https://terms-en.ai-term-hub.com/zh/tags/theory/Recent content in Theory on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000https://terms-en.ai-term-hub.com/zh/terms/toy_problem/Sat, 18 Jul 2026 11:37:02 +0000https://terms-en.ai-term-hub.com/zh/terms/toy_problem/<h2 id="definition">Definition</h2> <p>在人工智能和计算机科学中，玩具问题是一个高度简化的场景，旨在说明某个概念或测试新算法。例如八皇后问题或旅行商问题的简化版。这类问题通常具有明确的规则和较小的搜索空间，使得研究人员能够验证算法的正确性和基本逻辑，而无需处理真实应用中常见的数据噪声、计算复杂性或不确定性。它是算法开发和教学中的重要工具。</p> <h3 id="summary">Summary</h3> <p>复杂问题的简化版本，用于在没有现实世界噪音和规模的情况下测试算法或理论。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>简化</li> <li>算法测试</li> <li>基线性能</li> <li>研究方法</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>教授AI概念</li> <li>调试新算法</li> <li>基准测试模型能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%9F%BA%E5%87%86-benchmark/">基准 (Benchmark)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%90%AF%E5%8F%91%E5%BC%8F%E6%96%B9%E6%B3%95-heuristic/">启发式方法 (Heuristic)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%A4%8D%E6%9D%82%E6%80%A7%E7%90%86%E8%AE%BA-complexity-theory/">复杂性理论 (Complexity Theory)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BB%BF%E7%9C%9F-simulation/">仿真 (Simulation)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/the_master_algorithm/Sat, 18 Jul 2026 11:36:20 +0000https://terms-en.ai-term-hub.com/zh/terms/the_master_algorithm/<h2 id="definition">Definition</h2> <p>该术语由佩德罗·多明戈斯在其同名著作中提出，“终极算法”描述了一个理论上的机器学习统一框架，能够复制所有人类的学习过程。它设想了一种能够整合各种学习范式的通用智能。</p> <h3 id="summary">Summary</h3> <p>终极算法指的是一种假设性的通用学习算法，能够从数据中推导出所有知识。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>通用学习</li> <li>通用智能</li> <li>学习范式</li> <li>理论 AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>指导通用人工智能（AGI）研究</li> <li>统一机器学习理论</li> <li>关于 AI 的哲学讨论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/artificial_general_intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">artificial_general_intelligence (通用人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/machine_learning_theory-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%90%86%E8%AE%BA/">machine_learning_theory (机器学习理论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/pedro_domingos-%E4%BD%A9%E5%BE%B7%E7%BD%97-%E5%A4%9A%E6%98%8E%E6%88%88%E6%96%AF/">pedro_domingos (佩德罗·多明戈斯)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/structural_risk_minimization/Sat, 18 Jul 2026 11:35:19 +0000https://terms-en.ai-term-hub.com/zh/terms/structural_risk_minimization/<h2 id="definition">Definition</h2> <p>结构风险最小化（SRM）是一种通过控制模型复杂度来防止过拟合、从而最小化期望风险的方法。它在经验风险最小化的基础上增加了正则化项，以惩罚过于复杂的模型。</p> <h3 id="summary">Summary</h3> <p>统计学习中的一项原则，旨在通过平衡模型拟合度和复杂度来最小化泛化误差的上界。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>VC维</li> <li>正则化</li> <li>泛化误差</li> <li>模型复杂度惩罚</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>支持向量机（SVM）训练</li> <li>回归分析中多项式阶数的选择</li> <li>剪枝决策树以避免过拟合</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%BB%8F%E9%AA%8C%E9%A3%8E%E9%99%A9%E6%9C%80%E5%B0%8F%E5%8C%96-empirical-risk-minimization-%E6%9C%80%E5%B0%8F%E5%8C%96%E8%AE%AD%E7%BB%83%E8%AF%AF%E5%B7%AE/">经验风险最小化 (Empirical risk minimization，最小化训练误差)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%A5%A5%E5%8D%A1%E5%A7%86%E5%89%83%E5%88%80-occam-s-razor-%E5%A6%82%E6%97%A0%E5%BF%85%E8%A6%81%E5%8B%BF%E5%A2%9E%E5%AE%9E%E4%BD%93%E7%9A%84%E7%AE%80%E7%BA%A6%E5%8E%9F%E5%88%99/">奥卡姆剃刀 (Occam&rsquo;s razor，如无必要勿增实体的简约原则)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%AD%A3%E5%88%99%E5%8C%96-regularization-%E9%80%9A%E8%BF%87%E6%B7%BB%E5%8A%A0%E7%BA%A6%E6%9D%9F%E9%98%B2%E6%AD%A2%E8%BF%87%E6%8B%9F%E5%90%88/">正则化 (Regularization，通过添加约束防止过拟合)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff-%E5%B9%B3%E8%A1%A1%E6%A8%A1%E5%9E%8B%E8%AF%AF%E5%B7%AE%E6%9D%A5%E6%BA%90/">偏差-方差权衡 (Bias-variance tradeoff，平衡模型误差来源)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/statistical_learning_theory/Sat, 18 Jul 2026 11:35:19 +0000https://terms-en.ai-term-hub.com/zh/terms/statistical_learning_theory/<h2 id="definition">Definition</h2> <p>统计学习理论（SLT）是统计学和计算机科学的一个分支，研究特定算法如何从有限的训练样本泛化到未见过的数据。它侧重于对泛化误差进行界限分析，以确保模型在未知数据上的表现。</p> <h3 id="summary">Summary</h3> <p>一种数学框架，通过分析机器学习算法的泛化能力，为其提供理论基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化界</li> <li>VC维</li> <li>经验风险</li> <li>样本复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推导神经网络性能的理论极限</li> <li>确定可靠训练所需的最小数据集规模</li> <li>分析复杂模型中的过拟合风险</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/pac%E5%AD%A6%E4%B9%A0-probably-approximately-correct-learning-%E6%A6%82%E7%8E%87%E8%BF%91%E4%BC%BC%E6%AD%A3%E7%A1%AE%E5%AD%A6%E4%B9%A0/">PAC学习 (Probably Approximately Correct learning，概率近似正确学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff-%E6%A8%A1%E5%9E%8B%E5%81%8F%E5%B7%AE%E4%B8%8E%E6%96%B9%E5%B7%AE%E7%9A%84%E5%B9%B3%E8%A1%A1/">偏差-方差权衡 (Bias-variance tradeoff，模型偏差与方差的平衡)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%AD%A3%E5%88%99%E5%8C%96-regularization-%E9%98%B2%E6%AD%A2%E8%BF%87%E6%8B%9F%E5%90%88%E7%9A%84%E6%8A%80%E6%9C%AF/">正则化 (Regularization，防止过拟合的技术)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A8%A1%E5%9E%8B%E9%80%89%E6%8B%A9-model-selection-%E4%BB%8E%E5%80%99%E9%80%89%E6%A8%A1%E5%9E%8B%E4%B8%AD%E9%80%89%E6%8B%A9%E6%9C%80%E4%BC%98%E6%A8%A1%E5%9E%8B/">模型选择 (Model selection，从候选模型中选择最优模型)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/stability/Sat, 18 Jul 2026 11:35:05 +0000https://terms-en.ai-term-hub.com/zh/terms/stability/<h2 id="definition">Definition</h2> <p>在机器学习中，稳定性（Stability）指模型的性能和参数在面对训练数据的微小扰动时保持稳健的程度。一个稳定的算法即使输入数据略有不同，也能生成相似的模型或预测结果。稳定性是评估模型可靠性和泛化能力的重要指标，通常与方差（Variance）密切相关，高稳定性意味着低方差。</p> <h3 id="summary">Summary</h3> <p>机器学习模型在训练数据发生微小变化时，仍能产生一致预测结果的属性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>鲁棒性</li> <li>泛化能力</li> <li>方差</li> <li>重采样</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估模型可靠性</li> <li>为关键应用选择算法</li> <li>交叉验证策略设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><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)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-variance-tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">Bias-Variance Tradeoff (偏差-方差权衡)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bootstrap-aggregating-bagging-%E8%87%AA%E5%8A%A9%E8%81%9A%E5%90%88/">Bootstrap Aggregating (Bagging/自助聚合)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/solomonoffs_theory_of_inductive_inference/Sat, 18 Jul 2026 11:34:21 +0000https://terms-en.ai-term-hub.com/zh/terms/solomonoffs_theory_of_inductive_inference/<h2 id="definition">Definition</h2> <p>由雷·所罗门诺夫开发，该理论通过根据序列的复杂性为其分配概率，提供了一种通用的归纳模型。它主张更简单的解释（即较短的程序）具有更高的先验概率，从而为机器学习和人工智能中的模式识别和预测提供了理论基础。