术语表
906 字约 3 分钟
domain/aiai/resources
2026-07-24
1. 核心结论
- AI 领域术语众多，理解术语是学习和交流的基础
- 本术语表按分类整理，方便查阅
- 术语含义可能随技术发展变化，需要持续更新
- 中英文对照有助于阅读英文文档
- 建议结合具体场景理解术语
2. 基础概念
模型相关
| 术语 | 英文 | 含义 |
|---|---|---|
| 大语言模型 | LLM (Large Language Model) | 基于 Transformer 的大型语言模型 |
| Transformer | Transformer | 基于注意力机制的神经网络架构 |
| Token | Token | 文本处理的基本单位 |
| 上下文窗口 | Context Window | 模型一次能处理的最大 token 数 |
| 预训练 | Pre-training | 在大规模数据上训练基础模型 |
| 微调 | Fine-tuning | 在特定任务数据上继续训练 |
| 嵌入 | Embedding | 将文本转换为向量的技术 |
| 注意力机制 | Attention | 让模型关注输入中相关部分的机制 |
技术相关
| 术语 | 英文 | 含义 |
|---|---|---|
| 检索增强生成 | RAG (Retrieval-Augmented Generation) | 结合检索和生成的技术 |
| 智能体 | Agent | 能感知、决策和执行的智能系统 |
| 工具调用 | Tool Use / Function Calling | 模型调用外部工具的能力 |
| 提示工程 | Prompt Engineering | 设计和优化 prompt 的技术 |
| 思维链 | CoT (Chain of Thought) | 让模型逐步推理的技术 |
| 人类反馈强化学习 | RLHF | 使用人类反馈对齐模型 |
| 向量数据库 | Vector Database | 存储和检索向量的数据库 |
| 混合搜索 | Hybrid Search | 结合向量和关键词的搜索 |
评估相关
| 术语 | 英文 | 含义 |
|---|---|---|
| 幻觉 | Hallucination | 模型生成错误但看似合理的内容 |
| 忠实度 | Faithfulness | 答案基于上下文的程度 |
| 相关性 | Relevance | 答案与查询的相关程度 |
| 基准测试 | Benchmark | 标准化测试数据集 |
| A/B 测试 | A/B Testing | 对比两个版本的测试 |
工程相关
| 术语 | 英文 | 含义 |
|---|---|---|
| API | API (Application Programming Interface) | 应用程序编程接口 |
| 延迟 | Latency | 从请求到响应的时间 |
| 吞吐量 | Throughput | 单位时间处理的请求数 |
| 缓存 | Cache | 存储结果以便快速复用 |
| 流式输出 | Streaming | 逐步返回生成结果 |
| 金丝雀发布 | Canary Release | 逐步放量的发布策略 |
3. 工作原理
术语使用建议：
- 阅读文档时：遇到不理解的术语查阅本表
- 交流讨论时：使用标准术语避免歧义
- 学习新技术时：先理解相关术语
- 写作记录时：首次出现时标注英文
术语更新原则：
- 新增术语及时补充
- 含义变化时更新解释
- 添加使用场景示例
- 保持中英文对照
4. 实战场景
- 技术文档阅读
- 团队交流
- 技术写作
- 面试准备
- 学习研究
- 产品文档编写
5. 常见误区
- 术语混淆：相似术语含义不同
- 望文生义：根据字面意思理解
- 忽视语境：同一术语在不同场景含义不同
- 不更新：术语含义随技术变化
- 过度使用：简单场景不需要复杂术语
6. 进阶方向
- 领域术语深入
- 术语演变历史
- 跨领域术语对比
- 术语标准化
- 术语翻译
- 新术语追踪
7. 推荐资料
- AI Glossary (Google) - https://cloud.google.com/ai-glossary
- ML Glossary - https://ml-cheatsheet.readthedocs.io/
- Deep Learning Glossary - https://www.deeplearning.ai/glossary/
- Hugging Face Glossary - https://huggingface.co/glossary