马尔可夫决策过程是马尔可夫链的延伸，不同之处在于增加了行动（允许选择）和奖励（给予动机）。

马尔可夫链 (Markov Chain) 是一种数学系统，根据某概率规则经历从一种状态到另一种状态的转变。

在目标检测领域，锚框 (Anchor Box) 是一种用于定义目标位置和尺寸的辅助工具。

在统计学和机器学习中，偏差-方差权衡描述了模型的复杂性、预测的准确性以及它对以前未见过的未用于训练模型的数据进行预测的能力之间的关系。

特征选择是隔离最一致、非冗余和相关特征子集以用于模型构建的过程。

特征提取是指将原始数据转换为可处理的数值特征，同时保留原始数据集中的信息的过程。它比直接将机器学习应用于原始数据产生更好的结果。

数据预处理指在分析数据之前对数据进行操作、过滤或增强，通常是数据挖掘过程中的重要步骤。数据预处理的目标是提高数据的质量，使其更适合特定的数据挖掘任务。

数据挖掘是一个跨学科计算机科学分支。它是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程。

Q 学习是一种无模型、离策略的强化学习算法，它将在给定智能体当前状态的情况下找到最佳的行动方案。

神经网络由大量的人工神经元联结进行计算。它使用类似于人脑的分层结构中的互连节点或神经元。它可以创建自适应系统，计算机使用该系统来从错误中进行学习并不断改进。

深度学习是一种人工智能（AI）方法，用于教计算机用受人脑启发的方式处理数据。

分组查询注意力 (GQA) 是一种在大型语言模型 (LLM) 中的多查询注意力 (MQA) 和多头注意力 (MHA) 之间进行插值的方法。

在计算机科学中，基于规则的系统 (Rule-Based System) 用于存储和使用知识，以便用有用的方式解释信息。

生成式人工智能 (AIGC) 是一种人工智能系统，能够产生文字、图像或其他媒体以回应提示工程，比如包括文本、图像、视频和 3D 模型。

计算节点 (Compute node) 是一种用于计算机科学技术领域的计算机及其配套设备。

在计算机领域，高速缓冲存储器 (Cache) 是一种临时存储器，用于存放计算机程序运行时频繁访问或临时存储的数据，以提高数据的读取和访问速度。

随机存取存储器 (RAM) 也叫主存，是计算机中用于存储处理器当前使用的数据。

只读存储器 (ROM) 是计算机和其他电子设备中使用的一种非易失性存储器。

在人工智能中，专家系统 (Expert Systems) 是模拟人类专家决策能力的计算机系统。专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。

零复制技术是指计算机执行操作时，CPU 不需要先将数据从某处内存复制到另一个特定区域。

Zero-Shot 的主要目的是在没有任何训练样本的情况下获得预测结果的能力，机器必须识别训练期间未训练的类中的对象。零样本学习基于知识迁移，知识迁移已包含在训练时馈送的实例中。

MMLU 提供了一种测试和比较各种语言模型的方法，例如对 OpenAI GPT-4 、 Mistral 7b 、 Google Gemini 和 Anthropic Claude 2 等的测试。

智能运维 AIOps 是指使用大数据、高级分析功能和机器学习来增强 IT 团队的运营和功能工作流程。

Apptainer 是高性能计算（HPC）的容器系统，以前被称为 Singularity 。它被用于构建和运行 Linux 容器，在独立的环境中打包软件、库和运行时编译器。

马尔可夫决策过程是马尔可夫链的延伸，不同之处在于增加了行动（允许选择）和奖励（给予动机）。

马尔可夫链 (Markov Chain) 是一种数学系统，根据某概率规则经历从一种状态到另一种状态的转变。

在目标检测领域，锚框 (Anchor Box) 是一种用于定义目标位置和尺寸的辅助工具。

在统计学和机器学习中，偏差-方差权衡描述了模型的复杂性、预测的准确性以及它对以前未见过的未用于训练模型的数据进行预测的能力之间的关系。

特征选择是隔离最一致、非冗余和相关特征子集以用于模型构建的过程。

特征提取是指将原始数据转换为可处理的数值特征，同时保留原始数据集中的信息的过程。它比直接将机器学习应用于原始数据产生更好的结果。

数据预处理指在分析数据之前对数据进行操作、过滤或增强，通常是数据挖掘过程中的重要步骤。数据预处理的目标是提高数据的质量，使其更适合特定的数据挖掘任务。

数据挖掘是一个跨学科计算机科学分支。它是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程。

Q 学习是一种无模型、离策略的强化学习算法，它将在给定智能体当前状态的情况下找到最佳的行动方案。

神经网络由大量的人工神经元联结进行计算。它使用类似于人脑的分层结构中的互连节点或神经元。它可以创建自适应系统，计算机使用该系统来从错误中进行学习并不断改进。

深度学习是一种人工智能（AI）方法，用于教计算机用受人脑启发的方式处理数据。

分组查询注意力 (GQA) 是一种在大型语言模型 (LLM) 中的多查询注意力 (MQA) 和多头注意力 (MHA) 之间进行插值的方法。

在计算机科学中，基于规则的系统 (Rule-Based System) 用于存储和使用知识，以便用有用的方式解释信息。

生成式人工智能 (AIGC) 是一种人工智能系统，能够产生文字、图像或其他媒体以回应提示工程，比如包括文本、图像、视频和 3D 模型。

计算节点 (Compute node) 是一种用于计算机科学技术领域的计算机及其配套设备。

在计算机领域，高速缓冲存储器 (Cache) 是一种临时存储器，用于存放计算机程序运行时频繁访问或临时存储的数据，以提高数据的读取和访问速度。

随机存取存储器 (RAM) 也叫主存，是计算机中用于存储处理器当前使用的数据。

只读存储器 (ROM) 是计算机和其他电子设备中使用的一种非易失性存储器。

在人工智能中，专家系统 (Expert Systems) 是模拟人类专家决策能力的计算机系统。专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。

零复制技术是指计算机执行操作时，CPU 不需要先将数据从某处内存复制到另一个特定区域。

Zero-Shot 的主要目的是在没有任何训练样本的情况下获得预测结果的能力，机器必须识别训练期间未训练的类中的对象。零样本学习基于知识迁移，知识迁移已包含在训练时馈送的实例中。

MMLU 提供了一种测试和比较各种语言模型的方法，例如对 OpenAI GPT-4 、 Mistral 7b 、 Google Gemini 和 Anthropic Claude 2 等的测试。

智能运维 AIOps 是指使用大数据、高级分析功能和机器学习来增强 IT 团队的运营和功能工作流程。

Apptainer 是高性能计算（HPC）的容器系统，以前被称为 Singularity 。它被用于构建和运行 Linux 容器，在独立的环境中打包软件、库和运行时编译器。