概念词汇表：C¶

本页整理拼音首字母为 C 的中文概念词条。词条正文由单词源文件 include 生成。

策略型强化学习(policy-based reinforcement learning)¶

• 含义: 策略型强化学习不是先给状态或行动建立价值记分板，而是直接调整选择行动的 policy。它更接近直接改变行动方式，而不是先算分数再选择。把 policy parameters 朝平均 reward 更高的方向更新，是这种方法的代表性下位方式。
• 为什么重要: 这个概念帮助读者区分 value-based 方法和 policy-based 方法在强化学习中的学习对象。它也说明为什么在连续行动、随机行动选择、以及结合 value estimate 更新 policy 的方法里，直接调整 policy 会更自然。
• 相关概念: 强化学习(reinforcement learning), 强化学习策略(reinforcement learning policy), 奖励(reward)
• 核心 Section: P4-19.2
• 出现 Section: P4-2.3, P4-19.3, P4-19.4

vocabulary¶

• 含义：tokenizer vocabulary 是 tokenizer 能生成的 token 片段，以及这些片段对应 ID 的内部列表。这里的 vocabulary 不是人使用的词典，而是模型输入片段的计算用查询表。
• 为什么重要：同一个原始字符串会因为 vocabulary 和切分规则不同，变成不同的 token 片段、token 数和 token ID。这个概念能帮助读者把 token ID 看成 vocabulary 项目编号，而不是词义说明；也能解释 tokenizer 选择为什么会影响成本和上下文长度。
• 相关概念：词元(token)，分词(tokenization)，词元 ID(token ID)，嵌入(embedding)
• 核心 Section：P6-2.2
• 出现 Section：P6-2.2，P6-2.5，P7-4.1

文本块(chunk)¶

• 含义：文本块是把长文档切成较小段落或片段后，用于搜索、检索和比较的单位。它把文档重新包装成更容易和问题直接匹配的单位。
• 为什么重要：RAG 质量不仅取决于嵌入模型，也取决于切块方式。块太小会丢失上下文，块太大又会混入噪声，使相关段落更难被检索出来。
• 相关概念：嵌入(embedding)，文档(document)，检索增强生成(RAG)
• 核心 Section：P1-13.1
• 出现 Section：P1-13.2，P1-13.3，P1-14.2，P6-2.3，P6-2.4，P6-2.5，P6-13.1，P6-13.2

分类¶

• 含义: 分类是把输入样本归入预先定义好的类别或标签之一的问题类型。它是在已知选项中选择，而不是自由生成新输出。
• 为什么重要: 许多 AI 实务问题，如垃圾邮件判断、异常告警和批准保留，都可以转化为分类问题。它也帮助区分回归、聚类、生成和阈值决策。
• 相关概念: 聚类, 预测, 标签, 回归, 阈值
• 核心 Section: P1-8.1
• 出现 Section: P1-1.2, P3-9.1, P5-15.1, P4-2.1, P4-3.2, P4-6.1, P4-6.2, P4-6.4, P4-8.1, P4-8.3, P4-9.1, P4-9.2, P4-11.1

聚类簇¶

• 含义: 聚类簇是在当前距离、相似度或密度规则下，被看作彼此相似的一组数据点。它是算法发现的分组，不是人预先定义的正确类别。
• 为什么重要: 聚类输出很容易被误读成现实里的固定类别。理解这个概念，才能在解释 cluster 0、cluster 1 之前，先检查这些分组到底有什么共同特征。
• 相关概念: 聚类(clustering), 聚类标签(cluster label), 相似度(similarity)
• 中心 Section: P4-17.1
• 出现 Section:

聚类¶

• 含义: 聚类是在没有预设答案标签的数据中寻找相似项目分组的无监督问题类型。
• 为什么重要: 聚类说明学习也可以是发现结构，而不是匹配已知答案。聚类方法可以按中心、稠密区域或逐步合并的邻近关系来分组，但聚类编号本身不解释含义，仍需要人的解释步骤。
• 相关概念: 分类, 预测, 数据集
• 核心 Section: P4-17.1
• 出现 Section: P1-1.2, P4-index, P1-8.2, P4-2.2, P4-3.2, P4-6.2, P4-6.4, P4-8.1, P4-17.2, P4-18.2

CNN，卷积神经网络¶

• 含义: 卷积神经网络通过多层反复读取局部视觉模式，并把它们组合成更高层表示。
• 为什么重要: CNN 是图像识别中层级表示学习的代表例子，说明为什么局部模式读取、卷积和池化比把整张图像完全展平更有效。
• 相关概念: 图像识别, 学习到的表示, 深度学习
• 核心 Section: P1-9.1
• 出现 Section: P5-11.1, P5-11.2, P5-11.3

