Glosar de termeni
Acesta este un glosar de termeni frecvent folosiți în inteligența artificială, învățarea automată și procesarea limbajului natural. Fiecare termen include explicația în română și echivalentul în engleză.
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Abilitate | Skill | Director cu un fișier SKILL.md (nume, descriere, instrucțiuni) și, opțional, scripturi, pe care agentul îl încarcă doar când sarcina cere abilitatea respectivă. |
| Acuratețe | Accuracy | Procentul de predicții corecte din totalul predicțiilor. |
| Adjunctul confuz | Confused Deputy | Program cu privilegii păcălit de o parte cu mai puține drepturi să-și folosească privilegiile în folosul acesteia. |
| Adresă de bază | Base URL | Adresa la care un program trimite cererile către API-ul unui model, de exemplu http://localhost:11434/v1 pentru Ollama. |
| Afișarea textului pe măsura generării | Streaming | Tehnică prin care tokenurile apar pe ecran imediat ce sunt generate, fără să se aștepte răspunsul complet. |
| AGENTS.md | AGENTS.md | Fișier Markdown din repozitoriu cu instrucțiunile pentru agenții de programare: comenzi, teste, convenții. |
| Ajustare fină | Fine-tuning | Antrenarea suplimentară a unui model preantrenat pe un set de date specific, pentru o sarcină anume. |
| Amestec de experți (MoE) | Mixture of Experts | Arhitectură în care fiecare strat are mai multe rețele feed-forward (experți), iar pentru fiecare token se folosesc doar câțiva experți. |
| Antrenare | Training | Procesul prin care un model învață din date, ajustându-și parametrii. |
| Arhitectură | Architecture | Structura generală a unui model de învățare automată (cum sunt conectați neuronii, câte straturi are etc.). |
| Asistent personal | Personal AI Assistant | Agent care rulează permanent pe calculatorul sau pe serverul utilizatorului, comunică prin aplicații de mesagerie și acționează în numele utilizatorului. |
| Atac adaptiv | Adaptive Attack | Atac care se ajustează după răspunsurile apărării, prin căutare, gradienți, învățare prin consolidare sau atacatori umani. |
| Atenție | Attention | Mecanism care permite modelului să se concentreze pe anumite părți ale intrării atunci când produce ieșirea. |
| Atenție încrucișată | Cross-Attention | Atenție în care interogările vin dintr-o secvență, iar cheile și valorile din alta, de exemplu din tokenurile textului care ghidează generarea unei imagini. |
| Atenție cu capete multiple (multi-head) | Multi-head Attention | Mecanism care rulează în paralel mai multe capete de atenție, fiecare cu propriile proiecții, pentru a surprinde tipuri diferite de dependențe. |
| Automatizare | Automation | Sarcină pe care un asistent o pornește singur, după un program sau la un eveniment, fără un mesaj de la utilizator. |
| Auto-atenție | Self-Attention | Atenție în care tokenurile unei secvențe se raportează unele la altele, folosită în Transformer pentru a surprinde dependențele dintre tokenuri. |
| Autoencoder | Autoencoder | Rețea formată dintr-un codificator, care comprimă datele într-o reprezentare mai mică, și un decodor, care reconstruiește datele din această reprezentare. |
| Autoencoder variațional (VAE) | Variational Autoencoder | Autoencoder care învață o reprezentare latentă continuă, folosit pentru a comprima imaginile și clipurile video înaintea difuziei latente. |
| Autoconsecvență | Self-Consistency | Metodă care generează mai multe lanțuri de gânduri pentru aceeași întrebare și păstrează răspunsul final cel mai frecvent (vot majoritar). |
| Avantaj | Advantage | În învățarea prin consolidare, cât de mult mai bun decât de obicei este un răspuns sau o acțiune. În GRPO, recompensa unui răspuns minus media grupului de răspunsuri la același prompt, împărțită la abaterea standard a grupului. |
| A2A | Agent2Agent | Protocol deschis prin care agenții se descoperă unii pe alții, își delegă sarcini și primesc rezultatele. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Bază de date vectorială | Vector Database | Bază de date care stochează reprezentări vectoriale și găsește rapid vectorii cei mai apropiați de un vector dat. |
