腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

技术百科

已收录1630个词条

输入关键词，搜索你感兴趣的技术词条

1630个词条，20465个知识点

通用技术-人工智能

状态空间模型

状态空间模型（State Space Model，SSM）是一类源于控制理论与信号处理的序列建模方法，通过一个随时间演化的隐藏状态来压缩历史输入信息，并据此产生当前输出。与 Transformer 依赖全局两两比对注意力的思路不同，SSM 在每个时间步只更新固定维度的状态，因此计算复杂度随序列长度线性增长。自 2022 年 S4、2023 年 Mamba 相继提出后，SSM 凭借线性复杂度与恒定的推理内存，成为长序列建模领域备受关注的一类架构。

状态空间模型的卷积模式和循环模式有何区别？

状态空间模型在基因组学中的应用是怎样的？

S4 模型是如何将状态空间模型引入深度学习的？

查看16个知识点 >

通用技术-人工智能

LoRA（低秩适配）

LoRA（Low-Rank Adaptation，低秩适配）是一种参数高效微调（Parameter-Efficient Fine-Tuning, PEFT）方法，由微软研究院 Edward J. Hu 等人在 2021 年提出。其核心思想是冻结预训练模型的原始权重，仅在 Transformer 各层旁注入可训练的低秩分解矩阵，从而在下游任务中大幅减少可训练参数与显存占用，同时保持与全参数微调相当甚至更优的模型质量。LoRA 因训练高效、可热插拔、推理零额外开销等特点，已成为大语言模型与扩散模型微调的主流方案之一。

LoRA 训练时学习率如何设置？

LoRA 在图像生成领域如何应用？

LoRA 的基本原理是什么？

查看17个知识点 >

通用技术-软件工程

平台工程（Platform Engineering）是一门设计、构建、运营和持续演进内部开发者平台（Internal Developer Platform, IDP）的工程学科，通过提供标准化、自助化的工具、服务与工作流，将基础设施的复杂性从应用开发者手中抽象出去，让开发者聚焦于业务代码而非底层运维。该学科以"平台即产品"为核心理念，把开发者视为内部客户，借助黄金路径（Golden Path）、自助门户与策略即代码等机制，在提升交付效率的同时内置安全与合规治理。随着云原生架构的普及，平台工程已成为企业降低开发者认知负荷、加速软件交付并支撑 AI 规模化落地的重要实践方向。

平台工程如何实现多云与混合云的资源编排？

平台工程适用于哪些行业和企业规模？

平台工程与 DevOps 有什么区别？

查看16个知识点 >

通用技术-人工智能

Transformer 是由 Vaswani 等人在 2017 年论文《Attention Is All You Need》中提出的一种深度学习架构，它完全摒弃了循环神经网络和卷积结构，仅依赖注意力机制来建模序列中任意位置之间的依赖关系。由于具备高度的并行计算能力和对长距离依赖的有效捕捉能力，Transformer 迅速成为自然语言处理、计算机视觉、多模态乃至大语言模型领域的主流基础架构，现代主流大模型（如混元、GPT、Gemini、Claude、Qwen 等系列）均构建于 Transformer 之上。

Transformer 的核心机制注意力机制是如何工作的？

Transformer 的残差连接和层归一化是如何工作的？

Transformer 的混合专家（MoE）扩展是如何工作的？

查看15个知识点 >

通用技术-人工智能

多语种 OCR（Multi-Language OCR）是指能够对两种及以上语言文字进行自动检测与识别的光学字符识别技术，可在同一文档或文档集合中处理拉丁字母、汉字、阿拉伯文、西里尔文、天城文等多种书写系统。它通过语种检测、文字检测、字符识别与版面分析等模块的协同，将图片、扫描件、PDF 中的文字转换为可编辑、可检索的结构化文本，广泛应用于跨境电商、金融合规、证件识别、文档数字化等场景。随着视觉语言模型（VLM）的发展，多语种 OCR 正从单纯的字符识别向文档结构理解演进。

多语种 OCR 的跨语言迁移学习是如何工作的？

多语种 OCR 如何保障数据隐私与合规？

多语种 OCR 的核心工作原理是什么？

查看16个知识点 >

通用技术-人工智能

OCR（Optical Character Recognition，光学字符识别）是将图像中的文字信息转换为可编辑、可搜索的机器可读文本的计算机视觉技术。该技术通过图像预处理、文本检测、字符识别和后处理等环节，实现对印刷体、手写体、表格、票据等多种文档内容的自动识别与结构化提取。OCR 技术自 20 世纪 60 年代发展至今，经历了从模板匹配到深度学习、再到视觉语言模型的多次范式转移，当前已广泛应用于金融、医疗、政务、物流、制造等行业，成为企业数字化转型中文档数据化的关键基础设施。

