Inference on 中文AI术语词典https://terms-en.ai-term-hub.com/zh/tags/inference/Recent content in Inference on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000Vllmhttps://terms-en.ai-term-hub.com/zh/terms/vllm/Sat, 18 Jul 2026 11:37:39 +0000https://terms-en.ai-term-hub.com/zh/terms/vllm/<h2 id="definition">Definition</h2> <p>vLLM（Virtual Large Language Model）是一个旨在加速 LLM 服务的开源库。它引入了 PagedAttention，这是一种受操作系统虚拟内存</p> <h3 id="summary">Summary</h3> <p>vLLM 是一个高吞吐量且内存高效的 LLM 推理引擎，利用 PagedAttention 优化 GPU 内存使用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>PagedAttention</li> <li>KV Cache 管理</li> <li>推理服务</li> <li>吞吐量优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高并发 API 服务</li> <li>批处理推理处理</li> <li>具有成本效益的 LLM 部署</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#f92672">from</span> vllm <span style="color:#f92672">import</span> LLM, SamplingParams </span></span><span style="display:flex;"><span>llm <span style="color:#f92672">=</span> LLM(model<span style="color:#f92672">=</span><span style="color:#e6db74">&#34;facebook/opt-125m&#34;</span>) </span></span><span style="display:flex;"><span>prompts <span style="color:#f92672">=</span> [<span style="color:#e6db74">&#34;Hello, my name is&#34;</span>, <span style="color:#e6db74">&#34;The capital of France is&#34;</span>] </span></span><span style="display:flex;"><span>sampling_params <span style="color:#f92672">=</span> SamplingParams(temperature<span style="color:#f92672">=</span><span style="color:#ae81ff">0.8</span>, top_p<span style="color:#f92672">=</span><span style="color:#ae81ff">0.95</span>) </span></span><span style="display:flex;"><span>outputs <span style="color:#f92672">=</span> llm<span style="color:#f92672">.</span>generate(prompts, sampling_params) </span></span></code></pre></div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/tensorrt-nvidia-%E6%8E%A8%E7%90%86%E4%BC%98%E5%8C%96%E5%BA%93/">TensorRT (NVIDIA 推理优化库)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/tgi-%E6%96%87%E6%9C%AC%E7%94%9F%E6%88%90%E6%8E%A8%E7%90%86%E6%9C%8D%E5%8A%A1%E5%99%A8/">TGI (文本生成推理服务器)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/pagedattention-%E5%88%86%E9%A1%B5%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6/">PagedAttention (分页注意力机制)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/llm-serving-llm-%E6%9C%8D%E5%8A%A1%E5%8C%96/">LLM Serving (LLM 服务化)</a></li> </ul>文本嵌入推理https://terms-en.ai-term-hub.com/zh/terms/text_embeddings_inference/Sat, 18 Jul 2026 11:36:07 +0000https://terms-en.ai-term-hub.com/zh/terms/text_embeddings_inference/<h2 id="definition">Definition</h2> <p>文本嵌入推理指的是部署和优化将自然语言转换为高维向量的模型的过程。这些嵌入能够捕捉语义含义，使系统能够理解文本之间的深层联系，从而支持高效的语义匹配与信息检索。</p> <h3 id="summary">Summary</h3> <p>一种专为高效生成文本密集向量表示而设计的专用推理服务器，用于语义搜索和检索任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>向量化</li> <li>语义搜索</li> <li>Transformer编码器</li> <li>密集检索</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>构建语义搜索引擎</li> <li>文档聚类与组织</li> <li>检索增强生成（RAG）管道</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/vector_database-%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/">vector_database (向量数据库)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/semantic_similarity-%E8%AF%AD%E4%B9%89%E7%9B%B8%E4%BC%BC%E5%BA%A6/">semantic_similarity (语义相似度)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transformer_models-transformer%E6%A8%A1%E5%9E%8B/">transformer_models (Transformer模型)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/rag_systems-rag%E7%B3%BB%E7%BB%9F/">rag_systems (RAG系统)</a></li> </ul>文本生成推理https://terms-en.ai-term-hub.com/zh/terms/text_generation_inference/Sat, 18 Jul 2026 11:36:07 +0000https://terms-en.ai-term-hub.com/zh/terms/text_generation_inference/<h2 id="definition">Definition</h2> <p>文本生成推理（TGI）是一个专用的软件框架，旨在以低延迟和高吞吐量服务大型语言模型（LLM）。它针对文本生成的推理过程进行了深度优化，包括连续批处理和张量并行等技术，从而显著提升生产环境下的响应速度和并发处理能力。