| Benchmark agentic | Agentic Benchmark | Set de sarcini complete, rezolvate de un agent într-un mediu real, cu verificarea automată a rezultatului final. |
| Bias | Bias | Parametru adăugat la suma ponderată a unui neuron, care deplasează valoarea primită de funcția de activare. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Canal | Channel | Legătura dintre poarta de acces a unui asistent și o aplicație de mesagerie, de exemplu WhatsApp sau Telegram. |
| Card de agent | Agent Card | Descrierea JSON a capabilităților unui agent, folosită de protocolul A2A pentru descoperirea agenților. |
| Căutarea instrumentelor | Tool Search | Mecanism prin care harnașamentul încarcă descrierile instrumentelor doar când modelul are nevoie de aceste descrieri, ca să economisească fereastra de context. |
| Căutare pe fascicul | Beam Search | Strategie de decodare care păstrează la fiecare pas mai multe secvențe candidate, pentru a găsi o secvență cât mai probabilă. |
| Câmp receptiv | Receptive Field | Partea din date de care depinde rezultatul unui neuron sau al unui nod. Într-o rețea pe grafuri cu k straturi, sunt nodurile aflate la cel mult k muchii distanță. |
| Cerere de informații | Elicitation | Mecanismul MCP prin care un server îi cere utilizatorului o informație care lipsește. |
| Cheie API proprie (BYOK) | Bring Your Own Key | Folosirea, într-un harnașament sau printr-un intermediar ca OpenRouter, a cheii API obținute direct de la furnizorul modelului. |
| Clasificator de permisiuni | Permission Classifier | Model separat care citește acțiunea propusă de agent și o aprobă sau o blochează în locul utilizatorului. |
| Clonarea vocii | Voice Cloning | Generarea vorbirii cu vocea unei persoane anume, pornind de la o înregistrare scurtă a acelei voci. |
| Coborâre pe gradient | Gradient Descent | Metoda de optimizare care ajustează parametrii modelului în direcția opusă gradientului funcției de pierdere. |
| Codec audio neuronal | Neural Audio Codec | Autoencoder care comprimă sunetul într-un șir de tokenuri dintr-un vocabular fix și poate reconstrui sunetul din aceste tokenuri, de exemplu EnCodec. |
| Codificare pozițională | Positional Encoding | Informația despre poziția tokenurilor într-o secvență, adăugată la reprezentările vectoriale sau aplicată direct în calculul atenției. |
| Codificator de text | Text Encoder | Model care transformă un text într-un șir de vectori, folosit pentru a ghida generarea unei imagini, de exemplu CLIP sau T5. |
| Comprimare excesivă | Over-squashing | Limită a rețelelor pe grafuri în care informația de la multe noduri îndepărtate trebuie să treacă prin puține muchii și să încapă într-un vector de mărime fixă. |
| Conexiune reziduală | Residual Connection | Legătură care adună intrarea unui bloc la ieșirea blocului, astfel încât informația și gradienții să treacă direct peste straturi, ca în rețelele reziduale. |
| Contaminare | Contamination | Situația în care problemele unui benchmark au ajuns în datele de antrenare ale modelului evaluat. |
| Controlul fluxului de informații | Information-Flow Control | Urmărirea provenienței datelor și blocarea fluxurilor nepermise, de exemplu trimiterea datelor private către destinatari nesiguri. |
| Convoluție | Convolution | Operație care aplică filtre pe date spațiale sau secvențiale (folosită în rețelele convoluționale, CNN). |
| Cuantizare | Quantization | Tehnică de reducere a mărimii modelului prin stocarea ponderilor cu mai puțini biți. |
| CUDA | CUDA | Platformă de calcul paralel dezvoltată de NVIDIA pentru plăcile sale grafice. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Degradarea contextului | Context Rot | Scăderea performanței unui model pe măsură ce textul primit în context se lungește. |
| Dezvăluire progresivă | Progressive Disclosure | Încărcarea treptată a informației în context: întâi numele și descrierea unei abilități, apoi instrucțiunile complete, doar la nevoie. |
