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， …
Mamba 通过引入硬件感知的选择性状态空间模型（SSM），代表了序列建模领域的重大进步。与随着序列长度呈二次方扩展的传统 Transformer 不同，Mamba 能够高效处理 …
AI 建模涵盖了设计、训练和验证算法以从数据中学习模式的整个工作流程。它包括选择适当的架构、定义损失函数以及优化参数，从而构建出能够泛化到新数据的模型。
建模是创 …
在人工智能和概率论中，马尔可夫过程是描述系统随机状态转换的基础模型。其核心原则是马尔可夫性质，即系统在下一时刻的状态仅由当前状态决定，而与过去的历史状态无关。
马 …
蒙特卡洛技术是一类依赖重复随机抽样来估算数学量的计算算法。它们在多维积分、概率推断以及处理具有不确定性的复杂系统时特别有用，通过大量样本的平均值来逼近真实解。
蒙 …
匹配是机器学习中用于建立不同数据实体之间关系的关键技术。在计算机视觉中，特征匹配用于识别图像间的对应点；在推荐系统中，则用于匹配用户偏好与物品特征。
匹配涉及将两 …
在人工智能领域，“本地”通常指直接在用户的硬件（如笔记本电脑或智能手机）上执行操作，而无需依赖远程服务器。这种方法增强了数据隐私并减少了延迟。
指在特定设备上处理 …
机器学习使计算机能够从历史数据中学习模式，并对新的、未见过的数据做出决策或预测。它涵盖了多种技术，包括监督学习、无监督学习和强化学习等。
人工智能的一个子集，专注 …
损失函数（也称为成本函数）衡量机器学习模型的预测结果与真实标签在训练期间的匹配程度。优化算法的目标是最小化这个损失值，从而提高模型的准确性。
一个数值，用于量化模 …
循环是计算机科学和人工智能开发中的一种基本控制流结构。它允许算法遍历数据集、执行重复计算或运行训练轮次。常见的类型包括for循环和while循环。
一种编程结构， …
在人工智能语境中，“长”通常描述处理大量输入的能力，如长文档或冗长的视频流。对于大语言模型而言，这涉及管理长上下文窗口，以保持对完整输入的理解和一致性。
通常指扩 …