</p> <h3 id="summary">Summary</h3> <p>一个高性能的服务引擎，专门针对大规模高效部署大型语言模型以生成文本进行了优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>连续批处理</li> <li>张量并行</li> <li>低延迟服务</li> <li>LLM部署</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生产级聊天机器人API</li> <li>实时内容生成服务</li> <li>高吞吐量文本分析平台</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/llm_serving-llm%E6%9C%8D%E5%8A%A1%E5%8C%96/">llm_serving (LLM服务化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/continuous_batching-%E8%BF%9E%E7%BB%AD%E6%89%B9%E5%A4%84%E7%90%86/">continuous_batching (连续批处理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/huggingface_tgi-hugging-face-tgi%E5%B7%A5%E5%85%B7/">huggingface_tgi (Hugging Face TGI工具)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model_optimization-%E6%A8%A1%E5%9E%8B%E4%BC%98%E5%8C%96/">model_optimization (模型优化)</a></li> </ul>自洽性https://terms-en.ai-term-hub.com/zh/terms/self_consistency/Sat, 18 Jul 2026 11:32:54 +0000https://terms-en.ai-term-hub.com/zh/terms/self_consistency/<h2 id="definition">Definition</h2> <p>该技术主要用于大型语言模型（LLM），通过采样生成针对同一提示的多个多样化响应来提高准确性。与依赖贪婪解码不同，它聚合</p> <h3 id="summary">Summary</h3> <p>自洽性是一种解码策略，其中采样多个推理路径，并选择出现频率最高的答案作为最终输出。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>多数投票</li> <li>解码策略</li> <li>LLM推理</li> <li>减少幻觉</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数学应用题</li> <li>复杂逻辑推导</li> <li>代码合成任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%80%9D%E7%BB%B4%E9%93%BE-chain-of-thought-%E5%BC%95%E5%AF%BC%E6%A8%A1%E5%9E%8B%E9%80%90%E6%AD%A5%E6%8E%A8%E7%90%86%E7%9A%84%E6%8A%80%E6%9C%AF/">思维链 (Chain-of-thought，引导模型逐步推理的技术)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B8%A9%E5%BA%A6%E9%87%87%E6%A0%B7-temperature-sampling-%E6%8E%A7%E5%88%B6%E7%94%9F%E6%88%90%E6%96%87%E6%9C%AC%E9%9A%8F%E6%9C%BA%E6%80%A7%E7%9A%84%E5%8F%82%E6%95%B0/">温度采样 (Temperature sampling，控制生成文本随机性的参数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%9B%86%E6%88%90%E6%96%B9%E6%B3%95-ensemble-methods-%E7%BB%93%E5%90%88%E5%A4%9A%E4%B8%AA%E6%A8%A1%E5%9E%8B%E9%A2%84%E6%B5%8B%E4%BB%A5%E6%8F%90%E9%AB%98%E5%87%86%E7%A1%AE%E6%80%A7%E7%9A%84%E6%8A%80%E6%9C%AF/">集成方法 (Ensemble methods，结合多个模型预测以提高准确性的技术)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B-prompt-engineering-%E8%AE%BE%E8%AE%A1%E5%92%8C%E4%BC%98%E5%8C%96%E8%BE%93%E5%85%A5%E6%8F%90%E7%A4%BA%E4%BB%A5%E6%94%B9%E5%96%84%E6%A8%A1%E5%9E%8B%E8%BE%93%E5%87%BA%E7%9A%84%E6%8A%80%E6%9C%AF/">提示工程 (Prompt engineering，设计和优化输入提示以改善模型输出的技术)</a></li> </ul>PagedAttentionhttps://terms-en.ai-term-hub.com/zh/terms/pagedattention/Sat, 18 Jul 2026 11:29:14 +0000https://terms-en.ai-term-hub.com/zh/terms/pagedattention/<h2 id="definition">Definition</h2> <p>PagedAttention 是由 vLLM 项目引入的一项技术，旨在提高大语言模型推理的效率。它解决了管理 KV 缓存时的碎片化和开销问题，通过将 KV 缓存视为非连续的内存块进行分配和管理，从而显著减少了内存浪费，提高了吞吐量并降低了显存占用。</p> <h3 id="summary">Summary</h3> <p>PagedAttention 是一种内存管理算法，它将虚拟内存分页概念应用于优化 Transformer 模型中键值（KV）缓存的存储和访问。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>KV 缓存管理</li> <li>内存碎片化</li> <li>推理优化</li> <li>虚拟内存分页</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>高吞吐量大语言模型服务</li> <li>减少 GPU 内存使用</li> <li>生产环境中的批处理优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/vllm-%E9%AB%98%E6%80%A7%E8%83%BDllm%E6%8E%A8%E7%90%86%E5%BC%95%E6%93%8E/">vLLM (高性能LLM推理引擎)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/key-value-cache-%E9%94%AE%E5%80%BC%E7%BC%93%E5%AD%98/">Key-Value Cache (键值缓存)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transformer-architecture-transformer%E6%9E%B6%E6%9E%84/">Transformer Architecture (Transformer架构)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gpu-memory-optimization-gpu%E5%86%85%E5%AD%98%E4%BC%98%E5%8C%96/">GPU Memory Optimization (GPU内存优化)</a></li> </ul>学习的推断理论https://terms-en.ai-term-hub.com/zh/terms/inferential_theory_of_learning/Sat, 18 Jul 2026 11:22:25 +0000https://terms-en.ai-term-hub.com/zh/terms/inferential_theory_of_learning/<h2 id="definition">Definition</h2> <p>该理论认为，学习本质上是一个概率推断的过程。