附录 C — 附录 C：术语表

全书关键术语的中英文对照与通俗解释，按首字母排序。

A

术语	英文	解释
AI 幻觉	AI Hallucination	大模型生成的内容看似合理但包含事实性错误或虚构信息
AI 智能体	AI Agent	能够自主感知环境、制定计划、执行行动的 AI 系统
AIGC	AI Generated Content	由人工智能生成的内容，包括文字、图像、音频、视频等
算法偏见	Algorithmic Bias	AI 系统在决策中对某些群体产生系统性的不公平对待
对抗性攻击	Adversarial Attack	通过微小扰动使 AI 模型产生错误判断的攻击方式

B–C

术语	英文	解释
扩散模型	Diffusion Model	从随机噪声逐步去噪生成图像的深度学习模型
词嵌入	Word Embedding	将文字转换为数学向量的技术，使计算机能”理解”语义
思维链	Chain of Thought (CoT)	引导 AI 逐步推理而非直接给出答案的提示技巧
卷积神经网络	CNN	擅长处理图像数据的神经网络结构，能自动提取视觉特征
CO-STAR 框架	CO-STAR Framework	提示词设计框架：背景、目标、风格、语气、受众、格式

D–F

术语	英文	解释
深度学习	Deep Learning	使用多层神经网络进行学习的机器学习方法
深度伪造	Deepfake	利用 AI 生成高度逼真的虚假音视频内容的技术
数字人	Digital Human	通过 AI 生成的虚拟人物形象，可根据文本驱动口型和表情
微调	Fine-tuning	在预训练模型基础上，用特定数据进一步训练以适应具体任务

G–K

术语	英文	解释
生成对抗网络	GAN	由生成器和判别器对抗训练的深度学习模型，用于生成逼真内容
GPT	Generative Pre-trained Transformer	OpenAI 开发的生成式预训练 Transformer 模型系列
知识库	Knowledge Base	Agent 的专属资料库，上传文档后可供检索参考

L–M

术语	英文	解释
大语言模型	Large Language Model (LLM)	基于海量文本训练的大规模语言模型，如 GPT、DeepSeek
机器学习	Machine Learning	让计算机从数据中自动学习规律的技术，无需显式编程
混合专家模型	Mixture of Experts (MoE)	将模型分为多个”专家”模块，每次只激活部分专家以提高效率
多头注意力	Multi-Head Attention	Transformer 中同时从多个角度分析输入信息的机制

N–P

术语	英文	解释
自然语言处理	NLP	让计算机理解和生成人类语言的技术领域
神经网络	Neural Network	模仿人脑神经元连接方式的计算模型
位置编码	Positional Encoding	Transformer 中用于标记词语位置信息的技术
提示词	Prompt	用户输入给 AI 的指令或问题，决定 AI 的输出方向

R–S

术语	英文	解释
RAG	Retrieval-Augmented Generation	检索增强生成，让模型先检索相关文档再生成回答，减少幻觉
RLHF	Reinforcement Learning from Human Feedback	基于人类反馈的强化学习，用于对齐模型输出与人类偏好
自注意力机制	Self-Attention	Transformer 的核心机制，让模型理解词语之间的关联关系
符号主义	Symbolism	早期 AI 流派，通过逻辑规则和符号推理实现智能
专家系统	Expert System	将人类专家知识编码为规则的早期 AI 系统

T–Z

术语	英文	解释
Token	Token	大模型处理文本的基本单位，一个汉字通常对应 1—2 个 Token
Transformer	Transformer	2017 年提出的深度学习架构，是当前大模型的基础
语音合成	Text-to-Speech (TTS)	将文字转换为语音的技术
工作流	Workflow	将复杂任务拆解为多个有序步骤的流程，Agent 的核心组件