OCR 中的文本检测与字符识别是如何实现的？

手写体识别（ICR）与印刷体 OCR 有何技术差异？

OCR 技术如何与 RPA 结合实现流程自动化？

查看15个知识点 >

通用技术-人工智能

RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）是一类将人类偏好作为奖励信号引入强化学习、用于对齐大语言模型与人类价值观的训练方法。它通过让人类对模型的多个输出进行比较排序，训练出奖励模型，再用 PPO、DPO、GRPO 等算法优化模型策略，使其输出更符合有益、诚实、无害的要求。RLHF 是当前主流对话型大模型实现对齐的核心技术之一，广泛应用于对话助手、推理模型、内容生成等场景。

PPO 算法在 RLHF 中如何优化策略？

RLHF 在 AI 对齐中的作用是什么？

RLHF 主要解决大模型的哪些问题？

查看19个知识点 >

通用技术-操作系统

eBPF（extended Berkeley Packet Filter，扩展的伯克利数据包过滤器）是 Linux 内核中的可编程沙箱虚拟机技术，允许开发者在不修改内核源码、不加载内核模块的前提下，安全高效地在内核态运行自定义程序。它由 Alexei Starovoitov 于 2014 年在 Linux 3.18 内核中实现，最初用于网络包过滤，如今已演进为覆盖可观测性、网络、安全等领域的通用内核可编程平台。凭借验证器、JIT 编译与 Map 数据结构等机制，eBPF 兼顾了内核级的执行性能与运行时安全，成为云原生基础设施的重要底层技术。

eBPF 的核心架构由哪些部分组成？

eBPF 的 JIT 编译器如何提升执行效率？

eBPF 支持哪些事件挂载点（Hook）？

查看16个知识点 >

通用技术-云原生

WebAssembly（缩写 Wasm，是 "WebAssembly" 的缩略而非首字母缩写）是一种安全、可移植的低层级二进制指令格式，本质是一套虚拟指令集架构（virtual ISA），专为高效执行和紧凑表示而设计。它最初作为浏览器的性能补充，允许 C/C++、Rust 等语言编译出的代码在网页中以接近原生的速度运行，但其设计不依赖任何 Web 特定假设，因此同样适用于服务端、边缘计算、Serverless、嵌入式等浏览器之外的环境。WebAssembly 由 W3C 社区组维护，核心规范已演进至 3.0 版本，通过内存安全的沙箱执行环境和标准化的系统接口（WASI），逐步成为云原生场景下轻量、安全、跨语言复用的重要运行时技术。

WebAssembly 的安全沙箱机制是如何保障隔离的？

WebAssembly 的流式加载（streaming）特性是如何实现的？

WebAssembly 的调试和性能优化有哪些常用方法？

查看20个知识点 >

通用技术-人工智能

扩散模型（Diffusion Model）是一类通过模拟热力学扩散过程来生成数据的深度生成模型。其核心思想是：先在训练阶段逐步向真实数据添加高斯噪声直至其退化为纯噪声（前向过程），再学习反向逐步去噪、从噪声中恢复出清晰数据（反向过程）。生成时从一团随机噪声出发，在文本等条件的引导下逐步去噪，最终得到全新的样本。扩散模型凭借训练稳定、生成质量高、多样性好等优势，已成为图像、视频、音频生成等领域的主流范式，并在分子设计、药物发现等科学计算场景展现出重要价值。

潜在扩散模型与像素级扩散模型有什么区别？

扩散模型在图像超分辨率任务中如何应用？

扩散模型与自回归模型在生成方式上有何本质区别？

查看18个知识点 >

通用技术-安全

提示词注入

提示词注入（Prompt Injection）是针对大语言模型（LLM）应用的一类安全漏洞：攻击者通过在输入中嵌入精心构造的对抗性指令，诱导模型偏离开发者或用户的原始意图，转而执行非预期的行为。其根源在于当前主流 LLM 在架构上无法可靠区分"可信的系统指令"与"不可信的用户数据"——二者被拼接为同一段文本流一并处理。该漏洞被 OWASP 列为大语言模型应用十大风险之首（LLM01:2025），且连续两届位居榜首，是生成式 AI 落地过程中影响面最广的安全威胁之一。

提示词注入攻击者常用的绕过手法有哪些？

提示词注入与越狱（Jailbreak）是什么关系？

直接提示词注入与间接提示词注入有什么区别？

查看20个知识点 >

通用技术-人工智能

Agentic AI（智能体 AI / 代理式 AI）是指能够自主感知环境、规划步骤、做出决策并调用工具执行多步骤任务，以达成既定目标的人工智能系统范式。它超越了传统生成式 AI"接收提示、返回内容"的单轮被动响应模式，转而以"目标"为驱动，在"推理—行动—观察"的循环中持续逼近目标。一个典型的 Agentic AI 系统通常由作为"大脑"的大语言模型、负责存储上下文的记忆模块、负责任务分解的规划模块，以及调用外部工具的行动模块构成，并通过编排层协调多智能体协作。该技术被视为 2025 年以来企业级人工智能的首要战略趋势，正推动 AI 应用从"问答式交互"迈向"任务式协作"。

Agentic AI 系统由哪些核心组件构成？

Agentic AI 具备哪些关键能力特征？

Agentic AI 对数据基础有哪些要求？

查看21个知识点 >

上一页12345678...136下一页

跳至页前往

共1630个词条