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， …
基于视觉的范式利用摄像头和图像处理算法从视觉场景中提取有意义的信息。这些系统是机器人技术、自动驾驶和增强现实等领域的基础。
主要依赖视觉数据输入来感知和与世界交互 …
两阶段架构将复杂任务划分为两个独立的步骤，通常涉及检测后跟分类或细化。在计算机视觉中，典型的例子包括像 Faster R-CNN 这样的对象检测器，先生成区域建议，再进行分类。 …
零样本学习使模型能够泛化到新的类别或任务，而这些类别或任务在初始训练阶段没有提供标记的训练数据。这通常是通过利用语义嵌入或预训练知识来实现的。
在没有先前训练示例 …
免训练方法是指在不通过反向传播更新底层权重的情况下修改模型行为或输出的技术。这些方法通常利用提示工程、特征提取或其他非参数化手段来实现适配。
无需执行基于梯度的参 …
在人工智能和工程领域，权衡指的是在优化相互冲突的目标（如模型准确率与计算成本，或延迟与精度）时所需的平衡。由于资源有限，必须在不同指标之间做出取舍。
一种妥协，即 …
后训练是机器学习生命周期中的一个关键阶段，发生在模型基于大规模通用数据进行初始预训练之后。在此阶段，模型会经历进一步的调整和优化，以更好地服务于特定应用场景。
后 …
任务特定指的是专为在狭窄的目标集合上表现出色而定制的AI模型或组件，例如检测图像中的物体或翻译语言。与通用基础模型不同，它们在特定领域往往具有更高的效率和精度。
…
在人工智能领域，实时指的是系统以极低的延迟（通常为毫秒级）处理输入并生成输出的能力。这对于那些需要即时响应、延迟不可接受的应用场景至关重要。
实时处理指系统在接收 …
预训练模型是一种基础人工智能模型，已在海量且多样化的数据集（如维基百科或ImageNet）上进行了广泛训练。这种初始训练使模型能够学习到广泛通用的特征表示。
预训 …
自监督学习是机器学习的一个子集，其监督信号自动从数据本身派生，消除了手动标注的需求。模型通常通过解决预设的代理任务来学习数据的内在结构和表示。
自监督学习是一种技 …