</p> <h3 id="summary">Summary</h3> <p>一种基于算法概率，利用过去数据预测未来观察结果的正式数学框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法概率</li> <li>柯尔莫哥洛夫复杂度</li> <li>奥卡姆剃刀</li> <li>通用先验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理论AI研究</li> <li>序列预测模型</li> <li>AGI（通用人工智能）基础</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/algorithmic-information-theory-%E7%AE%97%E6%B3%95%E4%BF%A1%E6%81%AF%E8%AE%BA/">Algorithmic Information Theory (算法信息论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/inductive-bias-%E5%BD%92%E7%BA%B3%E5%81%8F%E7%BD%AE/">Inductive Bias (归纳偏置)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/prediction-theory-%E9%A2%84%E6%B5%8B%E7%90%86%E8%AE%BA/">Prediction Theory (预测理论)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/sample_complexity/Sat, 18 Jul 2026 11:32:54 +0000https://terms-en.ai-term-hub.com/zh/terms/sample_complexity/<h2 id="definition">Definition</h2> <p>在计算学习理论中，样本复杂度量化了有效训练模型所需的数据量。它平衡了模型容量与数据可用性之间的权衡，确保</p> <h3 id="summary">Summary</h3> <p>样本复杂度是指机器学习算法以高概率达到特定性能水平所需的训练样本数量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化误差</li> <li>训练数据规模</li> <li>收敛性</li> <li>防止过拟合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>确定新模型的dataset需求</li> <li>比较不同学习算法的效率</li> <li>规划数据收集工作预算</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/vc%E7%BB%B4-vapnik-chervonenkis-dimension-%E8%A1%A1%E9%87%8F%E5%87%BD%E6%95%B0%E7%B1%BB%E5%A4%8D%E6%9D%82%E5%BA%A6%E7%9A%84%E6%8C%87%E6%A0%87/">VC维 (Vapnik-Chervonenkis dimension，衡量函数类复杂度的指标)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff-%E6%A8%A1%E5%9E%8B%E8%AF%AF%E5%B7%AE%E6%9D%A5%E6%BA%90%E7%9A%84%E5%B9%B3%E8%A1%A1/">偏差-方差权衡 (Bias-variance tradeoff，模型误差来源的平衡)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B3%9B%E5%8C%96-generalization-%E6%A8%A1%E5%9E%8B%E5%AF%B9%E6%9C%AA%E8%A7%81%E6%95%B0%E6%8D%AE%E7%9A%84%E9%80%82%E5%BA%94%E8%83%BD%E5%8A%9B/">泛化 (Generalization，模型对未见数据的适应能力)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA-data-augmentation-%E9%80%9A%E8%BF%87%E5%8F%98%E6%8D%A2%E5%A2%9E%E5%8A%A0%E8%AE%AD%E7%BB%83%E6%95%B0%E6%8D%AE%E5%A4%9A%E6%A0%B7%E6%80%A7%E7%9A%84%E6%8A%80%E6%9C%AF/">数据增强 (Data augmentation，通过变换增加训练数据多样性的技术)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/recursive_self_improvement/Sat, 18 Jul 2026 11:32:02 +0000https://terms-en.ai-term-hub.com/zh/terms/recursive_self_improvement/<h2 id="definition">Definition</h2> <p>递归自我改进是指人工智能系统理论上能够重写自身的源代码或架构，从而变得更聪明、更高效或具备更强能力的特性。</p> <h3 id="summary">Summary</h3> <p>一种AI系统通过自我修改迭代增强自身智能或能力的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>智能爆炸</li> <li>自我修改</li> <li>奇点</li> <li>迭代优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通用人工智能（AGI）轨迹的理论研究</li> <li>自动化机器学习（AutoML）架构</li> <li>算法交易策略优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/artificial-general-intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial General Intelligence (通用人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/singularity-%E6%8A%80%E6%9C%AF%E5%A5%87%E7%82%B9/">Singularity (技术奇点)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">Meta-learning (元学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/neural-architecture-search-%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2/">Neural architecture search (神经架构搜索)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/rademacher_complexity/Sat, 18 Jul 2026 11:31:50 +0000https://terms-en.ai-term-hub.com/zh/terms/rademacher_complexity/<h2 id="definition">Definition</h2> <p>Rademacher 复杂度评估假设类与随机标签（噪声）的相关程度。它作为模型容量或灵活性的代理指标。较低的复杂度通常意味着更好的泛化能力。</p> <h3 id="summary">Summary</h3> <p>学习理论中用于量化函数类丰富程度的统计度量，通过其拟合随机噪声的能力来评估。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化界</li> <li>模型容量</li> <li>过拟合</li> <li>统计学习理论</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>支持向量机 (SVM) 的理论分析</li> <li>推导收敛速率</li> <li>比较不同模型类</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/vc-%E7%BB%B4-vapnik-chervonenkis-dimension/">VC 维 (Vapnik-Chervonenkis dimension)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B3%9B%E5%8C%96%E8%AF%AF%E5%B7%AE-generalization-error/">泛化误差 (Generalization error)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/pac-%E5%AD%A6%E4%B9%A0-probably-approximately-correct-learning/">PAC 学习 (Probably Approximately Correct learning)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1-bias-variance-tradeoff/">偏差-方差权衡 (Bias-variance tradeoff)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/principle_of_rationality/Sat, 18 Jul 2026 11:30:30 +0000https://terms-en.ai-term-hub.com/zh/terms/principle_of_rationality/<h2 id="definition">Definition</h2> <p>该原则主张，给定感知输入和先验知识，智能体的行动选择应使其预期绩效度量最大化。它是决策理论的基石，指导智能体在不确定性环境下做出最优选择。</p> <h3 id="summary">Summary</h3> <p>智能体基于可用信息采取行动以最大化其预期效用的基础假设。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>预期效用最大化</li> <li>理性智能体</li> <li>决策理论</li> <li>最优行为</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计自动驾驶车辆导航系统</li> <li>开发如AlphaGo之类的博弈AI</li> <li>创建经济仿真模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/utility-function-%E6%95%88%E7%94%A8%E5%87%BD%E6%95%B0/">Utility Function (效用函数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/markov-decision-process-%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%86%B3%E7%AD%96%E8%BF%87%E7%A8%8B/">Markov Decision Process (马尔可夫决策过程)</a></li> <li><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)</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> </ul>https://terms-en.ai-term-hub.com/zh/terms/pattern_theory/Sat, 18 Jul 2026 11:29:41 +0000https://terms-en.ai-term-hub.com/zh/terms/pattern_theory/<h2 id="definition">Definition</h2> <p>模式理论为理解如何通过模式来描述复杂对象和现象提供了严谨的数学基础。它认为任何对象都可以通过其</p> <h3 id="summary">Summary</h3> <p>一种通过分析数据空间中的模式来描述复杂结构的数学框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模式空间</li> <li>不变性</li> <li>特征提取</li> <li>随机过程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像识别系统</li> <li>自然语言处理</li> <li>生物信息学序列分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/feature-engineering-%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B/">Feature engineering (特征工程)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/deep-learning-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/">Deep learning (深度学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/manifold-learning-%E6%B5%81%E5%BD%A2%E5%AD%A6%E4%B9%A0/">Manifold learning (流形学习)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/parity_learning/Sat, 18 Jul 2026 11:29:29 +0000https://terms-en.ai-term-hub.com/zh/terms/parity_learning/<h2 id="definition">Definition</h2> <p>奇偶校验学习是机器学习理论中的一个基准问题，目标是预测一组二进制输入变量的奇偶性（即异或和）。对于标准的浅层前馈神经网络来说，这个问题 notoriously difficult（以困难著称），因为它需要捕捉长距离依赖关系，从而常被用来评估神经网络的容量和优化算法的鲁棒性。