文章名詞彙編
AI 名詞一詞一篇:定義、白話比喻、易混淆對照與實際用例,配酒Ann 的圖解。
Pre-training 是 AI 模型的第一階段學習,讓模型讀遍海量資料學到通用語言能力,此時還不會特定任務。
2026/8/28 模型與訓練 約 3 分鐘
Optimizer 是訓練 AI 模型時用來調整參數以降低誤差的演算法,決定每一步該往哪個方向、走多遠去修正。
2026/8/28 模型與訓練 約 3 分鐘
開源模型指模型權重、原始程式碼或訓練方法被公開,任何人都能取得、研究、修改與再發布的 AI 模型。
2026/8/28 模型與訓練 約 4 分鐘
LoRA 是一種高性價比的微調技術,不動大模型原本的參數,只訓練一小層輕量參數就能讓 AI 學會特定專業。
2026/8/28 模型與訓練 約 4 分鐘
用特定領域的資料對預訓練模型做額外訓練,讓模型學會固定的語氣、格式或專業推理能力。
2026/8/28 模型與訓練 約 4 分鐘
用一套標準化的測試集,評估並比較不同 AI 模型在特定能力上的表現,是各家模型互相比較的共同尺。
2026/8/28 模型與訓練 約 4 分鐘
Underfitting 欠擬合是模型太簡單、學不到資料裡的真實模式,導致訓練資料和新資料上表現都很差的現象。
2026/8/28 模型與訓練 約 4 分鐘
Transformer 是以注意力機制為核心的深度學習架構,讓 AI 同時讀完整段話並判斷字與字之間的關聯,是現代大型語言模型的基石。
2026/8/28 模型與訓練 約 4 分鐘
在訓練時對模型加上限制或懲罰,逼它學到更簡單、更通用的規律,避免過擬合。
2026/8/28 模型與訓練 約 4 分鐘
紅隊測試是刻意扮演攻擊者,用各種手段誘導 AI 說出或做出不該做的事,在上線前先把破口找出來。
2026/8/28 模型與訓練 約 4 分鐘
參數是模型內部由訓練調出來的連結權重,數量代表容量上限,不直接等於好用程度。
2026/8/28 模型與訓練 約 4 分鐘
Overfitting 過擬合是模型在訓練資料上表現很好、在新資料上卻很差的現象,等於背答案而不是學規律。
2026/8/28 模型與訓練 約 4 分鐘
把模型拆成很多位專家,每次只叫醒最相關的那幾位,參數規模可以很大,實際運算量卻很小。
2026/8/28 模型與訓練 約 4 分鐘
Model 模型是經過訓練的程式結構,從大量資料中學到規律,再用來理解、預測與生成新內容。
2026/8/28 模型與訓練 約 4 分鐘
損失函數把模型的預測與真實答案之間的差距換算成一個數字,數字越小代表錯得越少。
2026/8/28 模型與訓練 約 4 分鐘
AI 治理是組織導入 AI 時的規範與責任歸屬,決定哪些場景可以用、資料怎麼處理、出事由誰負責。
2026/8/28 模型與訓練 約 4 分鐘
對齊是 AI 訓練的關鍵階段,目的是讓模型的行為、價值觀與人類的意圖、倫理和安全規範保持一致。
2026/8/21 模型與訓練 約 4 分鐘
閉源模型指程式碼、權重與訓練資料都不公開,只透過服務或授權提供使用的商業 AI 模型。
2026/8/14 模型與訓練 約 4 分鐘
AGI 指具備跟人類相當的通用認知能力、能跨領域自行學習與解決問題的 AI,目前還沒有系統達到這個標準。
2026/8/14 模型與訓練 約 4 分鐘
基礎模型是在大規模資料上預訓練出來的通用底座,再透過微調或提示,適配到各種下游任務。
2026/7/21 模型與訓練 約 3 分鐘