概念词汇表：I¶

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

图像识别¶

• 含义：图像识别是预测输入图像中有什么、或图像属于哪个类别的任务。它把像素数组连接到有意义的视觉类别。
• 为什么重要：图像识别清楚展示了从手工视觉线索到学习表示的转变。它也帮助读者看到，图像任务可以进一步分成分类、检测、分割等不同问题。
• 相关概念：卷积神经网络，手工特征，学习到的表示
• 中心 Section：P1-9.1
• 出现 Section：P1-9.2, P1-9.3, P1-10.1, P5-2.1, P5-11.1, P5-11.2

上下文内学习¶

• 含义：上下文内学习是指模型不更新权重，只根据提示词中的指令和示例改变输出行为的现象或使用方式。
• 为什么重要：这个概念解释了为什么自然语言说明和提示词内部示例在 LLM 使用中很重要，也帮助读者区分修改提示词、微调和重新训练。
• 相关概念：预训练，微调，提示词
• 中心 Section：P1-12.2
• 出现 Section：P1-11.3

不完整信息¶

• 含义：不完整信息是指判断或选择所需的事实一开始并不完整。规则或目标可能存在，但必要的输入事实缺失。
• 为什么重要：关键信息缺失时，系统可能需要概率、搜索、检索或人工评审，而不是只增加规则。它帮助读者区分信息不足和逻辑不足。
• 相关概念：部分可观测性，不确定性，规则系统
• 中心 Section：P1-6.1
• 出现 Section：P1-2.2, P1-7.1

推断¶

• 含义：推断有多种含义。在符号 AI 中，它可以指从事实和规则推出结论。在机器学习中，模型推断常指把训练好的模型用于新输入并得到输出。
• 为什么重要：同一个词可能指推理、预测或模型执行。读者需要根据语境区分逻辑结论过程和训练后模型的运行使用。
• 相关概念：推理引擎，模型训练，预测，生成
• 中心 Section：P1-5.3
• 出现 Section：P1-2.1, P1-3.2, P1-5.2, P5-6.1, P5-6.3

推理引擎¶

• 含义：推理引擎是查找并应用与当前事实匹配的规则的组件。它把存储的规则变成可以产生结论的执行过程。
• 为什么重要：规则型 AI 不只是规则列表。推理引擎展示了知识表示和规则应用过程如何一起产生结果。
• 相关概念：规则系统，事实
• 中心 Section：P1-3.1
• 出现 Section：P1-2.1

信息检索¶

• 含义：信息检索是在大型资料集合中寻找符合当前问题或信息需求的文档、段落或证据候选。它通常更像排序问题，而不是简单的精确字符串匹配。
• 为什么重要：检索增强生成需要先找到相关证据再生成答案。检索质量弱时，即使语言模型很流畅，生成答案也会一起变弱。
• 相关概念：检索增强生成，相似度搜索，搜索，排序
• 中心 Section：P1-13.3
• 出现 Section：P1-13.4, P1-14.2, P7-5.1, P7-5.3

指令微调¶

• 含义：指令微调是让预训练模型更好回应自然语言用户指令和预期答案格式的额外适应阶段。
• 为什么重要：模型知道语言模式，并不等于会自然地遵循请求。指令微调解释了为什么对话式 LLM 比普通续写模型更像助手。
• 相关概念：微调，预训练，提示词
• 中心 Section：P6-10.1
• 出现 Section：P6-10.2

中间表示¶

• 含义：中间表示是在原始数据和最终特征之间放置的一层人为设计表示，用来让结构、顺序或模式更容易检查。
• 为什么重要：有些问题很难从原始日志或简单数值摘要中看出。中间表示让读者比较分段、标记序列或模式块是否更能揭示问题。
• 相关概念：特征，表示，表示学习
• 中心 Section：P3-6.2
• 出现 Section：P3-index, P3-5.1, P3-5.3, P3-6.1, P3-6.3, P3-summary