</p> <h3 id="summary">Summary</h3> <p>一个理论机器学习问题，专注于预测二进制输入的异或（XOR）和，用于测试模型的表达能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>异或问题</li> <li>模型表达能力</li> <li>二分类</li> <li>长距离依赖</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估神经网络容量</li> <li>测试优化算法的鲁棒性</li> <li>研究循环神经网络的能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%BC%82%E6%88%96%E9%97%A8-xor-gate/">异或门 (XOR Gate)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%AE%B9%E9%87%8F-neural-network-capacity/">神经网络容量 (Neural Network Capacity)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95-benchmarking/">基准测试 (Benchmarking)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-recurrent-neural-networks/">循环神经网络 (Recurrent Neural Networks)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/neural_modeling_fields/Sat, 18 Jul 2026 11:28:12 +0000https://terms-en.ai-term-hub.com/zh/terms/neural_modeling_fields/<h2 id="definition">Definition</h2> <p>神经建模场涉及研究神经群体如何在高维空间中组织自身以表征信息。这一概念通常与拓扑映射（topological mappings）和场论（field theory）相关。</p> <h3 id="summary">Summary</h3> <p>描述神经活动模式的空间和功能组织的理论框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>拓扑映射</li> <li>群体编码</li> <li>场论</li> <li>空间组织</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>认知地图研究</li> <li>感觉皮层建模</li> <li>脑机接口</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cognitive-map-%E8%AE%A4%E7%9F%A5%E5%9C%B0%E5%9B%BE/">Cognitive map (认知地图)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/population-vector-%E7%BE%A4%E4%BD%93%E5%90%91%E9%87%8F/">Population vector (群体向量)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/topographic-map-%E6%8B%93%E6%89%91%E5%9B%BE/">Topographic map (拓扑图)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/neural-dynamics-%E7%A5%9E%E7%BB%8F%E5%8A%A8%E5%8A%9B%E5%AD%A6/">Neural dynamics (神经动力学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/math/Sat, 18 Jul 2026 11:25:36 +0000https://terms-en.ai-term-hub.com/zh/terms/math/<h2 id="definition">Definition</h2> <p>在人工智能的背景下，数学为算法设计和分析提供了理论框架。关键分支包括用于数据表示的线性代数、用于优化的微积分、用于不确定性建模的概率论以及用于数据分析的统计学。</p> <h3 id="summary">Summary</h3> <p>涉及数字、结构、空间和变化的基础学科，对于制定和解决AI问题至关重要。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>线性代数</li> <li>微积分</li> <li>概率论</li> <li>统计学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推导反向传播算法</li> <li>建模预测中的不确定性</li> <li>优化损失函数</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/linear-algebra-%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0/">Linear Algebra (线性代数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/calculus-%E5%BE%AE%E7%A7%AF%E5%88%86/">Calculus (微积分)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/statistics-%E7%BB%9F%E8%AE%A1%E5%AD%A6/">Statistics (统计学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/manifold_hypothesis/Sat, 18 Jul 2026 11:25:23 +0000https://terms-en.ai-term-hub.com/zh/terms/manifold_hypothesis/<h2 id="definition">Definition</h2> <p>这一假说解释了尽管存在维度灾难，深度学习为何能高效工作。它表明，尽管图像等数据存在于数百万维的空间中，但它们受到内在结构的约束&hellip;</p> <h3 id="summary">Summary</h3> <p>假设高维现实世界数据位于高维空间内的低维非线性流形上。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>降维</li> <li>内蕴维度</li> <li>非线性几何</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理解神经网络效率</li> <li>开发降维算法</li> <li>改进数据可视化技术</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/principal-component-analysis-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/">Principal Component Analysis (主成分分析)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/autoencoders-%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8/">Autoencoders (自编码器)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/curse-of-dimensionality-%E7%BB%B4%E5%BA%A6%E7%81%BE%E9%9A%BE/">Curse of Dimensionality (维度灾难)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/feature-learning-%E7%89%B9%E5%BE%81%E5%AD%A6%E4%B9%A0/">Feature Learning (特征学习)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/m_theory/Sat, 18 Jul 2026 11:24:58 +0000https://terms-en.ai-term-hub.com/zh/terms/m_theory/<h2 id="definition">Definition</h2> <p>虽然主要是一个理论物理概念而非计算机科学概念，但M理论偶尔被引用到高级计算模拟和量子计算研究中。它表明</p> <h3 id="summary">Summary</h3> <p>M理论是物理学中的一个理论框架，统一了五种不同版本的弦理论，提出基本粒子是十一维空间中一维膜（膜子）的振动。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>弦理论</li> <li>统一</li> <li>高维空间</li> <li>膜子 (Branes)</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理论物理模拟</li> <li>启发高维数据表示算法</li> <li>量子计算模型开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/string-theory-%E5%BC%A6%E7%90%86%E8%AE%BA/">String Theory (弦理论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/quantum-mechanics-%E9%87%8F%E5%AD%90%E5%8A%9B%E5%AD%A6/">Quantum Mechanics (量子力学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/dimensionality-reduction-%E9%99%8D%E7%BB%B4/">Dimensionality Reduction (降维)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/unified-field-theory-%E7%BB%9F%E4%B8%80%E5%9C%BA%E8%AE%BA/">Unified Field Theory (统一场论)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/lottery_ticket_hypothesis/Sat, 18 Jul 2026 11:24:46 +0000https://terms-en.ai-term-hub.com/zh/terms/lottery_ticket_hypothesis/<h2 id="definition">Definition</h2> <p>彩票假设指出，在一个大型随机初始化的神经网络中，存在一个稀疏的子网络（即“中奖彩票”），其初始化状态非常适合训练。通过剪枝掉不重要的权重，仅保留并训练这个子网络，可以在不损失性能的前提下大幅减少模型规模。</p> <h3 id="summary">Summary</h3> <p>该理论认为密集神经网络中包含较小的子网络，若从初始状态单独训练，其准确率可与原始网络相匹配。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>权重剪枝</li> <li>稀疏网络</li> <li>模型压缩</li> <li>初始化敏感性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在边缘设备上部署轻量级模型</li> <li>降低训练期间的计算成本</li> <li>加速推理速度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/network-pruning-%E7%BD%91%E7%BB%9C%E5%89%AA%E6%9E%9D/">Network Pruning (网络剪枝)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-distillation-%E6%A8%A1%E5%9E%8B%E8%92%B8%E9%A6%8F/">Model Distillation (模型蒸馏)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/sparse-training-%E7%A8%80%E7%96%8F%E8%AE%AD%E7%BB%83/">Sparse Training (稀疏训练)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/efficient-ai-%E9%AB%98%E6%95%88%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Efficient AI (高效人工智能)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/linear_separability/Sat, 18 Jul 2026 11:24:20 +0000https://terms-en.ai-term-hub.com/zh/terms/linear_separability/<h2 id="definition">Definition</h2> <p>线性可分性是指不同类别的数据点可以通过线性边界（如二维空间中的直线或高维空间中的超平面）完全分离的几何条件。</p> <h3 id="summary">Summary</h3> <p>数据集的一种属性，指两个类别可以被一条直线或超平面完美分割。