学习者不是通过死记硬背来记忆数据，而是维护一个关于可能模型或假设的概率分布。</p> <h3 id="summary">Summary</h3> <p>一种将学习视为贝叶斯推断的框架，即根据观测数据更新对假设的信念。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>贝叶斯推断</li> <li>先验分布</li> <li>后验更新</li> <li>模型不确定性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在有限数据下的鲁棒预测</li> <li>主动学习策略</li> <li>感知不确定性的决策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BC%98%E5%8C%96-bayesian-optimization/">贝叶斯优化 (Bayesian optimization)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8F%98%E5%88%86%E6%8E%A8%E6%96%AD-variational-inference/">变分推断 (Variational inference)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B-probabilistic-graphical-models/">概率图模型 (Probabilistic graphical models)</a></li> </ul>期望传播https://terms-en.ai-term-hub.com/zh/terms/expectation_propagation/Sat, 18 Jul 2026 11:16:37 +0000https://terms-en.ai-term-hub.com/zh/terms/expectation_propagation/<h2 id="definition">Definition</h2> <p>期望传播（EP）通过迭代 refine 高斯近似值来逼近难以处理的积分，从而估计真实后验分布。它最小化近似分布与真实分布之间的Kullback-Leibler散度，常用于贝叶斯推断和稀疏高斯过程。</p> <h3 id="summary">Summary</h3> <p>一种用于估计复杂概率图模型中后验分布的近似推理算法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>后验近似</li> <li>矩匹配</li> <li>Kullback-Leibler散度</li> <li>高斯过程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>稀疏高斯过程</li> <li>贝叶斯逻辑回归</li> <li>概率矩阵分解</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/variational_inference-%E5%8F%98%E5%88%86%E6%8E%A8%E6%96%AD/">variational_inference (变分推断)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gaussian_processes-%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B/">gaussian_processes (高斯过程)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bayesian_inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">bayesian_inference (贝叶斯推断)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/mean_field_approximation-%E5%B9%B3%E5%9D%87%E5%9C%BA%E8%BF%91%E4%BC%BC/">mean_field_approximation (平均场近似)</a></li> </ul>急切学习https://terms-en.ai-term-hub.com/zh/terms/eager_learning/Sat, 18 Jul 2026 11:15:46 +0000https://terms-en.ai-term-hub.com/zh/terms/eager_learning/<h2 id="definition">Definition</h2> <p>在急切学习中，系统在遇到新实例之前，会根据训练数据构建一个通用的目标函数或模型。这与延迟学习形成对比，后者将泛化过程推迟到查询阶段，即直到需要预测时才进行计算。</p> <h3 id="summary">Summary</h3> <p>急切学习是一种机器学习方法，其泛化函数在训练阶段就被学习完成，因此在训练结束后能够实现快速的预测时间。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练阶段泛化</li> <li>快速推理</li> <li>模型复杂度</li> <li>过拟合风险</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时图像分类</li> <li>欺诈检测系统</li> <li>推荐引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%BB%B6%E8%BF%9F%E5%AD%A6%E4%B9%A0-%E5%B0%86%E6%B3%9B%E5%8C%96%E6%8E%A8%E8%BF%9F%E5%88%B0%E6%B5%8B%E8%AF%95%E9%98%B6%E6%AE%B5%E7%9A%84%E7%AD%96%E7%95%A5/">延迟学习 (将泛化推迟到测试阶段的策略)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%9F%BA%E4%BA%8E%E5%AE%9E%E4%BE%8B%E7%9A%84%E5%AD%A6%E4%B9%A0-%E5%A6%82knn-%E5%B1%9E%E4%BA%8E%E5%BB%B6%E8%BF%9F%E5%AD%A6%E4%B9%A0/">基于实例的学习 (如KNN，属于延迟学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-%E4%BB%8E%E6%A0%87%E6%B3%A8%E6%95%B0%E6%8D%AE%E4%B8%AD%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%96%B9%E6%B3%95/">监督学习 (从标注数据中学习的方法)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83-%E8%B0%83%E6%95%B4%E6%A8%A1%E5%9E%8B%E5%8F%82%E6%95%B0%E7%9A%84%E8%BF%87%E7%A8%8B/">模型训练 (调整模型参数的过程)</a></li> </ul>贝叶斯编程https://terms-en.ai-term-hub.com/zh/terms/bayesian_programming/Sat, 18 Jul 2026 11:09:03 +0000https://terms-en.ai-term-hub.com/zh/terms/bayesian_programming/<h2 id="definition">Definition</h2> <p>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。