<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Quality on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/quality/</link><description>Recent content in Quality 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/quality/index.xml" rel="self" type="application/rss+xml"/><item><title>高保真的</title><link>https://terms-en.ai-term-hub.com/zh/terms/high_fidelity/</link><pubDate>Sat, 18 Jul 2026 10:56:36 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/high_fidelity/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>高保真描述生成模型的输出与真实数据难以区分或非常相似。在图像生成中，意味着逼真的纹理和光照；在音频中，指清晰自然的语音或音乐。高保真度是衡量生成式AI质量的关键指标，广泛应用于需要极高真实感的场景。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>指生成的内容在细节、质量和逼真度上与现实世界数据高度相似。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>逼真度&lt;/li>
&lt;li>生成质量&lt;/li>
&lt;li>视觉/音频保真度&lt;/li>
&lt;li>不可区分性&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>照片级真实图像合成&lt;/li>
&lt;li>声音克隆和语音合成&lt;/li>
&lt;li>虚拟现实资产创建&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/generative_models-%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/">generative_models (生成模型)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/diffusion_models-%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/">diffusion_models (扩散模型)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/quality_metrics-%E8%B4%A8%E9%87%8F%E6%8C%87%E6%A0%87/">quality_metrics (质量指标)&lt;/a>&lt;/li>
&lt;/ul></description></item><item><title>评估</title><link>https://terms-en.ai-term-hub.com/zh/terms/evaluation/</link><pubDate>Sat, 18 Jul 2026 10:50:55 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/evaluation/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>评估涉及使用定量指标（如准确率、F1分数、BLEU分数）和定性分析，系统地测量AI模型在特定任务上的表现。它包括验证集测试、交叉验证以及对模型泛化能力、公平性和偏差的审计。有效的评估流程对于确保模型在实际部署中的可靠性、安全性和合规性至关重要。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>评估是根据预定义的指标和数据集，对AI模型的性能、准确性和鲁棒性进行评估的过程。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>指标&lt;/li>
&lt;li>验证集&lt;/li>
&lt;li>泛化&lt;/li>
&lt;li>基准测试&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>在超参数调优期间比较模型版本&lt;/li>
&lt;li>审计模型的公平性和偏见&lt;/li>
&lt;li>认证AI系统以符合监管要求&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/accuracy-%E5%87%86%E7%A1%AE%E7%8E%87/">Accuracy (准确率)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/benchmark-%E5%9F%BA%E5%87%86/">Benchmark (基准)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/loss-function-%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0/">Loss Function (损失函数)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>