概念词汇表：E¶

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

边¶

• 含义: 边是图中节点之间的连接或关系单位。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: graph, node, weight
• 核心 Section: P2-9.3
• 出现 Section: P2-9.4, P4-14.1

反向传播¶

• 含义: 反向传播是从输出端的损失出发，沿网络向前面的层反向计算各个参数对损失影响的过程。更准确地说，它沿计算图应用链式法则，把最终误差信号分配到中间激活值和权重上。
• 为什么重要: 如果不知道每个权重应该朝哪个方向调整，模型就无法有效降低损失。反向传播把“学习”变成可计算的梯度信号，而不是笼统的自动调整。它也说明了深层网络为什么能够通过系统地追踪各连接对最终误差的贡献来训练。
• 相关概念: 梯度, 损失函数, 链式法则
• 核心 Section: P5-5.1
• 出现 Section: P5-5.2, P5-6.1, P5-7.1

边权重¶

• 含义: 边权重是附在边上的数值，用来表示距离、成本、强度或重要度。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: graph, weight, directed graph
• 核心 Section: P2-9.3
• 出现 Section: P2-9.4

嵌入¶

• 含义: 嵌入把文本、token、句子或文档转换成可比较的向量。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: distributed representation, similarity search, word2vec, vector, representation
• 核心 Section: P6-3.1
• 出现 Section: P1-11.1, P1-13.1, P1-13.2, P1-13.3, P5-10.1, P6-3.2, P6-3.3, P6-3.4, P7-5.1

编码器¶

• 含义: 编码器读取输入，并生成带有上下文信息的内部表示。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: decoder, Encoder-Decoder, contextual representation
• 核心 Section: P1-11.3
• 出现 Section: P1-11.2, P6-20.1, P6-20.2

编码器-解码器¶

• 含义: 编码器-解码器结构把读取输入和生成输出分成两个部分。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: Seq2Seq, fixed-length vector, Attention
• 核心 Section: P1-11.2
• 出现 Section: P1-11.3, P6-5.1

环境¶

• 含义: 环境是智能体行动后返回状态变化和奖励的外部世界。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: agent, state, reward
• 核心 Section: P1-8.3
• 出现 Section: P4-2.3

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

环境变量¶

• 含义: 环境变量是在程序运行时由外部传入的命名设置值。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: redirection, PATH, runtime
• 核心 Section: P2-7.8
• 出现 Section: P2-7.9

轮次¶

• 含义: 轮次是完整看完一次训练数据集的计数。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: batch, training, loss curve, accuracy
• 核心 Section: P5-6.2
• 出现 Section: P2-13.2, P5-6.1, P7-4.1

误差¶

• 含义: 误差是估计值或预测值与真实值之间的差。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: estimation, loss, sample
• 核心 Section: P2-5.3
• 出现 Section: P2-5.4, P2-6.1, P2-6.3

错误案例¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: review target, structural hypothesis, failure type, evaluation, retrospective
• 核心 Section: P7-2.1
• 出现 Section: P7-2.3, P7-3.2, P7-4.2, P7-summary

错误样本¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: wrong-case list, error case, sample-by-sample comparison table, evaluation record, review-target sample
• 核心 Section: P7-3.1
• 出现 Section: P7-3.2, P7-4.1, P7-4.2, P7-summary

估计¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: population, sample, error
• 核心 Section: P2-5.3
• 出现 Section: P2-5.4, P2-6.1

评估¶

• 含义: 评估检查输出是否符合答案、标准或比较目标。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: output, metric, task definition, validation, human evaluation
• 核心 Section: P6-16.1
• 出现 Section: P1-4.4, P1-12.3, P1-14.5, P1-14.6, P3-3.2, P3-8.2, P3-9.2, P6-16.2, P6-17.1, P6-17.2, P6-18.2, P7-2.1, P7-2.2, P7-4.2, P7-5.2, P7-7.2

评估模式¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: training, training mode, test
• 核心 Section: P5-6.4
• 出现 Section: P5-8.2

评估记录¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: evaluation, execution summary, wrong-case list, review summary, retrospective
• 核心 Section: P7-3.2
• 出现 Section: P7-4.2, P7-5.2, P7-7.2, P7-summary

事件¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: outcome, sample space, probability
• 核心 Section: P2-5.1
• 出现 Section: P2-5.2, P2-5.3

证据¶

• 含义: 证据是支持、削弱或细化当前判断的信息。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: uncertainty, probability, probabilistic reasoning, provenance, review
• 核心 Section: P1-12.3
• 出现 Section: P1-6.2, P1-10.3, P7-5.1, P7-5.2

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

证据审查¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: review, evidence, provenance, factuality, recency
• 核心 Section: P1-16.1
• 出现 Section: P1-10.3, P1-12.3, P1-16.2, P7-5.1, P7-5.2

示例¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: data, label, input, sample
• 核心 Section: P1-4.2
• 出现 Section: P1-3.2, P1-12.1

例外¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: rule-based system, incomplete information, noise
• 核心 Section: P1-6.1

过度代理性¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: least privilege, scope, approval, security, agent
• 核心 Section: P1-15.3
• 出现 Section: P1-10.3, P1-14.6, P7-6.2

执行环境¶

• 含义: 执行环境是工作运行时的工具、文件、设置和权限条件。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: harness, reproducibility, host
• 核心 Section: P1-14.5
• 出现 Section: P2-7.1

执行顺序¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: notebook, hidden state, reproducible record
• 核心 Section: P2-10.3
• 出现 Section: P2-10.1, P2-10.2

执行场景¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: execution summary, comparison table, retrospective, run record, review
• 核心 Section: P7-index
• 出现 Section: P7-1.1, P7-2.1, P7-7.1, P7-summary

执行摘要¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: run record, baseline model, error case, review summary, retrospective
• 核心 Section: P7-2.1
• 出现 Section: P7-index, P7-3.1, P7-4.1, P7-5.1, P7-summary

穷举搜索¶

• 含义: 穷举搜索是不跳过候选、逐一检查所有可能情况的搜索方式。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: search, search space, computational limit
• 核心 Section: P1-7.1
• 出现 Section: P1-7.2, P1-13.4

专家系统¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: rule-based system, knowledge acquisition, inference engine
• 核心 Section: P1-3.1
• 出现 Section: P1-2.1, P1-2.2

解释功能¶

• 含义: 该词条说明这一概念在 AI、数据处理或系统运行中的基本含义。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: rule-based system, inference engine, fact
• 核心 Section: P1-3.1
• 出现 Section: P1-2.1

利用¶

• 含义: 利用是根据已有信息选择当前看起来最好的行动。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: exploration, policy, reward
• 核心 Section: P1-8.3
• 出现 Section: P4-2.3

探索¶

• 含义: 探索是有意尝试尚未充分测试的行动来获得更多信息。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: exploitation, policy, reward
• 核心 Section: P1-8.3
• 出现 Section: P4-2.3, P4-19.3, P4-summary

表达式¶

• 含义: 表达式把值、变量、运算或函数调用组合成可求值的单位。
• 为什么重要: 理解它有助于把相近概念、执行边界和失败原因区分开。
• 相关概念: variable, function, output
• 核心 Section: P2-2.1
• 出现 Section: P2-3.1