测试数据¶

• 含义: 测试数据是不直接用于模型训练，而是用来检查训练后模型在未见数据上表现的数据。它是评估用样本，不是对全部现实表现的证明。
• 为什么重要: 测试数据可以避免只用已经参与学习或调参的数据来判断模型。理解测试数据后，读者会把测试分数看成依赖测试集设计的估计值。
• 相关概念: 训练数据, 样本, 泛化, 测试
• 核心 Section: P2-5.3
• 出现 Section: P2-6.2, P2-15.2, P4-4.1, P4-4.2, P4-5.1, P4-5.2, P4-7.3

错误成本¶

• 含义：错误成本是模型出错时在真实运营中产生的损失或负担。不同错误的成本可能不同，例如漏掉风险案例、增加不必要复核，或触发错误的自动处置。
• 为什么重要：即使准确率相同，只要哪种错误更贵不同，更合适的阈值和复核队列策略也会改变。这个概念把 false negative 和 false positive 从简单计数，转成“当前问题更想减少什么”的判断。
• 相关概念：假阴性，假阳性，阈值，复核候选队列
• 核心 Section：P3-9.12
• 出现 Section：P3-9.12

计算图¶

• 含义: 计算图把运算和数值依赖关系表示为相连节点，使前向和反向计算路径可见。
• 为什么重要: 计算图让反向传播和自动微分更容易理解，显示中间值依赖哪些运算以及梯度如何反向流动。
• 相关概念: 反向传播, 梯度, 自动微分
• 核心 Section: P5-5.2
• 出现 Section: P5-6.1

计算限制¶

• 含义: 计算限制是候选空间过大，无法在现实时间和资源内检查所有情况的状态。
• 为什么重要: 它说明逐一检查所有候选在理论上可行，也可能在实践中不可用，因此需要启发式、剪枝、优先级和近似解。
• 相关概念: 搜索, 搜索空间, 启发式
• 核心 Section: P1-7.1
• 出现 Section: P1-index, P1-6.1, P1-7.2, P1-7.4, P1-8.1

CPU offloading¶

• 含义：CPU offloading 是一种内存管理方式。在模型执行时，不把所有权重和中间计算长期放在 GPU VRAM 中，而是把暂时不用的模块或权重放在 CPU 内存侧，需要时再移动到 GPU。
• 为什么重要：它能帮助读者把“模型能不能在有限 GPU 内存中跑起来”和“生成结果质量好不好”分开记录。CPU offloading 可以降低 out-of-memory 失败的风险，但不会直接提升 prompt 遵循、pose 控制或输出质量。
• 相关概念：计算限制(computational limit), 张量(tensor), 推断(inference), 开放权重模型(open-weight model)
• 中心 Section: P6-21.2
• 出现 Section: P7-5.1, P7-5.3, P7-5.4, P7-5.11

虚构性生成¶

• 含义: 虚构性生成是模型自信地构造听起来像事实但缺乏依据的内容。
• 为什么重要: 这个概念帮助区分流畅文本和有根据的文本，也解释为什么即使答案自然，仍需要来源检查和人工审查。
• 相关概念: 幻觉, 证据, 事实性, 审查
• 核心 Section: P1-10.3
• 出现 Section: P1-12.3, P1-13.2, P7-5.3

机密信息¶

• 含义: 机密信息是不一定属于个人信息、但外泄会伤害组织、客户、合同或运营的内部信息。
• 为什么重要: 生成式 AI 输入和日志可能复制或暴露组织内部资料。这个概念避免把非个人的内部材料误认为可以随意输入工具。
• 相关概念: 敏感信息, 安全, 隐私, 日志, 权限
• 核心 Section: P1-15.3
• 出现 Section: P1-14.5, P1-15.2, P1-16.2

上下文窗口¶

• 含义: 上下文窗口是模型在一次输入输出计算中能够同时参考的最大 token 范围。
• 为什么重要: 长文档、长对话和检索片段都必须被选择或总结后放入上下文窗口。窗口更大不等于可以不选择重点。
• 相关概念: 词元(token), 分词, 检索增强生成(RAG)
• 核心 Section: P6-4.2
• 出现 Section: P6-2.1, P6-4.1

上下文表示¶

• 含义: 上下文表示是同一个词或 token 会随周围语境变化的内部向量表示。
• 为什么重要: 它说明模型不是只保存固定词义，而是根据当前句子角色重新形成表示。
• 相关概念: 嵌入, 编码器, 语言模型
• 核心 Section: P1-11.3
• 出现 Section: P6-6.1

收敛¶

• 含义: 收敛是数值或序列在反复步骤中越来越接近某个值或稳定状态的过程。
• 为什么重要: 收敛帮助解释迭代计算和训练曲线，区分趋于稳定、发散、振荡和不稳定学习。
• 相关概念: 极限, 变化率, 优化
• 核心 Section: P2-2.3
• 出现 Section: P2-6.3, P4-19.5