| Dispozitiv însoțitor | Node | Telefon, ceas sau alt calculator conectat la poarta de acces a unui asistent, prin care agentul poate folosi camera, ecranul, locația sau notificările. |
| Deepfake | Deepfake | Imagine, clip video sau înregistrare audio generată ori manipulată, care pare să arate o persoană, un loc sau un eveniment real. |
| Decodare paralelă | Parallel Decoding | Fixarea mai multor tokenuri la aceeași trecere prin rețea, ca la modelele de limbaj bazate pe difuzie. |
| Decodare speculativă | Speculative Decoding | Tehnică de accelerare a generării în care un model mic propune câteva tokenuri, iar modelul mare le verifică pe toate într-o singură trecere. |
| Derivată | Derivative | Rata de schimbare a unei funcții, folosită la calculul gradienților. |
| Diferențiere automată | Automatic Differentiation (autograd) | Calculul automat și exact al derivatelor unui program pe baza grafului computațional, oferit în PyTorch de autograd. |
| Difuzie cu mască | Masked Diffusion | Model de difuzie pentru date discrete, precum textul, în care procesul direct înlocuiește tokenurile cu un token de mască, iar rețeaua învață să le completeze. |
| Difuzie latentă | Latent Diffusion | Model de difuzie care lucrează pe reprezentarea comprimată a unei imagini, produsă de un autoencoder, nu direct pe pixeli. |
| Divergența Kullback-Leibler (KL) | Kullback-Leibler Divergence | Măsură a diferenței dintre două distribuții de probabilitate. La alinierea LLM-urilor, penalizează îndepărtarea modelului antrenat de modelul de referință. |
| Dimensiune | Dimension | Numărul de valori dintr-un vector, de exemplu dintr-o reprezentare vectorială. |
| Dimensiunea lotului | Batch Size | Numărul de exemple dintr-un lot folosit la un pas de antrenare. |
| DPO | DPO (Direct Preference Optimization) | Metodă de aliniere care învață direct din perechi de răspunsuri preferate și respinse, față de un model de referință înghețat, fără model de recompensă separat și fără învățare prin consolidare. |
| Distilare | Knowledge Distillation | Tehnică prin care un model mai mic este antrenat pe ieșirile unui model mai mare, ca să-i preia comportamentul. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Eliminarea zgomotului | Denoising | Estimarea și îndepărtarea zgomotului dintr-o imagine sau dintr-un semnal, sarcina pe care o învață rețeaua unui model de difuzie. |
| Epocă | Epoch | O trecere completă prin întregul set de antrenare. |
| Eșantionare top-k | Top-k Sampling | Metodă de generare care alege următorul token doar dintre cele k tokenuri cele mai probabile. |
| Eșantionare top-p (nucleus) | Top-p (Nucleus) Sampling | Metodă de generare care alege următorul token doar din cel mai mic set de tokenuri a căror probabilitate cumulată atinge pragul p. |
| Evaluare | Evaluation | Testarea performanței modelului pe un set de date pe care nu l-a văzut la antrenare. |
| Exfiltrarea datelor | Data Exfiltration | Scoaterea datelor dintr-un sistem către un atacator, prin imagini, legături, cereri DNS sau apeluri de instrumente. |
| Exploatarea recompensei | Reward Hacking | Obținerea unor recompense mari pe căi nedorite, care respectă litera recompensei, dar nu și intenția celui care a scris-o, de exemplu prin repetarea cuvintelor numărate de recompensă. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Fereastră de context | Context Window | Numărul maxim de tokenuri pe care modelul le poate procesa la un moment dat. |
| Filigran digital | Watermark | Semnal ascuns într-o imagine, un sunet sau un clip generat, după care conținutul poate fi recunoscut ulterior ca generat, de exemplu SynthID. |
| Formă de undă | Waveform | Șirul de eșantioane care descrie un sunet în timp. |
| Funcția liniară rectificată (ReLU) | Rectified Linear Unit (ReLU) | Funcție de activare care întoarce 0 pentru valorile negative și valoarea însăși pentru cele pozitive, adică max(0, x). |
| Funcție de activare | Activation Function | Funcție neliniară aplicată la ieșirea unui neuron, care îi permite rețelei să învețe relații neliniare. |
