AI百科

多模态检索是一种结合多种类型的数据（如文本、图像、音频等）进行信息检索的技术。它通过融合不同模态的信息，提高检索的准确性和全面性。多模态检索在搜索引擎、推荐系统、智能助手等领域有广泛应用。

多智能体系统（Multi-Agent Systems, MAS）是一种由多个自主智能体组成的计算系统，这些智能体通过交互和协作来完成复杂的任务。MAS在分布式问题解决、资源分配、协同控制等领域有广泛应用。

智能体协作协议（Agent Collaboration Protocol, ACP）是一组标准化的通信、协商与协同执行规范，用于支撑异构AI智能体在开放、动态环境中实现目标对齐、任务分解、角色分配与结果整合。它融合了分布式系统理论、博弈论与大语言模型推理能力，是构建可信、可扩展智能体社会的技术基石。

AI对齐问题指确保人工智能系统的目标、行为与人类意图、价值观及长期福祉保持一致的根本性挑战。它超越了传统‘正确执行指令’的范畴，直指‘如何定义并可靠实现人类真正想要的后果’这一元问题，是当前AI安全与治理领域的核心前沿议题。

LangChain是一个开源的LLM应用开发框架，旨在简化大语言模型与外部数据源、工具及记忆机制的集成。它提供模块化组件（如Models、Prompts、Chains、Agents、Retrievers、Memory）和标准化接口，支持构建复杂、可扩展、具备上下文感知能力的AI应用。

人工智能伦理是研究如何确保人工智能系统的设计、开发、部署与使用符合人类价值观、社会规范与道德原则的跨学科领域。它聚焦于公平性、透明度、问责制、自主性、安全与人类福祉等核心议题，旨在防范技术滥用、缓解系统性风险，并构建可信赖的人工智能生态。

图灵测试是由英国数学家艾伦·图灵于1950年提出的评估机器是否具备人类水平智能的思想实验。其核心是通过‘模仿游戏’判断机器能否在文本对话中让人类评判者无法可靠区分其与真人。该测试虽非可执行的工程标准，却深刻塑造了人工智能的哲学基础、发展目标与公众认知。

通用人工智能（AGI）指具备与人类相当或超越人类的广泛认知能力的自主智能系统，能在未预设任务领域中理解、学习、推理、规划、创造并适应新环境。它区别于当前主流的专用人工智能（ANI），代表人工智能发展的根本性跃迁目标，兼具科学意义、技术挑战与文明级伦理影响。

词元（Token）是自然语言处理（NLP）中的基本概念，指文本中最小的语义单位。词元可以是单词、子词或字符，用于将文本转换为机器可处理的形式。在现代NLP任务中，词元化是预处理的重要步骤，广泛应用于各种模型如Transformer和BERT。

生成式人工智能（GenAI）是一类能够自主创建新颖、高质量内容（如文本、图像、音频、代码、3D结构等）的AI系统，其核心能力源于对数据分布的建模与采样。区别于判别式AI，GenAI通过学习海量数据的潜在模式实现创造性输出，已成为当前AI发展最核心的范式跃迁。

世界模型（World Model）是一种旨在让AI系统构建并持续更新对物理环境、因果关系与动态规律内在表征的生成式建模范式。它不依赖显式编程，而是通过观察与交互学习压缩高维感知数据为紧凑潜空间，并在此空间中进行自主预测、规划与想象，是通向通用人工智能与具身智能的关键技术路径。

具身智能指智能体通过物理或虚拟身体与环境持续交互，在感知、推理、决策与行动的闭环中实现适应性学习与泛化能力的AI范式。它突破纯符号或纯数据驱动范式，强调‘智能生于身体’的认知基础，是通向通用人工智能（AGI）的关键路径。

本体工程是构建、维护与演化形式化本体的系统性学科，旨在为特定领域提供共享、可重用、机器可解释的概念化模型。它融合逻辑学、知识表示、软件工程与领域建模方法，是知识图谱构建与语义互操作的核心支撑技术。

模型对齐（Model Alignment）指确保人工智能系统的目标、行为与人类意图、价值观及长期福祉保持一致的技术与理论研究领域。其核心挑战在于避免‘能力-目标错配’，即AI越强大，偏离人类真实意图的风险越高。该问题被视为AGI时代最关键的前置性安全课题。

少样本学习（Few-Shot Learning）是一种机器学习范式，旨在使模型仅凭每类1–5个标注样本即可完成新任务的泛化。其核心目标是模拟人类‘举一反三’的认知能力，在数据稀缺场景下实现高效知识迁移与快速适应，已成为小样本智能的核心技术基础。

指令微调（Instruction Tuning）是一种针对大语言模型的监督式微调范式，通过在多样化、结构化的人工编写的指令-输出对数据集上进行训练，显著提升模型对未见任务的泛化能力与遵循用户意图的准确性，是实现通用任务理解与零样本迁移的关键技术路径。

思维链提示（Chain-of-Thought Prompting）是一种通过在提示中显式展示多步推理过程来激发大语言模型逐步推导答案的技术。该方法显著提升模型在数学推理、常识问答与符号逻辑等复杂任务上的表现，是当前提升LLM推理能力的核心提示范式之一。

数据库索引是数据库管理系统中用于加速数据检索的辅助数据结构，通过建立有序映射关系减少磁盘I/O与扫描开销。其本质是以空间换时间的典型设计，支持快速定位、范围查询与排序操作，是关系型与现代分布式数据库性能优化的核心基础机制。

大语言模型应用架构是指为高效、可靠、可扩展地部署和运行大语言模型而设计的系统性软件与基础设施结构，涵盖提示编排、上下文管理、外部工具集成、缓存策略、安全护栏及可观测性等核心组件，是连接基础模型能力与实际业务价值的关键桥梁。

近似最近邻搜索（ANN）是一种在高维向量空间中高效查找与查询向量距离最接近的若干候选向量的技术，通过牺牲少量精度换取数量级的性能提升，是现代推荐系统、多模态检索和大模型RAG服务的核心基础设施。