
- 相关概念：
数组，shape，Axes - 中心 Section：
P2-11.2 - 出现 Section：
P2-11.3，P2-13.1