اصطلاح

رویکردی که مدل قبل از تولید پاسخ، اطلاعات مرتبط را از پایگاه دانش خارجی بازیابی و به پرامپت اضافه می‌کند.

ادامه آموزش یک مدل از پیش‌آموزش‌دیده روی داده اختصاصی برای تخصصی کردن آن در یک حوزه یا وظیفه خاص.

مهارت طراحی و بهینه‌سازی دستورهای ورودی برای گرفتن بهترین خروجی ممکن از مدل‌های زبانی.

متن ورودی یا دستوری که کارتا رفتار یا خروجی مطلوب را هدایت کند.

کوچک‌ترین واحد پردازشی متن در مدل‌های زبانی؛ معمولاً معادل ~۴ کاراکتر انگلیسی یا ۰.۷۵ کلمه.

تبدیل داده (متن، تصویر، صدا) به بردار عددی چندبُعدی که روابط معنایی را در فضای برداری حفظ می‌کند.

روشی که مدل با آن به بخش‌های مرتبط‌تر ورودی وزن بیشتری می‌دهد و روابط بلندبرد بین توکن‌ها را درک می‌کند.

معماری شبکه عصبی معرفی‌شده در ۲۰۱۷ (Attention is All You Need) که پایه اکثر مدل‌های زبانی مدرن است.

مدلی با میلیاردها پارامتر که روی حجم عظیمی از متن آموزش دیده و توانایی فهمیدن، تولید و استدلال زبانی دارد.

مدل محاسباتی الهام‌گرفته از مغز انسان، متشکل از لایه‌های ورودی، پنهان و خروجی با نورون‌های به‌هم‌پیوسته.

شاخه‌ای از یادگیری ماشین که از شبکه‌های عصبی چندلایه برای استخراج ویژگی‌های پیچیده از داده استفاده می‌کند.

زیرشاخه‌ای از هوش مصنوعی که در آن سیستم به‌جای برنامه‌نویسی صریح، با دیدن داده الگوها را خودش یاد می‌گیرد.