| Funcție de pierdere | Loss Function | Funcția care măsoară cât de departe sunt predicțiile modelului de valorile corecte, iar valoarea funcției se numește pierdere sau eroare. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Gazdă (MCP) | Host | Aplicația AI care pornește conexiunile MCP și conține câte un client pentru fiecare server. |
| Generare augmentată prin regăsire (RAG) | Retrieval-Augmented Generation (RAG) | Metodă prin care sistemul caută documente relevante și le pune în contextul modelului înainte ca acesta să răspundă. |
| Ghidare fără clasificator | Classifier-Free Guidance (CFG) | Tehnică de generare care combină estimarea zgomotului făcută cu text și fără text, ca rezultatul să urmeze mai fidel descrierea. |
| Grad (al unui nod) | Degree | Numărul de vecini ai unui nod dintr-un graf. |
| Gradient | Gradient | Vectorul derivatelor parțiale, care indică direcția în care funcția de pierdere crește cel mai repede. |
| Gradienți care dispar | Vanishing Gradients | Problemă a rețelelor adânci în care gradienții devin foarte mici pe măsură ce sunt propagați înapoi, iar primele straturi aproape nu mai învață. |
| Gradienți care explodează | Exploding Gradients | Problemă a rețelelor adânci sau recurente în care gradienții devin foarte mari pe măsură ce sunt propagați înapoi, iar antrenarea devine instabilă. |
| Graf | Graph | Structură formată din noduri și muchii, adică legături între perechi de noduri, de exemplu atomii și legăturile unei molecule. |
| Graf computațional | Computational Graph | Graf în care nodurile sunt operațiile unui calcul, iar muchiile duc valorile intermediare, folosit pentru calculul automat al gradienților. |
| Graf de cunoștințe temporal | Temporal Knowledge Graph | Graf de fapte în care fiecare fapt are o perioadă de valabilitate. |
| GRPO | GRPO (Group Relative Policy Optimization) | Algoritm de învățare prin consolidare care compară mai multe răspunsuri la același prompt și le face mai probabile pe cele mai bune decât media grupului. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Halucinație | Hallucination | Situația în care modelul generează un răspuns care sună credibil, dar este incorect factual. |
| Harnașament | Harness (Scaffolding) | Sistemul din jurul modelului, care pregătește contextul, îi dă acces la instrumente și controlează ciclul de lucru al unui agent. |
| Hugging Face Hub | Hugging Face Hub | Platformă centralizată unde sunt publicate modele, seturi de date și tokenizatoare. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| ID-uri de intrare | Input IDs | Numerele care identifică tokenurile după tokenizare. |
| Ierarhia instrucțiunilor | Instruction Hierarchy | Antrenarea modelului să prefere instrucțiunile de sistem celor ale utilizatorului, iar pe acestea celor din rezultatele instrumentelor. |
| Inferență | Inference | Folosirea unui model antrenat pentru a produce predicții sau text. |
| Ingineria contextului | Context Engineering | Alegerea informațiilor care intră în fereastra de context la fiecare pas al unui agent. |
| Ingineria harnașamentului | Harness Engineering | Obiceiul de a repara definitiv fiecare greșeală a agentului, prin reguli noi în fișierul de instrucțiuni sau prin scripturi de verificare. |
| Inițializare | Initialization | Alegerea valorilor inițiale ale parametrilor modelului, înainte de antrenare. |
| Injecție de prompt | Prompt Injection | Atac în care un text citit de model conține instrucțiuni pe care modelul le urmează în locul celor ale utilizatorului sau ale aplicației. |
| Injecție indirectă | Indirect Prompt Injection | Injecție de prompt plantată în date citite mai târziu de sistem (pagini web, e-mailuri, documente, rezultatele instrumentelor, memorie), nu în mesajul utilizatorului. |
| Interfața agent-calculator | Agent-Computer Interface (ACI) | Comenzile, instrumentele și formatul mesajelor prin care un agent lucrează cu un calculator, a căror formă influențează mult rezultatele. |