对话式 LLM¶

• 含义: 对话式 LLM 是在 LLM 之上加入指令遵循、对话格式、安全调校和界面层后形成的用户体验。
• 为什么重要: 它把语言模型和聊天产品区分开。同一个基础模型也会因系统提示、安全规则、工具和 UI 流程而表现不同。
• 相关概念: 语言模型, 预训练, 指令调优
• 核心 Section: P6-5.2

版权¶

• 含义: 版权是法律对文字、图像、图表、代码等具体创造性表达的保护权利。
• 为什么重要: 使用书籍、文章、图像、代码或图表作为 AI 输入或公开草稿时必须考虑版权。公开可见不等于可以自由复用。
• 相关概念: 引用, 许可证, 训练数据
• 核心 Section: P1-15.2
• 出现 Section: P1-10.3

语料库¶

• 含义: 语料库是为训练、分析或评估语言模型和嵌入而收集的文本集合。
• 为什么重要: 语言模型从所见文本的分布中学习。语料的领域、时期、风格、清洗、偏见和覆盖范围会强烈影响模型能力。
• 相关概念: 语言模型, 数据, 嵌入
• 核心 Section: P1-11.1
• 出现 Section: P1-11.3, P6-2.5, P6-20.1

余弦相似度¶

• 含义: 余弦相似度衡量两个向量方向有多相似，重点在夹角而不是绝对长度。
• 为什么重要: 在文本嵌入搜索中，方向常比大小更重要。这个概念解释了如何把语义相似读成方向接近。
• 相关概念: 相似度, 距离, 相似度搜索
• 核心 Section: P1-13.2
• 出现 Section: P1-13.1, P2-3.2, P2-3.4

凭据¶

• 含义: 凭据是密码、API key、token 或 cookie 等用于验证身份、访问权限或请求有效性的证明值。
• 为什么重要: 凭据出现在 AI 输入、日志或测试输出中，可能导致账号被盗用或服务被滥用，因此需要脱敏、最小权限和输入限制。
• 相关概念: 敏感信息, 机密信息, 安全, 日志, 权限
• 核心 Section: P1-15.3
• 出现 Section: P1-14.5, P1-16.2

参数(parameter)¶

• 含义: 在学习过程中被调整的模型内部值。它像权重(weight)和偏置(bias)一样保存在模型内部，决定同一个输入进入模型时会沿着怎样的计算路径产生怎样的输出。这里的 parameter 不是普通函数调用里的 参数(argument)，而是机器学习模型通过训练得到并保留下来的内部调整值。
• 为什么重要: 只有区分模型内部学到的 parameter 和外部预先设定的 hyperparameter，才能正确理解训练、调优和验证流程。例如 temperature 是使用者从外部调整的设置值，而权重(weight)和偏置(bias)是训练后保存在模型里的 parameter。这个区分能帮助读者把 模型学到了什么 和 人在外部设定了什么 分开阅读。
• 相关概念: 模型(model), 训练(training), 表示(representation), 超参数(hyperparameter)
• 核心 Section: P1-4.3
• 出现 Section: P4-9.1, P6-21.1

出处标示(attribution)¶

• 含义：清楚标明被引用、概括、再使用或改写材料的来源、作者或出处的做法。
• 为什么重要：它很重要，因为负责任的学习材料必须让读者追踪主张、例子和借用表达从哪里来。
• 相关概念：可结合本页相邻词条和正文中的相关 Section 一起阅读。
• 中心 Section：P1-15.2

错误累积(error accumulation)¶

• 含义：小错误在重复步骤、多个阶段或生成输出中逐渐叠加的过程。
• 为什么重要：它很重要，因为序列生成、长工作流和多步分析即使单步看起来可接受，也可能逐渐失效。
• 相关概念：可结合本页相邻词条和正文中的相关 Section 一起阅读。
• 中心 Section：P1-10.2
• 出现 Section：P1-10.3

稠密向量(dense vector)¶

• 含义：许多维度都带有非零值的向量，常用于在 embedding 中表示意义。
• 为什么重要：它把学习到的语义表示和 one-hot 这类稀疏识别式编码区分开。
• 相关概念：可结合本页相邻词条和正文中的相关 Section 一起阅读。
• 中心 Section：P1-11.1

出处追踪(provenance)¶

• 含义：记录数据、主张、示例或生成输出来自哪里以及如何变化的信息。
• 为什么重要：它帮助读者和系统检查信任、再使用条件，以及从源材料到最终输出的路径。
• 相关概念：可结合本页相邻词条和正文中的相关 Section 一起阅读。
• 中心 Section：P1-13.3