术语与符号速查
需要理解符号代表什么、从哪里来时，可阅读公式、术语与对象来源。该页区分参数、输入、中间结果、尺寸及执行状态，并提供独立微例和完整课程入口。
这里是速查，不是把基础教学缩成定义。每项都有例子和完整前置课入口；学习时优先读课文，再把此页当随手可查的索引。
模型 / Model
带可学习参数的计算规则，把输入表示变为输出分数或其他结果。
具体例子：它不能自行打开你电脑里的文件；外围程序才能执行这种动作。
回到 F01 的完整讲解 →参数 / Parameter
模型长期保存、训练时调整的数字。
具体例子：Embedding表和线性层权重都属于参数。
回到 F01 的完整讲解 →训练 / Training
依据样例与目标计算误差，再调整参数的过程。
具体例子：本书标量训练把w=1更新为1.8。
回到 F01 的完整讲解 →推理 / Inference
使用已有参数处理输入并产生输出的过程。
具体例子：通常不会因为一次聊天就永久修改模型权重。
回到 F01 的完整讲解 →函数 / Function
按规则将输入映射到输出的操作。
具体例子：f(x)=2x表示输入3输出6。
回到 F01 的完整讲解 →标量 / Scalar
单个数值。
具体例子：7，或者某一个损失值。
回到 F02 的完整讲解 →向量 / Vector
有固定顺序的一排数。
具体例子：[0.2,-0.1,0.7,0.4]有4个分量。
回到 F02 的完整讲解 →矩阵 / Matrix
有行有列的规则数字表。
具体例子：两行三列的表，形状[2,3]。
回到 F02 的完整讲解 →张量 / Tensor
机器学习程序中用于存放规则排列数值的数据对象。
具体例子：[2,3,4]可读成两张三行四列表。
回到 F02 的完整讲解 →形状 / Shape
各个轴分别有多长，不是数据内容。
具体例子：内容[[1,2],[3,4]]的形状是[2,2]。
回到 F02 的完整讲解 →轴 / Axis
张量中某一个索引方向。
具体例子：[B,T,d]的三个轴是样本、位置、特征。
回到 F02 的完整讲解 →秩 / Rank（轴数）
张量语境常指轴的数量，与矩阵线性代数中的秩不是一回事。
具体例子：[2,128,4096]有3个轴；矩阵秩见F20。
回到 F02 的完整讲解 →索引 / Index
用位置找到数据的方式；本书代码从0计数。
具体例子：H[1,0]取第二条输入的第一个位置。
回到 F02 的完整讲解 →切片 / Slice
按范围或保留某轴的一组位置取出数据。
具体例子：H[1,:,2]取第二条输入各位置的第三个分量。
回到 F02 的完整讲解 →B
批大小，一起组织计算的输入条数。
具体例子：B=2表示两条输入，不表示两层网络。
回到 F02 的完整讲解 →T
本轮安排的序列位置数；具体公式需核对是否包含缓存。
具体例子：补齐后T=128不证明真实输入都有128个Token。
回到 F02 的完整讲解 →d / d_model
每个位置内部表示的宽度。
具体例子：d=4096即一排4096个数。
回到 F02 的完整讲解 →N / V（词表）
词表项数；部分论文写V，注意与Attention的Value区别。
具体例子：N=6、d=4的Embedding参数表是[6,4]。
回到 F02 的完整讲解 →L（层数）
串行堆叠的模型层数量。
具体例子：缓存公式乘L是因为各层都有自己的K和V。
回到 F02 的完整讲解 →下标 x_i
向量x的第i个数，或按定义编号的对象。
具体例子：x=[7,2,9]时，0起算的x_1是2。
回到 F02 的完整讲解 →Σ / 求和
把给定范围内的项逐个相加。
具体例子：Σ_i x_i可展开为x_0+x_1+…。
回到 F02 的完整讲解 →∈ / R
∈读属于；R表示实数集合。
具体例子：X∈R^(2×3)表示X是两行三列的实数表。
回到 F02 的完整讲解 →≈ / 近似
两边因舍入或近似而接近，并非逐位相等。
具体例子：1/3≈0.3333。
回到 F02 的完整讲解 →字符 / Character
文本中的书写单位或编码字符，不能直接等同Token。
具体例子：“爱”的UTF-8编码占多个字节。
回到 F03 的完整讲解 →字节 / Byte
8个二进制位构成的存储单位。
具体例子：一个float32通常占4字节。
回到 F03 的完整讲解 →UTF-8
把Unicode字符编码为变长字节序列的一种规则。
具体例子：网络分片可能切在一个汉字的字节中间。
回到 F03 的完整讲解 →Token
模型分词器使用的片段单位。
具体例子：可能是词、词的一部分、标点或部分字节。
回到 F03 的完整讲解 →Token ID / input_ids
某Token在对应词表中的整数地址。
具体例子：[1,2,3]先是编号列表，不是三个语义强度。