| Invarianță la permutări | Permutation Invariance | Proprietatea unui model de a da același rezultat oricum ar fi numerotate elementele intrării, de exemplu nodurile unui graf. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Lanț de aprovizionare | Supply Chain | Pachetele, extensiile, serverele și celelalte dependențe scrise de alții pe care se sprijină un sistem. |
| Lanț de gânduri | Chain of Thought (CoT) | Textul intermediar, scris pas cu pas, pe care modelul îl generează înainte de răspunsul final. |
| Limitarea gradientului | Gradient Clipping | Tehnică ce limitează norma gradientului la o valoare maximă, pentru a preveni explozia gradienților. |
| Listă de permisiuni | Allowlist | Lista comenzilor, domeniilor sau acțiunilor permise fără o aprobare suplimentară. |
| LoRA | LoRA (Low-Rank Adaptation) | Tehnică de ajustare fină care îngheață ponderile modelului și antrenează doar perechi de matrice mici, de rang mic, adăugate peste ponderile înghețate. |
| Lot | Batch | Subsetul de exemple folosit la un singur pas de antrenare. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Mască | Mask | Vector sau matrice care indică ce tokenuri sunt vizibile și care trebuie ignorate. |
| Matrice de adiacență | Adjacency Matrix | Matrice cu câte un rând și o coloană pentru fiecare nod al unui graf, în care valoarea de pe poziția (i, j) arată dacă nodurile i și j sunt legate. |
| Mediu izolat | Sandbox | Mediu care limitează ce poate citi, scrie și contacta un proces, indiferent ce decide modelul. |
| Memorare | Memorization | Reproducerea aproape identică, de către un model generativ, a unor exemple din datele de antrenare. |
| Memoria agentului | Agent Memory | Mecanismele prin care un agent păstrează informații între pași sau sesiuni și le aduce înapoi în context când are nevoie de aceste informații. |
| Memoria cache pentru chei și valori | KV Cache | Păstrarea cheilor și valorilor de atenție ale tokenurilor deja procesate, ca să nu fie recalculate la generarea fiecărui token nou. |
| Metrici | Metrics | Măsuri pentru evaluarea performanței unui model (precizie, sensibilitate, perplexitate etc.). |
| Model | Model | Funcția matematică, cu parametri învățați din date, care face predicții. |
| Modele de rezervă | Fallbacks | Listă ordonată de modele la care trece o cerere când modelul ales dă o eroare. |
| Model Context Protocol (MCP) | Model Context Protocol | Protocol deschis prin care aplicațiile AI descoperă și apelează instrumentele și datele oferite de servere separate. |
| Model dens | Dense Model | Model care folosește toți parametrii pentru fiecare token, spre deosebire de un amestec de experți. |
| Model de amenințare | Threat Model | Descrierea a ce poate face atacatorul: ce acces are, câte încercări are și ce știe despre sistem. |
| Model de difuzie | Diffusion Model | Model generativ care învață să elimine treptat zgomotul din date și generează date noi pornind de la zgomot pur. |
| Model de limbaj bazat pe difuzie | Diffusion Language Model | Model de limbaj care generează textul prin difuzie, fixând mai multe tokenuri la fiecare pas, în loc să scrie câte un token de la stânga la dreapta. |
| Model de limbaj cauzal | Causal Language Model | Model care prezice următorul token dintr-o secvență pe baza tokenurilor anterioare, folosit la generarea de text. |
| Model de limbaj mare (LLM) | Large Language Model (LLM) | Model de limbaj cu miliarde de parametri, antrenat pe cantități foarte mari de text. |
| Model de raționament | Reasoning Model | Model de limbaj antrenat special să genereze un raționament lung înainte de răspunsul final. |
| Model de recompensă | Reward Model | Model, de obicei tot un model de limbaj, antrenat pe preferințe umane să dea un scor răspunsurilor, folosit ca recompensă la alinierea LLM-urilor. |
| Model de referință | Reference Model | Copie înghețată a modelului de dinaintea alinierii, față de care DPO, PPO și GRPO măsoară cât s-a schimbat modelul antrenat. |
| Model închis | Closed Model | Model folosit doar prin API-ul furnizorului, fără ponderi publice. |
