被遗忘权
Definition
被遗忘权使用户有权要求从数据库和 AI 训练集中移除其个人信息。在机器学习中实施这一权利具有挑战性，因为模型可能已经将从这些数据中学习到的知识固化在参数中。
Summary
一项 …
欢迎使用 AI术语词典 — 一部全面的多语种人工智能术语参考工具。
被遗忘权使用户有权要求从数据库和 AI 训练集中移除其个人信息。在机器学习中实施这一权利具有挑战性，因为模型可能已经将从这些数据中学习到的知识固化在参数中。
一项 …
在人工智能中，当模型学习并放大训练数据中存在的社会偏见时，就会产生刻板印象。这可能导致歧视性结果，例如将某些职业与特定性别联系起来。
一种概括性的、往往过于简化的 …
课程学习模仿人类教育过程，以结构化的顺序呈现训练数据，通常从简单样本开始，并逐渐增加复杂度。这种方法有助于神经网络更好地收敛并提高泛化能力。
一种训练策略，模型先 …
模型提取涉及查询目标机器学习模型的 API，以推断其内部结构、权重或决策边界。攻击者利用这些查询构建一个代理模型，从而窃取知识产权或绕过安全限制。
一种攻击方式， …
数据最小化是一项核心的隐私原则，要求组织将数据收集限制在充分、相关且必要的范围内。在人工智能领域，这意味着设计能够减少不必要数据依赖的模型。
仅收集和处理特定目的 …
Wumpus World 是 Russell 和 Norvig 的 AI 教科书中引入的一个基于网格的环境。智能体必须在网格中导航以寻找金子，同时避开陷阱和一个名为 Wumpus …
XLM-RoBERTa（跨语言语言模型 RoBERTa）是由 Meta AI 开发的大规模多语言模型。它通过在一个涵盖 100 多种语言的多样化数据集上进行预训练， …
后门攻击涉及使用特定的模式（称为触发器）对机器学习模型的训练数据进行投毒。虽然模型在干净数据上表现正常，但在检测到触发器时会激活错误的行为，例如将特定图像错误分类为指定标签， …
零样本提示涉及直接通过文本提示要求预训练语言模型完成任务，而不提供任何少样本示例或进行额外的微调。该模型利用其在大规模数据上学习到的通用知识和指令遵循能力来生成响应， …
泽滕策略是一种基于规则的博弈方法，用于多智能体谈判。它计算智能体为推动其首选结果而愿意承担的最大风险，定义为智能体在坚持立场时可能遭受的效用损失与其在妥协时的效用损失之比， …
贝叶斯编程是一种数学框架，它将贝叶斯定理泛化以处理复杂的多层概率依赖关系。它允许开发者定义分层模型，其中变量之间存在条件依赖结构，从而能够更灵活地建模不确定性。
…
贝叶斯结构化时间序列（BSTS）模型将时间序列数据表示为可解释组件（如趋势、季节性和回归效应）之和，同时通过贝叶斯方法处理不确定性。这种方法允许对各个组件的影响进行单独推断，从而 …
贝叶斯遗憾量化了在拥有完美信息时可实现的最佳奖励与智能体在不确定性下行动所获得的预期奖励之间的差异。它是通过对所有可能的世界状态进行积分计算得出的，反映了决策者在信息不完全情况下 …
信念-欲望-意图（BDI）模型是一种认知架构，用于设计做出理性决策的自主智能体。信念代表智能体对世界的知识，欲望是智能体希望达到的目标状态，而意图则是智能体承诺执行以实现特定欲望 …
行为信息学结合计算机科学、心理学和统计学，分析由数字交互产生的大规模行为数据。它侧重于提取行为模式、预测未来行为以及理解人机互动中的认知过程，旨在从海量数字痕迹中挖掘有价值的洞 …
贝叶斯学习机制利用贝叶斯定理更新关于模型参数的信念，将先验知识与观测数据相结合以形成后验分布。与频率学派方法不同，它明确量化了参数的不确定性。
将模型参数视为具有 …
贝叶斯优化使用概率代理模型（通常为高斯过程）来建模目标函数。它采用采集函数来平衡探索与利用，从而高效地找到最优参数配置。
一种用于全局优化昂贵评估黑盒函数的顺序设 …
这一概念确立了：使用特定核函数最小化正则化风险泛函，等价于在贝叶斯框架中寻找最大后验概率（MAP）估计。具体来说，它揭示了确定性核方法与概率性高斯过程之间的深层联系。 …
批处理涉及在执行计算或模型推理之前，将数据输入聚合为一个组（即批次）。与实时流处理相比，这种方法允许对数据进行批量操作，从而提高效率。
一种计算方法，数据随时间收 …
批大小是一个关键的超参数，决定了在更新模型内部参数之前处理多少个样本。较大的批大小能提供更准确的梯度估计，但可能增加内存需求并影响收敛特性。
在随机梯度下降算法的 …