एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
डिकोडर-ओनली
न्यूरल नेटवर्क संरचना जिसमें विशेष रूप से ट्रांसफॉर्मर डिकोडर ब्लॉक होते हैं, जिसका उपयोग ऑटो-रिग्रेसिव मोड में टेक्स्ट जनरेशन कार्यों के लिए किया जाता है।
ऑटो-रिग्रेसिव प्री-ट्रेनिंग
प्रशिक्षण का चरण जहाँ मॉडल प्रत्येक टोकन को उसके संदर्भ के आधार पर भविष्यवाणी करने की संभावना को अधिकतम करके एक अनुक्रम की सशर्त संभावनाओं को सीखता है।
इंस्ट्रक्शन फाइन-ट्यूनिंग
एक प्री-ट्रेन्ड मॉडल को (इंस्ट्रक्शन, आउटपुट) जोड़े के डेटासेट पर अनुकूलित करने की प्रक्रिया ताकि विशिष्ट कमांड का पालन करने की उसकी क्षमता में सुधार हो सके।
इंस्ट्रक्ट मॉडल
एक बेस मॉडल का एक प्रकार जिसे निर्देशों को बेहतर ढंग से समझने और निष्पादित करने के लिए फाइन-ट्यून किया गया है, जो संवाद और संवादात्मक सहायता के लिए अनुकूलित है।
बीम सर्च डिकोडिंग
एक अनुमानी डिकोडिंग एल्गोरिथम जो जनरेशन की निरंतरता में सुधार के लिए प्रत्येक चरण में 'k' सबसे संभावित उम्मीदवार अनुक्रमों का एक सेट बनाए रखता है।
न्यूक्लियस सैंपलिंग / टॉप-पी
एक सैंपलिंग तकनीक जो अगले टोकन के चुनाव को उन टोकनों के एक सेट तक सीमित करती है जिनकी संचयी संभावना एक सीमा 'p' से अधिक होती है, विविधता और निरंतरता को संतुलित करती है।
डिकोडिंग टेम्परेचर
एक पैरामीटर जो सॉफ्टमैक्स फ़ंक्शन को लागू करने से पहले लॉगिट्स को विभाजित करके जनरेशन की यादृच्छिकता को नियंत्रित करता है, जहाँ एक उच्च मान रचनात्मकता को बढ़ाता है।
एब्सोल्यूट पोजीशनल एन्कोडिंग
एक अनुक्रम में एक टोकन की स्थिति को एम्बेड करने की विधि, निश्चित या सीखे हुए साइनसोइडल वैक्टर का उपयोग करके, ऑटो-रिग्रेसिव मॉडल के लिए आवश्यक है।
केवी कैश (कुंजी-मूल्य कैश)
एक कम्प्यूटेशनल अनुकूलन जो अनुक्रमिक ऑटो-रिग्रेसिव जनरेशन के दौरान ध्यान अवस्थाओं को फिर से गणना करने से बचने के लिए पिछले टोकन की कुंजियों और मूल्यों को संग्रहीत करता है।
फ्यू-शॉट लर्निंग (इन-कॉन्टेक्स्ट लर्निंग)
एक मॉडल की क्षमता जो प्रॉम्प्ट के संदर्भ में सीधे प्रदान किए गए कुछ उदाहरणों से एक नया कार्य सीख सकती है, बिना नेटवर्क के वज़न को अपडेट किए।
एक्सपोजर बायस (एक्सपोजर बायस)
एक ऐसी घटना जहाँ ऑटो-रिग्रेसिव मॉडल, जो वास्तविक डेटा से अगले टोकन की भविष्यवाणी करने के लिए प्रशिक्षित होते हैं, अनुमान के दौरान त्रुटियाँ जमा करते हैं क्योंकि वे अपनी ही गलत भविष्यवाणियों के संपर्क में आते हैं।