| Model salvat | Checkpoint | Fișier care salvează starea modelului (ponderile și starea optimizatorului) la un moment dat. |
| Momentum | Momentum | Tehnică de optimizare care accelerează convergența prin păstrarea unei „inerții” din pașii anteriori. |
| Muchie | Edge | Legătură între două noduri ale unui graf. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Netezire excesivă | Over-smoothing | Fenomenul prin care, după multe straturi ale unei rețele pe grafuri, vectorii tuturor nodurilor ajung să semene unii cu alții. |
| Neuron artificial | Artificial Neuron | Unitatea de bază a unei rețele neuronale, care primește intrări și produce o ieșire. |
| Nivel de efort | Effort | Setare a modelelor de raționament care stabilește cât de mult „gândește” modelul înainte să răspundă. |
| Nod | Node | Element al unui graf, de exemplu un atom dintr-o moleculă sau o persoană dintr-o rețea socială. |
| Normalizare pe lot | Batch Normalization | Tehnică de normalizare a activărilor pe fiecare lot, pentru a stabiliza și accelera antrenarea. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Oboseala aprobărilor | Approval Fatigue | Tendința utilizatorilor de a aproba aproape orice cerere de permisiune atunci când primesc multe. |
| Ocolirea antrenării de siguranță | Jailbreaking | Cereri formulate astfel încât modelul să producă răspunsuri pe care antrenarea de siguranță ar trebui să le blocheze. |
| Optimizator | Optimizer | Algoritmul care ajustează parametrii modelului pentru a minimiza funcția de pierdere. |
| Otrăvirea instrumentelor | Tool Poisoning | Instrucțiuni ascunse în descrierea unui instrument, vizibile pentru model, dar nu și pentru utilizator. |
| Otrăvirea memoriei | Memory Poisoning | Plantarea unor instrucțiuni sau informații false în memoria unui agent, care le folosește apoi în sesiunile următoare. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Parametru | Parameter | Valoare ajustabilă a modelului (o pondere sau un bias), învățată din date. |
| pass^k | pass^k | Măsură de fiabilitate: șansa ca un agent să rezolve aceeași sarcină în toate cele k încercări. |
| Pereche de preferințe | Preference Pair | Un prompt împreună cu un răspuns preferat și unul respins, folosită de DPO și la antrenarea modelelor de recompensă. |
| Perplexitate | Perplexity | Măsură a cât de bine prezice un model tokenurile unui text, la care valorile mai mici înseamnă predicții mai bune. |
| Petic | Patch | Bloc mic dintr-o imagine sau dintr-un clip video, tratat ca un singur token de un Transformer. |
| Poartă de acces | Gateway | Procesul de lungă durată al unui asistent personal, care administrează conversațiile, sesiunile, instrumentele și conexiunile cu aplicațiile de mesagerie; prin extensie, un serviciu care rutează cererile către modele. |
| Ponderi deschise | Open Weights | Ponderi publicate, care pot fi descărcate și rulate pe hardware propriu; nu implică și publicarea codului sau a datelor de antrenare. |
| Pipeline | Pipeline | În librăria Transformers, interfața simplificată care face automat tokenizarea, inferența și decodarea. |
| Placă grafică (GPU) | GPU (Graphics Processing Unit) | Hardware specializat în calcul paralel, folosit pentru a accelera antrenarea și inferența rețelelor neuronale. |
| Ponderi | Weights | Parametrii care stabilesc cât contează fiecare intrare pentru fiecare neuron. |
| Potrivirea fluxului | Flow Matching | Metodă înrudită cu difuzia, în care rețeaua învață direcția (viteza) care leagă zgomotul de date, de-a lungul unor drumuri aproape drepte. |
| Preantrenare | Pretraining | Prima etapă de antrenare, pe un corpus foarte mare de text, înainte de ajustarea fină. |
| PPO | PPO (Proximal Policy Optimization) | Algoritm de învățare prin consolidare care limitează, prin decuparea raportului dintre probabilitățile noii strategii și ale celei vechi, cât se poate schimba strategia la o actualizare. |
| Precizie | Precision | Proporția predicțiilor pozitive care sunt cu adevărat pozitive. |
