Standards on 中文AI术语词典https://terms-en.ai-term-hub.com/zh/tags/standards/Recent content in Standards on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000Croissanthttps://terms-en.ai-term-hub.com/zh/terms/croissant/Sat, 18 Jul 2026 11:11:39 +0000https://terms-en.ai-term-hub.com/zh/terms/croissant/<h2 id="definition">Definition</h2> <p>作为 MLCommons 倡议的一部分开发的 Croissant 使用 JSON-LD 提供标准化的方式来描述数据集，包括其结构、引用和许可。它旨在解决碎片化问题&hellip;</p> <h3 id="summary">Summary</h3> <p>Croissant 是一种用于描述数据集的开放元数据格式，有助于促进 AI 领域的可发现性和互操作性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元数据标准</li> <li>JSON-LD</li> <li>数据集发现</li> <li>互操作性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化数据集摄入流水线</li> <li>数据编目和搜索引擎</li> <li>可重复研究的文档记录</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/mlcommons-mlcommons-%E7%BB%84%E7%BB%87/">MLCommons (MLCommons 组织)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E5%8D%A1%E7%89%87-data-card/">数据卡片 (Data Card)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/json-ld-json-for-linking-data/">JSON-LD (JSON for Linking Data)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hugging-face-datasets-hugging-face-%E6%95%B0%E6%8D%AE%E9%9B%86%E5%BA%93/">Hugging Face Datasets (Hugging Face 数据集库)</a></li> </ul>模型上下文协议https://terms-en.ai-term-hub.com/zh/terms/model_context_protocol/Sat, 18 Jul 2026 11:01:05 +0000https://terms-en.ai-term-hub.com/zh/terms/model_context_protocol/<h2 id="definition">Definition</h2> <p>模型上下文协议（MCP）是一种开放标准，使AI应用能够以统一的方式连接各种数据源，如数据库、API和文件系统。它抽象了连接细节，允许开发人员轻松构建可移植的AI助手，并确保不同系统间的数据集成和工具调用具备互操作性和安全性。</p> <h3 id="summary">Summary</h3> <p>旨在促进AI模型与外部数据源或工具之间安全高效通信的标准化框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>互操作性</li> <li>标准化</li> <li>数据集成</li> <li>工具调用</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将大语言模型连接至企业数据</li> <li>构建可移植的AI助手</li> <li>安全的API集成</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/api-%E5%BA%94%E7%94%A8%E7%A8%8B%E5%BA%8F%E7%BC%96%E7%A8%8B%E6%8E%A5%E5%8F%A3/">API (应用程序编程接口)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/integration-%E9%9B%86%E6%88%90/">Integration (集成)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/interoperability-%E4%BA%92%E6%93%8D%E4%BD%9C%E6%80%A7/">Interoperability (互操作性)</a></li> </ul>基准https://terms-en.ai-term-hub.com/zh/terms/benchmark/Sat, 18 Jul 2026 10:49:30 +0000https://terms-en.ai-term-hub.com/zh/terms/benchmark/<h2 id="definition">Definition</h2> <p>在人工智能中，基准是一套标准化的测试套件或数据集，旨在衡量机器学习模型的能力。它提供了一个一致的框架，用于比较不同模型的性能表现。</p> <h3 id="summary">Summary</h3> <p>用于评估AI模型性能相对于既定基线的标准参考点或指标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>标准化评估</li> <li>性能指标</li> <li>对比分析</li> <li>基线比较</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将新模型架构与现有的最先进方法进行对比评估。</li> <li>在不同条件或数据集下评估模型的鲁棒性。</li> <li>在学术研究中报告结果以确保公平的比较。</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/baseline-%E5%9F%BA%E7%BA%BF/">baseline (基线)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/evaluation_metrics-%E8%AF%84%E4%BC%B0%E6%8C%87%E6%A0%87/">evaluation_metrics (评估指标)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">dataset (数据集)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/state_of_the_art-%E6%9C%80%E5%85%88%E8%BF%9B%E6%8A%80%E6%9C%AF/">state_of_the_art (最先进技术)</a></li> </ul>