按大模型学习过程分组，用简单语言解释，适合 AI 新手。每个词有“意思”和“用途”，部分附代码示例。

这是鼎叔的第一百零五篇原创文章。行业大牛和刚毕业的小白，都可以进来聊聊。

AI大模型相关领域100多个专业名词及其解释，涵盖基础概念、机器学习&深度学习、NLP、多模态、智能体、框架&工具

来源：三易生活

在近日召开的全球人工智能领域“奥斯卡”英伟达GPU技术大会（GTC）上，黄仁勋公布了Blackwell架构的最新一代产品Blackwell Ultra，以及英伟达在自动驾驶、AI网络、机器人领域的进展。然而市场对于他此次在GTC上的演讲反应平平，并普遍认为英伟达并未展现出突破性的进展。

一、数据层面

1. 数据增强•增加样本多样性：图像（旋转/翻转/裁剪）、文本（同义词替换/回译）、音频（变速/加噪）•半监督学习：利用未标注数据（如伪标签技术）

在大模型中，过拟合（Overfitting） 是指模型在训练数据上表现非常好（甚至完美），但在未见过的测试数据或实际应用中表现显著下降的现象。这是因为模型过度学习了训练数据中的噪声、细节或特定模式，而未能捕捉到数据中更通用的规律，导致泛化能力差。就像你考试前只背死记题目答案，结果考试题稍微改个数字或者换个问法，你就懵了。模型过拟合就是它**“死记硬背”训练题**（训练数据），但遇到新题（新数据）就考砸了。