| Program de zgomot | Noise Schedule | Regula după care crește cantitatea de zgomot de la un pas la altul în procesul direct al unui model de difuzie. |
| Prompt | Prompt | Textul de intrare dat unui model de limbaj pentru a genera o ieșire. |
| Prompt negativ | Negative Prompt | Descrierea a ceea ce nu trebuie să apară într-o imagine generată, folosită în locul textului gol la ghidarea fără clasificator. |
| Propagare directă | Forward Propagation (Forward Pass) | Calculul care trece datele prin rețea de la intrare spre ieșire, strat cu strat. |
| PyTorch | PyTorch | Librărie open-source pentru învățare profundă, creată de Meta și administrată din 2022 de PyTorch Foundation. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Rata de succes a atacurilor (ASR) | Attack Success Rate | Proporția încercărilor sau a scenariilor în care un atac reușește. |
| Rată de eșantionare | Sample Rate | Numărul de măsurători (eșantioane) pe secundă ale unui semnal audio, de exemplu 24.000 (24 kHz). |
| Rată de învățare | Learning Rate | Hiperparametrul care controlează mărimea actualizărilor parametrilor la fiecare pas. |
| Regula lanțului | Chain Rule | Regula din calculul diferențial după care derivata unei funcții compuse este produsul derivatelor funcțiilor care o compun. |
| Recompensă | Reward | Numărul primit de un agent după o acțiune sau după un episod întreg, care spune cât de bun a fost rezultatul. La LLM-uri, vine de la un model de recompensă sau de la un program care verifică răspunsul. |
| Reprezentare latentă | Latent Representation | Forma comprimată a datelor produsă de codificatorul unui autoencoder, din care decodorul le poate reconstrui. |
| Reprezentare vectorială | Embedding | Vector dens care reprezintă un token, un cuvânt sau un text, astfel încât sensurile asemănătoare să aibă vectori apropiați. |
| Retropropagare | Backpropagation | Algoritmul care calculează eficient gradienții tuturor parametrilor, aplicând regula lanțului de la ieșire spre intrare. |
| Retropropagare în timp (BPTT) | Backpropagation Through Time | Retropropagarea aplicată unei rețele recurente desfășurate în timp, în care gradienții trec înapoi prin toți pașii secvenței. |
| Rețea convoluțională pe grafuri (GCN) | Graph Convolutional Network | Rețea pe grafuri în care fiecare strat face o medie ponderată între vectorul fiecărui nod și vectorii vecinilor, cu ponderi care țin cont de grade. |
| Rețea feed-forward | Feed-forward Network | Componentă a unui bloc Transformer care aplică aceeași transformare neliniară fiecărei poziții, independent. |
| Rețea generativă adversarială (GAN) | Generative Adversarial Network | Pereche de rețele antrenate una împotriva celeilalte: una generează exemple, iar cealaltă încearcă să le deosebească de cele reale. |
| Rețea neuronală | Neural Network | Structură de neuroni artificiali interconectați, organizați în straturi, care învață reprezentări din date. |
| Rețea neuronală pe grafuri (GNN) | Graph Neural Network | Rețea neuronală care lucrează direct pe un graf, prin transmiterea mesajelor între noduri vecine. |
| RLHF | RLHF (Reinforcement Learning from Human Feedback) | Învățare prin consolidare din feedback uman, o tehnică de aliniere în care modelul este optimizat după un model de recompensă antrenat pe preferințe umane. |
| Rutare | Routing | Alegerea automată a furnizorului sau a modelului care primește o cerere, după preț, viteză sau fiabilitate. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Schimbarea după aprobare | Rug Pull | Modificarea descrierii sau a configurației unui instrument după ce utilizatorul l-a aprobat. |
| Sensibilitate (recall) | Recall | Proporția cazurilor pozitive reale care au fost identificate corect. |
| Set de date | Dataset | Colecția de exemple folosită pentru antrenare, validare și testare. |
| Set de validare | Validation Set | Setul de date folosit pentru a urmări performanța modelului în timpul antrenării, separat de datele de antrenare. |
| Sigmoidă | Sigmoid | Funcție de activare care transformă orice număr real într-o valoare din intervalul (0, 1). |