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>超平面</li> <li>决策边界</li> <li>感知机收敛</li> <li>非线性分类</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>评估感知机的适用性</li> <li>核方法选择</li> <li>降维评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/support_vector_machine-%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/">support_vector_machine (支持向量机)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/kernel_trick-%E6%A0%B8%E6%8A%80%E5%B7%A7/">kernel_trick (核技巧)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/decision_boundary-%E5%86%B3%E7%AD%96%E8%BE%B9%E7%95%8C/">decision_boundary (决策边界)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/perceptron_algorithm-%E6%84%9F%E7%9F%A5%E6%9C%BA%E7%AE%97%E6%B3%95/">perceptron_algorithm (感知机算法)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/learnable_function_class/Sat, 18 Jul 2026 11:23:53 +0000https://terms-en.ai-term-hub.com/zh/terms/learnable_function_class/<h2 id="definition">Definition</h2> <p>在统计学习理论中，可学习函数类代表了算法可用的假设空间。它定义了模型潜在能够捕捉的模式或映射的范围，决定了模型的表达能力和泛化潜力。</p> <h3 id="summary">Summary</h3> <p>可学习函数类是由特定模型架构和参数空间定义的一组数学函数，学习算法可以对其进行优化。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>假设空间</li> <li>模型容量</li> <li>VC维</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>选择合适的模型架构</li> <li>泛化界限的理论分析</li> <li>理解模型的局限性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-variance-tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">Bias-variance tradeoff (偏差-方差权衡)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-capacity-%E6%A8%A1%E5%9E%8B%E5%AE%B9%E9%87%8F/">Model capacity (模型容量)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hypothesis-space-%E5%81%87%E8%AE%BE%E7%A9%BA%E9%97%B4/">Hypothesis space (假设空间)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/languageaction_perspective/Sat, 18 Jul 2026 11:23:41 +0000https://terms-en.ai-term-hub.com/zh/terms/languageaction_perspective/<h2 id="definition">Definition</h2> <p>植根于言语行为理论和语用学，这一视角强调话语如何执行请求、承诺或命令等功能。在自然语言处理中，它指导了意图理解和对话生成的设计。</p> <h3 id="summary">Summary</h3> <p>一种理论框架，主要将语言视为一种社会行为形式，而不仅仅是描述现实的系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>言语行为理论</li> <li>语用学</li> <li>意图识别</li> <li>对话系统</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计对话式AI代理</li> <li>分析客户服务交互</li> <li>理解文本中的隐含意义</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/pragmatics-%E8%AF%AD%E7%94%A8%E5%AD%A6/">pragmatics (语用学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/intent_classification-%E6%84%8F%E5%9B%BE%E5%88%86%E7%B1%BB/">intent_classification (意图分类)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/dialogue_management-%E5%AF%B9%E8%AF%9D%E7%AE%A1%E7%90%86/">dialogue_management (对话管理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/speech_act-%E8%A8%80%E8%AF%AD%E8%A1%8C%E4%B8%BA/">speech_act (言语行为)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/kernel_embedding_of_distributions/Sat, 18 Jul 2026 11:22:59 +0000https://terms-en.ai-term-hub.com/zh/terms/kernel_embedding_of_distributions/<h2 id="definition">Definition</h2> <p>分布的核嵌入允许将概率对象视为再生核希尔伯特空间（RKHS）中的点。通过将分布映射到高维特征空间，可以将复杂的概率比较问题转化为简单的向量代数运算，如计算均值嵌入之间的距离，从而实现对不同分布的量化分析和假设检验。</p> <h3 id="summary">Summary</h3> <p>一种将概率分布映射到再生核希尔伯特空间的技术，以便通过向量运算进行比较和操作。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>再生核希尔伯特空间</li> <li>均值嵌入</li> <li>非参数推断</li> <li>分布比较</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>两样本假设检验</li> <li>从观测数据中发现因果关系</li> <li>比较生成模型的输出分布</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%9C%80%E5%A4%A7%E5%9D%87%E5%80%BC%E5%B7%AE%E5%BC%82-maximum-mean-discrepancy/">最大均值差异 (Maximum Mean Discrepancy)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%B8%8C%E5%B0%94%E4%BC%AF%E7%89%B9%E7%A9%BA%E9%97%B4-hilbert-space/">希尔伯特空间 (Hilbert Space)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%AB%98%E6%96%AF%E8%BF%87%E7%A8%8B-gaussian-process/">高斯过程 (Gaussian Process)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%BB%9F%E8%AE%A1%E6%A3%80%E9%AA%8C-statistical-testing/">统计检验 (Statistical Testing)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/isotropic_position/Sat, 18 Jul 2026 11:22:43 +0000https://terms-en.ai-term-hub.com/zh/terms/isotropic_position/<h2 id="definition">Definition</h2> <p>在凸几何和高维概率中，如果一组点或凸体的质心位于原点，且其协方差矩阵是标量乘以</p> <h3 id="summary">Summary</h3> <p>凸体的一种几何变换，使其惯性矩阵与单位矩阵成比例，从而简化分析。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>凸几何</li> <li>协方差矩阵</li> <li>高维概率</li> <li>归一化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>机器学习泛化的理论分析</li> <li>计算几何算法</li> <li>统计物理模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/convex-body-%E5%87%B8%E4%BD%93/">Convex Body (凸体)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/covariance-%E5%8D%8F%E6%96%B9%E5%B7%AE/">Covariance (协方差)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/concentration-of-measure-%E6%B5%8B%E5%BA%A6%E9%9B%86%E4%B8%AD/">Concentration of Measure (测度集中)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/asymptotic-geometric-analysis-%E6%B8%90%E8%BF%91%E5%87%A0%E4%BD%95%E5%88%86%E6%9E%90/">Asymptotic Geometric Analysis (渐近几何分析)</a></li> </ul>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>https://terms-en.ai-term-hub.com/zh/terms/inductive_bias/Sat, 18 Jul 2026 11:22:14 +0000https://terms-en.ai-term-hub.com/zh/terms/inductive_bias/<h2 id="definition">Definition</h2> <p>归纳偏置代表了内置于机器学习模型中的固有偏好或约束，使其能够从训练数据泛化到未见过的数据。如果没有这些偏置，模型将无法&hellip;</p> <h3 id="summary">Summary</h3> <p>学习算法用于预测训练期间未见过的输入输出的一组假设。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>泛化</li> <li>假设</li> <li>模型约束</li> <li>公平性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计公平算法</li> <li>防止模型过拟合</li> <li>审计AI系统中的偏见</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><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)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic-fairness-%E7%AE%97%E6%B3%95%E5%85%AC%E5%B9%B3%E6%80%A7/">Algorithmic Fairness (算法公平性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/generalization-error-%E6%B3%9B%E5%8C%96%E8%AF%AF%E5%B7%AE/">Generalization Error (泛化误差)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ideonomy/Sat, 18 Jul 2026 11:21:46 +0000https://terms-en.ai-term-hub.com/zh/terms/ideonomy/<h2 id="definition">Definition</h2> <p>该领域研究想法形成、组合和演变的背后过程。它应用结构化技术来增强创造力和解决问题的能力。在人工智能背景下，思想学可用于构建自动化创意生成系统。</p> <h3 id="summary">Summary</h3> <p>思想学是研究创意生成的科学，侧重于创建和组织新概念及创新的系统化方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>创造力算法</li> <li>概念融合</li> <li>创新理论</li> <li>系统化创造力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动化头脑风暴工具</li> <li>专利生成系统</li> <li>创意写作助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/creativity-%E5%88%9B%E9%80%A0%E5%8A%9B/">Creativity (创造力)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/innovation-%E5%88%9B%E6%96%B0/">Innovation (创新)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cognitive-science-%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6/">Cognitive Science (认知科学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/g%C3%B6del_machine/Sat, 18 Jul 2026 11:20:37 +0000https://terms-en.ai-term-hub.com/zh/terms/g%C3%B6del_machine/<h2 id="definition">Definition</h2> <p>哥德尔机是由于尔根·施密德胡伯提出的假设性通用问题求解器，基于形式逻辑和可计算性理论。