Foundation model (базовая модель)
Крупная модель, обученная на широком массиве данных, которая служит основой для множества более узких приложений через дообучение или промптинг — вместо того чтобы обучать отдельную модель под каждую задачу с нуля.
Смотрите также
Мультимодальный ИИ
Модель, способная одновременно понимать и/или генерировать разные типы данных — текст, изображения, аудио и видео — а не только текст. Например, может проанализировать фото и ответить на вопрос о нём текстом.
RLHF (обучение с подкреплением на основе обратной связи людей)
Метод дообучения модели, при котором люди оценивают качество её ответов, а модель корректируется так, чтобы чаще выдавать ответы, которые люди оценивают выше. Ключевой этап в том, чтобы сделать ИИ-модель полезной и безопасной, а не только технически рабочей.
Диффузионная модель
Тип генеративной модели, которая учится создавать изображения (или другой контент), постепенно «очищая» случайный шум до тех пор, пока не получится осмысленная картинка. Лежит в основе большинства генераторов изображений — Midjourney, Stable Diffusion, DALL-E.
Chain-of-thought (цепочка рассуждений)
Техника, при которой модель «рассуждает вслух» пошагово перед тем, как дать финальный ответ, вместо того чтобы сразу выдавать результат. Заметно повышает точность на задачах, требующих логики или математики.
Нейронная сеть
Математическая модель, устроенная по образцу связей нейронов в мозге: множество слоёв простых вычислительных узлов, которые вместе учатся находить сложные закономерности в данных. Основа практически всех современных систем ИИ.
Веса модели
Числовые параметры внутри нейросети, которые настраиваются в процессе обучения и определяют, как модель обрабатывает входные данные. «Открытые веса» (open-weight) означает, что эти параметры можно скачать и запускать модель самостоятельно.