人工智能（AI）是一种技术，旨在以类似人类反应的方式对刺激做出反应并从中学习。AI具备自主学习和认知能力，可进行自我调整和改进，从而应对更加复杂的任务。
通用人工智能（AGI）是指具备与人类同等智能、或超越人类的人工智能，能表现正常人类所具有的所有智能行为。
专业生成内容（PGC）是由专业的创作者、机构或团队制作的内容，如CCTV、央视网、人民日报等。
用户生成内容（UGC）指的是由普通用户创建和分享的内容，如抖音、bilibii、小红书等。
人工智能生成内容（AIGC）是一种内容生产形式，例如AI文字续写、文字转像的AI图、AI主持人等。
狭义的人工智能（ANI）是专注一件事的AI，如下围棋的AlphaGo。
尽管存在争议，但超级人工智能（ASI）通常被定义为超越人类思维能力的人工智能。
大型语言模型（LLM）是一种基于深度学习技术的神经网络模型，用于自然语言处理（NLP）任务。
“误差反向传播”（Backpropagation）是一种用来训练人工神经网络的常见方法，计算对网络中所有权重计算损失函数的梯度。
智能体（Agents）是一个设置了一些目标或任务，可以迭代运行的大型语言模型。
卷积神经网络（CNN）是一种深度学习模型，通过应用一系列过滤器来处理具有网格状拓扑的数据，通常用于图像识别任务。
循环神经网络（RNN）是一种用于处理序列数据的神经网络，用于预测文字。
Transformers是一个由谷歌提出来的机器学习框架，引入了注意力概念。
自然语言处理（NLP）使计算机能够理解、解释和生成人类语言的技术。
DALL-E是OpenAI在2021年发布的一个模型，它能够根据文本描述生成相应的图像。
ChatGPT是OpenAI开发的人工智能聊天机器人程序，使用基于GPT-3.5、GPT-4架构的大型语言模型并以强化学习训练。
思维链提示（CoT）通过提示 LLM 生成-系列中间步骤来提高 LLM 的推理能力。
深度学习（DL）是机器学习的分支，是一种以人工神经网络为架构，对资料进行表征学习的算法。
在计算机科学中，“embedding”是一种将对象映射到数值向量的技术。
涌现是一种现象，为许多小实体相互作用后产生了大实体，而这个大实体展现了组成它的小实体所不具有的特性。
小样本学习（Few-Shot Learning）的目标是从少量样本中学习到解决问题的方法。
微调是迁移学习的一种常用技术，目标模型复制了源模型上除掉了输出层外的所有模型设计及其参数，并基于目标数据集微调这些参数。
基于检索增强的生成（RAG）是一种技术，其中模型根据数据集中给出的特定指令进行微调。
多模态指多种输入输出渠道，具体有文字、语音、图片、视频等。
改变温度参数会改变模型的输出。温度参数可以设置为0到 2。
Top-p参数用于控制生成文本时，只考虑累积概率高于给定阈值的词语。
Top-k参数用于控制生成文本时只考虑累积概率最高的k个词语。