它通过持续分析自身的源代码来寻找更高效的算法实现方式，并在证明新代码能带来更高效用时进行自我修改。</p> <h3 id="summary">Summary</h3> <p>一种理论上的自我改进人工智能程序，能够在不改变目标的情况下重写自身源代码以提高效率。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自我修改</li> <li>效用函数</li> <li>形式验证</li> <li>计算效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人工通用智能的理论研究</li> <li>研究算法自我改进的极限</li> <li>探索人工智能安全中的形式化方法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/agi-%E4%BA%BA%E5%B7%A5%E9%80%9A%E7%94%A8%E6%99%BA%E8%83%BD/">AGI (人工通用智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/recursive-self-improvement-%E9%80%92%E5%BD%92%E8%87%AA%E6%88%91%E6%94%B9%E8%BF%9B/">Recursive Self-Improvement (递归自我改进)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic-information-theory-%E7%AE%97%E6%B3%95%E4%BF%A1%E6%81%AF%E8%AE%BA/">Algorithmic Information Theory (算法信息论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/schmidhuber-%E4%BA%8E%E5%B0%94%E6%A0%B9-%E6%96%BD%E5%AF%86%E5%BE%B7%E8%83%A1%E4%BC%AF/">Schmidhuber (于尔根·施密德胡伯)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/grokking/Sat, 18 Jul 2026 11:20:24 +0000https://terms-en.ai-term-hub.com/zh/terms/grokking/<h2 id="definition">Definition</h2> <p>顿悟学习（Grokking）是指深度学习中观察到的一种反直觉行为：模型在训练数据上长时间过拟合，表现出较差的泛化能力，但在经过漫长的训练周期后，突然在测试集上实现近乎完美的泛化。这种现象表明，优化过程可能存在两个截然不同的阶段：首先是记忆训练样本，随后是理解数据背后的潜在规律。顿悟学习对于理解神经网络的泛化界限、训练动力学以及记忆与学习之间的关系具有重要意义，尤其是在小数据集场景下。</p> <h3 id="summary">Summary</h3> <p>一种现象，指神经网络在小数据集上经过长时间训练后，突然展现出良好的泛化能力，远超记忆训练数据的阶段。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>延迟泛化</li> <li>过拟合</li> <li>小数据集</li> <li>优化动力学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究模型泛化能力的极限</li> <li>分析训练动力学</li> <li>理解记忆与学习的区别</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><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)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/generalization-%E6%B3%9B%E5%8C%96/">generalization (泛化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/deep_learning_theory-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%90%86%E8%AE%BA/">deep_learning_theory (深度学习理论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/training_dynamics-%E8%AE%AD%E7%BB%83%E5%8A%A8%E5%8A%9B%E5%AD%A6/">training_dynamics (训练动力学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/granular_computing/Sat, 18 Jul 2026 11:19:45 +0000https://terms-en.ai-term-hub.com/zh/terms/granular_computing/<h2 id="definition">Definition</h2> <p>这种方法通过将数据分组为更高层级的实体或“粒”，而不是处理单个元素，从而模仿人类的认知过程。它涵盖了粗糙集、模糊逻辑等技术。</p> <h3 id="summary">Summary</h3> <p>粒计算是一种在不同抽象层次上处理信息的范式，将数据组织成称为信息粒的有意义结构。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>信息粒</li> <li>粗糙集</li> <li>模糊逻辑</li> <li>抽象层次</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>数据挖掘与聚类</li> <li>决策支持系统</li> <li>处理不确定数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%B2%97%E7%B3%99%E9%9B%86%E7%90%86%E8%AE%BA/">粗糙集理论</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A8%A1%E7%B3%8A%E7%B3%BB%E7%BB%9F/">模糊系统</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%81%9A%E7%B1%BB/">聚类</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%AE%A4%E7%9F%A5%E8%AE%A1%E7%AE%97/">认知计算</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/grammar_systems_theory/Sat, 18 Jul 2026 11:19:45 +0000https://terms-en.ai-term-hub.com/zh/terms/grammar_systems_theory/<h2 id="definition">Definition</h2> <p>该领域起源于理论计算机科学和语言学，将经典的乔姆斯基层级概念扩展到多组件系统。它研究了多个语法或组件如何相互作用以产生复杂的计算行为。</p> <h3 id="summary">Summary</h3> <p>语法系统理论是形式语言理论的一个分支，研究基于在并行或分布式环境中相互作用的语法的计算模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>形式语言</li> <li>并行计算</li> <li>乔姆斯基层级</li> <li>膜计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理论计算机科学的研究</li> <li>生物系统的建模</li> <li>分布式算法设计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%87%AA%E5%8A%A8%E6%9C%BA%E7%90%86%E8%AE%BA/">自动机理论</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/p%E7%B3%BB%E7%BB%9F/">P系统</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%BD%A2%E5%BC%8F%E6%96%87%E6%B3%95/">形式文法</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8F%AF%E8%AE%A1%E7%AE%97%E6%80%A7/">可计算性</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/gabbays_separation_theorem/Sat, 18 Jul 2026 11:18:04 +0000https://terms-en.ai-term-hub.com/zh/terms/gabbays_separation_theorem/<h2 id="definition">Definition</h2> <p>加贝分离定理是数学逻辑中的一个基本概念，特别是在时序逻辑和模态逻辑的研究中。它提供了在何种条件下逻辑系统可以被分解或分离的条件。</p> <h3 id="summary">Summary</h3> <p>非经典逻辑中的一个结果，指出某些时序逻辑或模态逻辑可以根据其结构特性分解为不同的组成部分。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>时序逻辑</li> <li>模态逻辑</li> <li>可判定性</li> <li>逻辑分解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>系统的形式化验证</li> <li>自动定理证明</li> <li>分析逻辑表达能力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%91%BD%E9%A2%98%E9%80%BB%E8%BE%91/">命题逻辑</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%B8%80%E9%98%B6%E9%80%BB%E8%BE%91/">一阶逻辑</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%97%B6%E5%BA%8F%E6%8E%A8%E7%90%86/">时序推理</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/dovetailing-%E5%B9%B6%E8%A1%8C%E6%90%9C%E7%B4%A2%E6%8A%80%E6%9C%AF/">Dovetailing (并行搜索技术)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/fon/Sat, 18 Jul 2026 11:17:40 +0000https://terms-en.ai-term-hub.com/zh/terms/fon/<h2 id="definition">Definition</h2> <p>在AI术语的语境中，“基础原理”通常用于描述定义AI模型如何解释输入并生成输出的核心功能本体或基础逻辑结构。它构成了AI系统运作的基石，确保了系统行为的可预测性和一致性。</p> <h3 id="summary">Summary</h3> <p>基础原理是指指导人工智能系统设计与运行的根本原则和理论依据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>基础逻辑</li> <li>本体论</li> <li>系统架构</li> <li>核心原则</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计模块化AI架构</li> <li>标准化数据表示</li> <li>理论框架开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ontology-%E6%9C%AC%E4%BD%93%E8%AE%BA/">ontology (本体论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/axiom-%E5%85%AC%E7%90%86/">axiom (公理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/logic-%E9%80%BB%E8%BE%91/">logic (逻辑)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/framework-%E6%A1%86%E6%9E%B6/">framework (框架)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/evolvability/Sat, 18 Jul 2026 11:16:37 +0000https://terms-en.ai-term-hub.com/zh/terms/evolvability/<h2 id="definition">Definition</h2> <p>在计算语境中，可进化性指算法或神经网络架构在代际或训练步骤中提高其适应度的难易程度。高可进化性意味着微小的变化就能导致显著的适应性改进，这对于进化算法和神经架构搜索至关重要。