</p> <h3 id="summary">Summary</h3> <p>一种形式化的概率推理框架，将贝叶斯推断扩展至复杂的分层模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>分层建模</li> <li>概率推理</li> <li>条件独立性</li> <li>不确定性量化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器人感知系统</li> <li>自然语言处理</li> <li>医疗诊断支持</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bayesian-inference-%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%8E%A8%E6%96%AD/">Bayesian inference (贝叶斯推断)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/probabilistic-graphical-models-%E6%A6%82%E7%8E%87%E5%9B%BE%E6%A8%A1%E5%9E%8B/">Probabilistic graphical models (概率图模型)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/markov-chains-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E9%93%BE/">Markov chains (马尔可夫链)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/latent-variable-models-%E6%BD%9C%E5%8F%98%E9%87%8F%E6%A8%A1%E5%9E%8B/">Latent variable models (潜变量模型)</a></li> </ul>贝叶斯学习机制https://terms-en.ai-term-hub.com/zh/terms/bayesian_learning_mechanisms/Sat, 18 Jul 2026 11:08:51 +0000https://terms-en.ai-term-hub.com/zh/terms/bayesian_learning_mechanisms/<h2 id="definition">Definition</h2> <p>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。</p> <h3 id="summary">Summary</h3> <p>将模型参数视为具有概率分布的随机变量而非固定值的学习范式。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>后验分布</li> <li>先验信念</li> <li>不确定性量化</li> <li>贝叶斯定理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有强先验的小数据集学习</li> <li>风险敏感型决策制定</li> <li>主动学习策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/variational_inference-%E5%8F%98%E5%88%86%E6%8E%A8%E6%96%AD/">variational_inference (变分推断)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/mcmc-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E9%93%BE%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B/">mcmc (马尔可夫链蒙特卡洛)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/prior-%E5%85%88%E9%AA%8C/">prior (先验)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/posterior-%E5%90%8E%E9%AA%8C/">posterior (后验)</a></li> </ul>蒙特卡洛https://terms-en.ai-term-hub.com/zh/terms/monte/Sat, 18 Jul 2026 10:53:03 +0000https://terms-en.ai-term-hub.com/zh/terms/monte/<h2 id="definition">Definition</h2> <p>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。</p> <h3 id="summary">Summary</h3> <p>蒙特卡洛指代蒙特卡洛方法，该方法使用重复的随机抽样来获得原则上确定但过于复杂而无法解析求解的问题的数值结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>随机抽样</li> <li>数值近似</li> <li>概率推断</li> <li>大数定律</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>贝叶斯后验估计</li> <li>不确定性下的机器人路径规划</li> <li>金融期权定价</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/mcmc-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E9%93%BE%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B/">MCMC (马尔可夫链蒙特卡洛)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/importance-sampling-%E9%87%8D%E8%A6%81%E6%80%A7%E9%87%87%E6%A0%B7/">Importance Sampling (重要性采样)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bootstrap-%E8%87%AA%E5%8A%A9%E6%B3%95/">Bootstrap (自助法)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/simulation-%E6%A8%A1%E6%8B%9F/">Simulation (模拟)</a></li> </ul>因果的https://terms-en.ai-term-hub.com/zh/terms/causal/Sat, 18 Jul 2026 10:49:42 +0000https://terms-en.ai-term-hub.com/zh/terms/causal/<h2 id="definition">Definition</h2> <p>在人工智能中，因果建模旨在理解对某一变量的干预如何影响另一变量。与依赖观察模式的预测模型不同，因果AI使用结构方程模型等工具来揭示变量间的内在机制。</p> <h3 id="summary">Summary</h3> <p>因果推断涉及确定变量之间的因果关系，而不仅仅是识别统计相关性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>干预</li> <li>反事实推理</li> <li>有向无环图</li> <li>混杂变量</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗疗效分析</li> <li>经济政策影响评估</li> <li>工业系统中的根本原因分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/correlation-%E7%9B%B8%E5%85%B3%E6%80%A7/">Correlation (相关性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/inference-%E6%8E%A8%E6%96%AD/">Inference (推断)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/structural-equation-modeling-%E7%BB%93%E6%9E%84%E6%96%B9%E7%A8%8B%E5%BB%BA%E6%A8%A1/">Structural Equation Modeling (结构方程建模)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/do-calculus-do%E6%BC%94%E7%AE%97/">Do-Calculus (do演算)</a></li> </ul>