<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Information Theory on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/information-theory/</link><description>Recent content in Information Theory on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/information-theory/index.xml" rel="self" type="application/rss+xml"/><item><title>赋能</title><link>https://terms-en.ai-term-hub.com/zh/terms/empowerment/</link><pubDate>Sat, 18 Jul 2026 11:16:12 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/empowerment/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>在强化学习和人工智能中，赋能是一种内在动机指标，量化了智能体对其环境的控制程度。它被定义为智能体的动作与其未来状态之间的互信息，反映了智能体能够产生多少种不同的可预测结果。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>一种强化学习目标，衡量智能体通过其行为影响未来状态的能力。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>互信息&lt;/li>
&lt;li>内在动机&lt;/li>
&lt;li>控制论&lt;/li>
&lt;li>探索&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>自主机器人探索&lt;/li>
&lt;li>程序化关卡生成&lt;/li>
&lt;li>开发通用人工智能代理&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/intrinsic-motivation-%E5%86%85%E5%9C%A8%E5%8A%A8%E6%9C%BA/">Intrinsic motivation (内在动机)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/information-bottleneck-%E4%BF%A1%E6%81%AF%E7%93%B6%E9%A2%88/">Information bottleneck (信息瓶颈)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/reinforcement-learning-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">Reinforcement learning (强化学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/curiosity-driven-learning-%E5%A5%BD%E5%A5%87%E5%BF%83%E9%A9%B1%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Curiosity-driven learning (好奇心驱动学习)&lt;/a>&lt;/li>
&lt;/ul></description></item><item><title>算法概率</title><link>https://terms-en.ai-term-hub.com/zh/terms/algorithmic_probability/</link><pubDate>Sat, 18 Jul 2026 11:04:49 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/algorithmic_probability/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>算法概率根植于柯尔莫哥洛夫复杂性和所罗门诺夫归纳法，它为由较短程序生成的输出分配更高的概率。它假设更简单的解释更有可能为真。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>一种理论度量，用于评估随机程序生成特定输出字符串的可能性。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>柯尔莫哥洛夫复杂度&lt;/li>
&lt;li>所罗门诺夫归纳法&lt;/li>
&lt;li>奥卡姆剃刀&lt;/li>
&lt;li>通用先验&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>AI的理论基础&lt;/li>
&lt;li>数据压缩算法&lt;/li>
&lt;li>归纳推理模型&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/kolmogorov-complexity-%E6%9F%AF%E5%B0%94%E8%8E%AB%E5%93%A5%E6%B4%9B%E5%A4%AB%E5%A4%8D%E6%9D%82%E5%BA%A6/">Kolmogorov complexity (柯尔莫哥洛夫复杂度)&lt;/a>&lt;/li>
&lt;li>&lt;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)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/minimum-description-length-%E6%9C%80%E5%B0%8F%E6%8F%8F%E8%BF%B0%E9%95%BF%E5%BA%A6/">Minimum description length (最小描述长度)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/universal-turing-machine-%E9%80%9A%E7%94%A8%E5%9B%BE%E7%81%B5%E6%9C%BA/">Universal Turing machine (通用图灵机)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>