</p> <h3 id="summary">Summary</h3> <p>基因型或系统产生可遗传的表型变异以供选择适应的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>遗传变异</li> <li>适应速率</li> <li>搜索空间结构</li> <li>鲁棒性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>遗传算法优化</li> <li>神经架构搜索</li> <li>研究生物进化模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/genetic_algorithms-%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95/">genetic_algorithms (遗传算法)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/fitness_landscape-%E9%80%82%E5%BA%94%E5%BA%A6%E6%99%AF%E8%A7%82/">fitness_landscape (适应度景观)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/mutation_rate-%E7%AA%81%E5%8F%98%E7%8E%87/">mutation_rate (突变率)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/neuroevolution-%E7%A5%9E%E7%BB%8F%E8%BF%9B%E5%8C%96/">neuroevolution (神经进化)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/empirical_risk_minimization/Sat, 18 Jul 2026 11:16:12 +0000https://terms-en.ai-term-hub.com/zh/terms/empirical_risk_minimization/<h2 id="definition">Definition</h2> <p>经验风险最小化（ERM）是训练监督学习模型的标准目标函数。它涉及从一组函数中选择假设，以最小化训练数据上的平均误差（即经验风险）。其核心思想是通过优化训练集上的表现来逼近真实的风险分布。</p> <h3 id="summary">Summary</h3> <p>机器学习中的一个基本原则，旨在最小化观测训练数据上的平均损失。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>损失函数</li> <li>训练误差</li> <li>泛化能力</li> <li>过拟合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练逻辑回归模型</li> <li>优化神经网络权重</li> <li>支持向量机构建</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/structural-risk-minimization-%E7%BB%93%E6%9E%84%E9%A3%8E%E9%99%A9%E6%9C%80%E5%B0%8F%E5%8C%96/">Structural risk minimization (结构风险最小化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><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)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-variance-tradeoff-%E5%81%8F%E5%B7%AE-%E6%96%B9%E5%B7%AE%E6%9D%83%E8%A1%A1/">Bias-variance tradeoff (偏差-方差权衡)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/embodied_cognitive_science/Sat, 18 Jul 2026 11:15:59 +0000https://terms-en.ai-term-hub.com/zh/terms/embodied_cognitive_science/<h2 id="definition">Definition</h2> <p>该领域挑战了将心智视为处理抽象符号的计算机的传统观点。相反，它认为认知过程深深植根于身体的物理特性之中，强调身体、心智和环境之间的紧密联系。</p> <h3 id="summary">Summary</h3> <p>具身认知科学是一个理论框架，提出人类的认知从根本上是由身体与环境互动所塑造的。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>情境化认知</li> <li>感觉运动规律</li> <li>身体图式</li> <li>环境耦合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计直观的人机界面</li> <li>开发更自然的AI智能体</li> <li>理解发展心理学</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6-cognitive-science/">认知科学 (Cognitive Science)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%8E%B0%E8%B1%A1%E5%AD%A6-phenomenology/">现象学 (Phenomenology)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%85%B7%E8%BA%ABai-embodied-ai/">具身AI (Embodied AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%A5%9E%E7%BB%8F%E7%A7%91%E5%AD%A6-neuroscience/">神经科学 (Neuroscience)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/double_descent/Sat, 18 Jul 2026 11:15:33 +0000https://terms-en.ai-term-hub.com/zh/terms/double_descent/<h2 id="definition">Definition</h2> <p>双重下降挑战了传统的偏差-方差权衡理论，表明高度过参数化的模型即使插值了训练数据，也能实现较低的测试误差。起初，随着模型复杂度的增加，误差会上升，但在越过插值阈值后，误差会再次下降。</p> <h3 id="summary">Summary</h3> <p>随着模型复杂度超过插值阈值，测试误差先下降、后上升、再次下降的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>插值阈值</li> <li>过参数化</li> <li>偏差-方差权衡</li> <li>测试误差</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析神经网络缩放定律</li> <li>理解深度学习中的泛化能力</li> <li>大规模AI系统中的模型选择</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><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)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/underfitting-%E6%AC%A0%E6%8B%9F%E5%90%88/">Underfitting (欠拟合)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/neural-tangent-kernel-%E7%A5%9E%E7%BB%8F%E5%88%87%E7%BA%BF%E6%A0%B8/">Neural Tangent Kernel (神经切线核)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/curse_of_dimensionality/Sat, 18 Jul 2026 11:12:12 +0000https://terms-en.ai-term-hub.com/zh/terms/curse_of_dimensionality/<h2 id="definition">Definition</h2> <p>维度灾难是指在高维空间中分析数据时出现的各种现象，这些现象在低维设置中不会出现。随着特征数量的增加，数据点在空间中的分布变得极其稀疏，使得基于距离的算法（如K近邻）难以找到有意义的邻近点，从而导致模型性能下降。</p> <h3 id="summary">Summary</h3> <p>一种现象，即空间的体积随维度呈指数级增加，导致数据变得稀疏，距离度量失效。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>高维空间</li> <li>数据稀疏性</li> <li>距离度量退化</li> <li>指数增长</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>证明使用PCA（主成分分析）的必要性</li> <li>解释文本挖掘中模型失败的原因</li> <li>设计特征选择策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/dimensionality-reduction-%E9%99%8D%E7%BB%B4/">Dimensionality Reduction (降维)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/pca-%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/">PCA (主成分分析)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/feature-selection-%E7%89%B9%E5%BE%81%E9%80%89%E6%8B%A9/">Feature Selection (特征选择)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/chaos/Sat, 18 Jul 2026 11:09:42 +0000https://terms-en.ai-term-hub.com/zh/terms/chaos/<h2 id="definition">Definition</h2> <p>混沌理论研究起始参数的微小变化如何导致复杂系统中截然不同的结果。在人工智能领域，理解混沌行为对于模型稳定性分析和复杂系统模拟至关重要。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，混沌指的是复杂的非线性动力系统，对初始条件高度敏感，通常看似随机但受确定性规则支配。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对初始条件的敏感性</li> <li>非线性</li> <li>确定性随机</li> <li>吸引子</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>天气预报模型</li> <li>金融市场模拟</li> <li>鲁棒控制系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/complexity-%E5%A4%8D%E6%9D%82%E6%80%A7/">complexity (复杂性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/stochastic-processes-%E9%9A%8F%E6%9C%BA%E8%BF%87%E7%A8%8B/">stochastic processes (随机过程)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/butterfly-effect-%E8%9D%B4%E8%9D%B6%E6%95%88%E5%BA%94/">butterfly effect (蝴蝶效应)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/non-linear-dynamics-%E9%9D%9E%E7%BA%BF%E6%80%A7%E5%8A%A8%E5%8A%9B%E5%AD%A6/">non-linear dynamics (非线性动力学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/bayesian_interpretation_of_kernel_regularization/Sat, 18 Jul 2026 11:08:51 +0000https://terms-en.ai-term-hub.com/zh/terms/bayesian_interpretation_of_kernel_regularization/<h2 id="definition">Definition</h2> <p>这一概念确立了：使用特定核函数最小化正则化风险泛函，等价于在贝叶斯框架中寻找最大后验概率（MAP）估计。具体来说，它揭示了确定性核方法与概率性高斯过程之间的深层联系。</p> <h3 id="summary">Summary</h3> <p>一个理论框架，将支持向量机等核方法与高斯过程在贝叶斯先验假设下联系起来。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>高斯过程</li> <li>最大后验估计</li> <li>正则化作为先验</li> <li>核方法</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>理解支持向量机的理论基础</li> <li>将高斯过程技术应用于核回归</li> <li>为确定性模型推导不确定性估计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <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/support_vector_machines-%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/">support_vector_machines (支持向量机)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">regularization (正则化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/prior_distribution-%E5%85%88%E9%AA%8C%E5%88%86%E5%B8%83/">prior_distribution (先验分布)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/attributional_calculus/Sat, 18 Jul 2026 11:07:14 +0000https://terms-en.ai-term-hub.com/zh/terms/attributional_calculus/<h2 id="definition">Definition</h2> <p>归因演算是模态逻辑的一个分支，专注于对认知状态进行推理。