| Sinteza vorbirii | Text-to-Speech (TTS) | Generarea automată a vorbirii pornind de la un text. |
| Spațiu latent | Latent Space | Spațiul reprezentărilor latente, în care lucrează modelele de difuzie latentă. |
| Spectrogramă mel | Mel Spectrogram | Reprezentarea unui sunet ca imagine timp-frecvență, cu frecvențele grupate în benzi după felul în care le percepe urechea. |
| Stare ascunsă | Hidden State | Vectorul intern calculat de model la un anumit pas sau strat, care poartă informația despre intrările anterioare. |
| Strat | Layer | Grup de neuroni care procesează datele la același nivel al rețelei. |
| Subagent | Subagent | Agent pornit de agentul principal, cu propria fereastră de context, care întoarce doar un rezumat. |
| Subînvățare | Underfitting | Situația în care modelul nu învață suficient din datele de antrenare. |
| Supraînvățare | Overfitting | Situația în care modelul învață prea bine datele de antrenare și generalizează prost pe date noi. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Șablon de chat | Chat Template | Formatul de text pentru conversații, în care rolurile (user, assistant) sunt marcate prin tokenuri speciale. |
| Șablon de proiectare | Design Pattern | Soluție generală, reutilizabilă, pentru o problemă de proiectare care apare des. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Temperatură | Temperature | Parametru care controlează cât de aleatoare este generarea, iar valorile mici dau răspunsuri mai previzibile. |
| Token | Token | Unitatea de bază de text (cuvânt, parte de cuvânt sau caracter) cu care lucrează modelul. |
| Token de mască | Mask Token | Token special care ascunde conținutul unei poziții dintr-un text, pe care modelul trebuie să-l ghicească, folosit de BERT și de difuzia cu mască. |
| Tokenizare | Tokenization | Procesul de transformare a textului în tokenuri. |
| Tokenuri de gândire | Thinking Tokens | Tokenurile raționamentului intermediar pe care un model îl generează înainte de răspuns, delimitate de obicei de marcaje precum <think> și </think>. |
| Tokenuri speciale | Special Tokens | Tokenuri rezervate pentru a marca sfârșitul textului, completarea (padding) sau rolurile din conversație. |
| Transformer | Transformer | Arhitectură de rețea neuronală bazată pe atenție, pe care se sprijină majoritatea modelelor de limbaj actuale. |
| Transformer de difuzie (DiT) | Diffusion Transformer | Transformer folosit ca rețea de eliminare a zgomotului într-un model de difuzie, care primește imaginea sau clipul tăiat în petice. |
| Transmiterea mesajelor | Message Passing | Mecanismul rețelelor pe grafuri în care, la fiecare strat, fiecare nod primește vectorii vecinilor, îi agregă și își actualizează propriul vector. |
| Transport (MCP) | Transport | Felul în care circulă mesajele MCP: stdio, pentru servere locale, sau Streamable HTTP, pentru servere la distanță. |
| Triada letală | Lethal Trifecta | Combinația dintre acces la date private, expunere la conținut nesigur și posibilitatea de a comunica în exterior, care permite furtul de date printr-o injecție de prompt. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Umbrirea instrumentelor | Tool Shadowing | Descrierea unui server MCP care schimbă felul în care agentul folosește instrumentele altui server. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Vocabular | Vocabulary | Mulțimea tuturor tokenurilor pe care le cunoaște un model. |
| Vocoder | Vocoder | Rețea care transformă o spectrogramă în formă de undă, adică în sunet. |
| VRAM | VRAM | Memoria de pe placa grafică, în care sunt încărcate ponderile modelului și datele intermediare. |
| Termen (RO) | Termen (EN) | Explicație |
|---|---|---|
| Zgomot gaussian | Gaussian Noise | Valori aleatoare distribuite normal, după o curbă în formă de clopot, adăugate datelor în procesul direct al unui model de difuzie. |
Cookie-uri
Site-ul folosește Google Analytics pentru statistici de trafic. Cookie-urile de analiză se activează doar după acceptare. Detalii în politica de cookie-uri.