它为建模诸如“智能体A知道P”或“智能体B相信Q”这样的陈述提供了框架。该系统常用于多智能体系统中，以形式化方式描述不同实体之间的知识、信念及其相互影响。</p> <h3 id="summary">Summary</h3> <p>用于表示和推理知识归因的形式逻辑系统，特别是关于谁知道或相信什么。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>认知逻辑</li> <li>多智能体系统</li> <li>知识表示</li> <li>信念修正</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计协作机器人团队</li> <li>建模人机交互</li> <li>安全协议验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/modal-logic-%E6%A8%A1%E6%80%81%E9%80%BB%E8%BE%91/">Modal Logic (模态逻辑)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/game-theory-%E5%8D%9A%E5%BC%88%E8%AE%BA/">Game Theory (博弈论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/knowledge-graphs-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graphs (知识图谱)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/reasoning-%E6%8E%A8%E7%90%86/">Reasoning (推理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/artificial_general_intelligence/Sat, 18 Jul 2026 11:06:41 +0000https://terms-en.ai-term-hub.com/zh/terms/artificial_general_intelligence/<h2 id="definition">Definition</h2> <p>通用人工智能（AGI）指的是一种能够执行人类所能完成的任何智力任务的AI类型。与擅长特定任务（如国际象棋或图像识别）的狭义AI不同，AGI具有广泛的适应能力。</p> <h3 id="summary">Summary</h3> <p>假设的AI，具备在广泛任务中以人类水平理解、学习和应用知识的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人类水平智能</li> <li>迁移学习</li> <li>常识推理</li> <li>自主适应</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>能够进行复杂规划的通用个人助手</li> <li>跨多个学科的科学研究发现</li> <li>根据个人需求定制的自适应教育系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/narrow_ai-%E7%8B%AD%E4%B9%89ai/">narrow_ai (狭义AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/superintelligence-%E8%B6%85%E7%BA%A7%E6%99%BA%E8%83%BD/">superintelligence (超级智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cognitive_architecture-%E8%AE%A4%E7%9F%A5%E6%9E%B6%E6%9E%84/">cognitive_architecture (认知架构)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/aporia/Sat, 18 Jul 2026 11:05:01 +0000https://terms-en.ai-term-hub.com/zh/terms/aporia/<h2 id="definition">Definition</h2> <p>在哲学和AI理论中，aporia描述了一种悖论情况，即两个同样有效的论点导致相互矛盾的结果。在机器学习中，这可能表现为模型性能在两种合理但冲突的目标之间难以权衡。</p> <h3 id="summary">Summary</h3> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>悖论</li> <li>逻辑矛盾</li> <li>可解释性局限</li> <li>哲学探究</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析模型偏见冲突</li> <li>伦理困境解决</li> <li>理论AI研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%82%96%E8%AE%BA-paradox/">悖论 (Paradox)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7-interpretability/">可解释性 (Interpretability)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BC%A6%E7%90%86%E5%AD%A6-ethics/">伦理学 (Ethics)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%8E%A8%E7%90%86-reasoning/">推理 (Reasoning)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/algorithmic_probability/Sat, 18 Jul 2026 11:04:49 +0000https://terms-en.ai-term-hub.com/zh/terms/algorithmic_probability/<h2 id="definition">Definition</h2> <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。</p> <h3 id="summary">Summary</h3> <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。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>柯尔莫哥洛夫复杂度</li> <li>所罗门诺夫归纳法</li> <li>奥卡姆剃刀</li> <li>通用先验</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI的理论基础</li> <li>数据压缩算法</li> <li>归纳推理模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><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)</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/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)</a></li> <li><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)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/aixi/Sat, 18 Jul 2026 11:04:01 +0000https://terms-en.ai-term-hub.com/zh/terms/aixi/<h2 id="definition">Definition</h2> <p>AIXI 是由马库斯·胡特（Marcus Hutter）提出的理论框架，定义了一个理想化的智能体。它将用于预测环境的索洛莫夫归纳法与用于决策的强化学习相结合，旨在从理论上描述最优的智能行为。</p> <h3 id="summary">Summary</h3> <p>AIXI 是一种关于人工通用智能的数学理论，建模了一个与环境的交互最优智能体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>索洛莫夫归纳法</li> <li>强化学习</li> <li>柯尔莫哥洛夫复杂度</li> <li>最优智能体</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人工通用智能的理论研究</li> <li>强化学习算法的基准测试</li> <li>理解智能的极限</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><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)</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/algorithmic-information-theory-%E7%AE%97%E6%B3%95%E4%BF%A1%E6%81%AF%E8%AE%BA/">Algorithmic Information Theory (算法信息论)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_complete/Sat, 18 Jul 2026 11:03:30 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_complete/<h2 id="definition">Definition</h2> <p>AI完备问题是那些如果得以解决，就暗示了人工通用智能（AGI）存在的任务。这些问题需要类似人类的深刻理解、推理能力和适应性。</p> <h3 id="summary">Summary</h3> <p>极其复杂的问题，解决它需要类似人类的通用智能，等同于实现人工通用智能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工通用智能</li> <li>复杂性</li> <li>人类级认知</li> <li>非结构化问题</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定义AGI里程碑</li> <li>高级AI系统基准测试</li> <li>认知科学研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/agi-%E4%BA%BA%E5%B7%A5%E9%80%9A%E7%94%A8%E6%99%BA%E8%83%BD/">agi (人工通用智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/strong_ai-%E5%BC%BA%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">strong_ai (强人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cognitive_science-%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6/">cognitive_science (认知科学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/general_intelligence-%E9%80%9A%E7%94%A8%E6%99%BA%E8%83%BD/">general_intelligence (通用智能)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/a_logical_calculus_of_the_ideas_immanent_in_nervous_activity/Sat, 18 Jul 2026 11:02:27 +0000https://terms-en.ai-term-hub.com/zh/terms/a_logical_calculus_of_the_ideas_immanent_in_nervous_activity/<h2 id="definition">Definition</h2> <p>这篇基础性论文提出了神经网络的一个数学模型，证明了简单的人工神经元可以实现布尔逻辑门。通过展示这些单元的网络能够执行复杂的逻辑功能，它为计算理论奠定了基石。</p> <h3 id="summary">Summary</h3> <p>这是麦卡洛克和皮茨于1943年发表的一篇开创性论文，形式化了神经元如何执行逻辑操作，为人工神经网络奠定了基础。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>麦卡洛克-皮茨神经元</li> <li>布尔逻辑</li> <li>阈值单元</li> <li>联结主义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI发展的历史背景</li> <li>神经网络设计的理论基础</li> <li>理解计算中的生物启发原理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/artificial-neuron-%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E5%85%83/">Artificial Neuron (人工神经元)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/perceptron-%E6%84%9F%E7%9F%A5%E6%9C%BA/">Perceptron (感知机)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/boolean-algebra-%E5%B8%83%E5%B0%94%E4%BB%A3%E6%95%B0/">Boolean Algebra (布尔代数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cybernetics-%E6%8E%A7%E5%88%B6%E8%AE%BA/">Cybernetics (控制论)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/understanding/Sat, 18 Jul 2026 10:55:40 +0000https://terms-en.ai-term-hub.com/zh/terms/understanding/<h2 id="definition">Definition</h2> <p>AI的理解超越了统计相关性，旨在解释数据背后的潜在含义。对于语言模型而言，这涉及掌握句法、语义和语用学，以生成连贯且合乎逻辑的输出。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，指模型能够理解输入数据中的语义含义、上下文和意图，而不仅仅是进行模式匹配。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>语义分析</li> <li>上下文感知</li> <li>意图识别</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对话代理</li> <li>文档摘要</li> <li>问答系统</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/semantics-%E8%AF%AD%E4%B9%89/">semantics (语义)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/context-%E4%B8%8A%E4%B8%8B%E6%96%87/">context (上下文)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/nlp-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">nlp (自然语言处理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/reasoning-%E6%8E%A8%E7%90%86/">reasoning (推理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/self/Sat, 18 Jul 2026 10:54:51 +0000https://terms-en.ai-term-hub.com/zh/terms/self/<h2 id="definition">Definition</h2> <p>尽管当前的人工智能缺乏意识，但“自我”一词通常描述元认知能力，即模型分析其自身输出、置信度或内部状态的能力。它出现在相关语境中。</p> <h3 id="summary">Summary</h3> <p>在AI中，“自我”指代理的身份或其进行自我引用处理和内省的能力概念。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自监督学习</li> <li>元认知</li> <li>代理身份</li> <li>状态管理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型中的自我修正</li> <li>对话代理中的持久记忆</li> <li>预测模型中的置信度校准</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/consciousness-%E6%84%8F%E8%AF%86/">Consciousness (意识)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/memory-%E8%AE%B0%E5%BF%86/">Memory (记忆)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/agency-%E4%BB%A3%E7%90%86%E6%80%A7/">Agency (代理性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/introspection-%E5%86%85%E7%9C%81/">Introspection (内省)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/latent/Sat, 18 Jul 2026 10:52:16 +0000https://terms-en.ai-term-hub.com/zh/terms/latent/<h2 id="definition">Definition</h2> <p>在机器学习中，潜在变量是影响观测数据的未观察因素。在神经网络中，特别是自编码器和扩散模型中，潜在空间代表压缩的、抽象的</p> <h3 id="summary">Summary</h3> <p>指模型内部空间中捕获数据关键特征的隐藏变量或表示。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>潜在空间</li> <li>嵌入</li> <li>降维</li> <li>表征学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>图像生成</li> <li>异常检测</li> <li>数据压缩</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%B5%8C%E5%85%A5-embedding/">嵌入 (Embedding)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8-autoencoder/">自编码器 (Autoencoder)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B5%81%E5%BD%A2-manifold/">流形 (Manifold)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/information/Sat, 18 Jul 2026 10:52:05 +0000https://terms-en.ai-term-hub.com/zh/terms/information/<h2 id="definition">Definition</h2> <p>在人工智能和计算机科学的语境中，信息与原始数据有所区别。它代表经过组织、结构化或解释以具有意义和实用性的数据。信息（注：原文截断，此处补全语义）通常被视为数据经过处理后产生的价值体现。</p> <h3 id="summary">Summary</h3> <p>信息是指经过处理的数据，它能够传达意义、减少不确定性或为接收者提供上下文。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据与信息</li> <li>熵减</li> <li>语义含义</li> <li>上下文</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自然语言处理理解</li> <li>决策支持系统</li> <li>知识图谱构建</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-%E6%95%B0%E6%8D%AE/">data (数据)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/knowledge-%E7%9F%A5%E8%AF%86/">knowledge (知识)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/intelligence-%E6%99%BA%E8%83%BD/">intelligence (智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/semantics-%E8%AF%AD%E4%B9%89%E5%AD%A6/">semantics (语义学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/group/Sat, 18 Jul 2026 10:51:52 +0000https://terms-en.ai-term-hub.com/zh/terms/group/<h2 id="definition">Definition</h2> <p>在数学和理论计算机科学中，群是一个集合G连同满足四个公理的二元运算：封闭性、结合律、单位元和逆元。在AI中，群论被用于&hellip;</p> <h3 id="summary">Summary</h3> <p>一种基本的数学结构，由一个配备有运算的集合组成，该运算将任意两个元素组合成第三个元素。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对称性</li> <li>不变性</li> <li>几何深度学习</li> <li>代数结构</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>旋转等变神经网络</li> <li>晶体结构预测</li> <li>物理信息机器学习</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/symmetry-%E5%AF%B9%E7%A7%B0%E6%80%A7/">Symmetry (对称性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/tensor-%E5%BC%A0%E9%87%8F/">Tensor (张量)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/manifold-%E6%B5%81%E5%BD%A2/">Manifold (流形)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/equivariance-%E7%AD%89%E5%8F%98%E6%80%A7/">Equivariance (等变性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/global/Sat, 18 Jul 2026 10:51:41 +0000https://terms-en.ai-term-hub.com/zh/terms/global/<h2 id="definition">Definition</h2> <p>在人工智能中，“全局”一词通常与“局部”相对，指涵盖整个系统的方面。在优化领域，全局最小值代表在整个损失景观中可能的最佳解决方案。</p> <h3 id="summary">Summary</h3> <p>描述适用于整个模型或数据集而非局部子集的属性、优化或范围。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>全局最小值</li> <li>完整上下文</li> <li>系统级</li> <li>聚合</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>损失景观分析</li> <li>全局注意力机制</li> <li>批归一化统计量</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/local-%E5%B1%80%E9%83%A8/">Local (局部)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/attention-%E6%B3%A8%E6%84%8F%E5%8A%9B/">Attention (注意力)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/convergence-%E6%94%B6%E6%95%9B/">Convergence (收敛)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/energy/Sat, 18 Jul 2026 10:50:55 +0000https://terms-en.ai-term-hub.com/zh/terms/energy/<h2 id="definition">Definition</h2> <p>能量在人工智能中有两个主要含义。首先，它指运行硬件所需的电力，随着模型规模的扩大，这已成为可持续发展的一个日益关注的问题。其次，在受统计力学启发的模型（如玻尔兹曼机）中，能量是一个数学势能函数，用于衡量数据点或状态的可能性；能量越低，该状态越稳定或越可能出现在数据分布中。</p> <h3 id="summary">Summary</h3> <p>在人工智能中，能量通常指模型训练和推理过程中消耗的算力，或概率模型中的数学势能函数。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>碳足迹</li> <li>基于能量的模型</li> <li>硬件消耗</li> <li>概率推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>衡量大型语言模型训练对环境的影响</li> <li>训练玻尔兹曼机以进行无监督学习</li> <li>优化数据中心为AI工作负载使用的电力</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/sustainability-%E5%8F%AF%E6%8C%81%E7%BB%AD%E6%80%A7/">Sustainability (可持续性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/boltzmann-machine-%E7%8E%BB%E5%B0%94%E5%85%B9%E6%9B%BC%E6%9C%BA/">Boltzmann Machine (玻尔兹曼机)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/compute-%E7%AE%97%E5%8A%9B/">Compute (算力)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ebm-%E5%9F%BA%E4%BA%8E%E8%83%BD%E9%87%8F%E7%9A%84%E6%A8%A1%E5%9E%8B/">EBM (基于能量的模型)</a></li> </ul>