回到 F03 的完整讲解 →Tokenizer
按模型配套规则把文本与Token编号相互转换的工具。
具体例子：不能随意换分词器而保留不相容的模型参数。
回到 F03 的完整讲解 →BPE
通过逐步合并相邻符号来构建子词词表的一类方法。
具体例子：训练合并规则在前，使用规则编码新输入在后。
回到 F03 的完整讲解 →WordPiece
另一类子词建模方法，常采用词表上的最长匹配编码。
具体例子：训练目标和BPE合并过程不同，不能只记成同一种算法。
回到 F03 的完整讲解 →Unigram
为候选子词赋概率并选择切分的一类子词模型。
具体例子：不等于每次都取词表最长字符串。
回到 F03 的完整讲解 →聊天模板 / Chat template
把带角色消息组织成模型约定的输入形式。
具体例子：角色与结束标记可能使用专门Token。
回到 F03 的完整讲解 →Batch / 批次
一起组织计算的一组输入。
具体例子：普通样本batch不让不同用户相互读取内容。
回到 F04 的完整讲解 →Padding / 补齐
给短序列增加占位项，使指定组织方式可用。
具体例子：[4,2]右补齐为[4,2,0]。
回到 F04 的完整讲解 →PAD
模型配置中的补齐用特殊项。
具体例子：本书PAD编号为0，现实编号未必为0。
回到 F04 的完整讲解 →Truncation / 截断
删去超长输入的一部分，而不是增加占位。
具体例子：可能删掉关键约束，不能与摘要压缩混用。
回到 F04 的完整讲解 →Embedding / 嵌入表
按输入编号取出对应可学习向量的参数表及操作。
具体例子：E形状[6,4]，编号2取E的第2行。
回到 F05 的完整讲解 →One-hot / 独热编码
用与词表大小相同的0/1数组指向某个编号：只有被选中的位置为1，其他均为0。这不同于整数的二进制存储，也不同于Embedding表中可训练的浮点向量。
具体例子：6项词表的编号2写成[0,0,1,0,0,0]；若E形状[6,4]，用这个One-hot乘E在数学上等于取出E[2]，但运行时通常直接查表。
Lookup / 查表
根据地址读取完整条目，不用地址大小进行语义运算。
具体例子：编号4对应[0.1,-0.5,0.9,0.3]，不是将4乘某个向量。
回到 F05 的完整讲解 →分布式表示
一个含义由多个数及其组合共同表达，而非每列固定对应一个词义标签。
具体例子：不能断言第12维永远表示快乐。
回到 F05 的完整讲解 →dtype / 数据类型
规定每个元素如何存储与运算。
具体例子：整数编号与浮点表示通常不是同一dtype。
回到 F06 的完整讲解 →浮点数 / Floating point
用有限位数近似表示实数的计算机格式。
具体例子：0.1不一定能被二进制浮点精确保存。
回到 F06 的完整讲解 →FP32 / FP16 / BF16
不同的32位或16位浮点格式，范围与精度不一样。
具体例子：FP16和BF16都通常占2字节，但不能视为同一数值格式。
回到 F06 的完整讲解 →CPU
通用处理器，适合多种控制和数值任务。
具体例子：本包基础实验使用CPU与Python标准库。
回到 F06 的完整讲解 →GPU
适合大规模并行数值运算的处理器。
具体例子：数据搬到GPU不改变编号语义，但消耗时间和显存。
回到 F06 的完整讲解 →Device / 设备
数据或运算所在的处理器环境。
具体例子：模型权重与输入必须满足相容的设备约束。
回到 F06 的完整讲解 →显存 / VRAM
GPU用于存放参数、输入和中间结果的存储空间。
具体例子：只算Embedding输出大小不等于模型总显存。
回到 F06 的完整讲解 →MiB / GiB
二进制存储单位，分别为2^20和2^30字节。
具体例子：1,048,576个2字节数占2MiB。
回到 F06 的完整讲解 →权重 / Weight
决定输入数值如何组合的可学习系数。
具体例子：[1,2,3]乘系数[2,0,1]后求和得5。
回到 F07 的完整讲解 →点积 / Dot product
两个等长向量逐项相乘再求和。
具体例子：[1,2]·[3,4]=11。
回到 F07 的完整讲解 →矩阵乘法 / Matmul
把左表每一行与右表每一列做点积。
具体例子：[2,3]乘[3,4]得到[2,4]。
回到 F07 的完整讲解 →转置 / Transpose / ᵀ
交换矩阵的行列方向。
具体例子：[[1,2,3],[4,5,6]]转置为[[1,4],[2,5],[3,6]]。
回到 F07 的完整讲解 →范数 / Norm
衡量向量大小的一类函数，L2范数为平方和开根号。
具体例子：[3,4]的L2范数为5。
回到 F07 的完整讲解 →余弦相似度 / Cosine
点积除以两个向量的L2范数，比较方向。
具体例子：主题方向接近不保证事实或权限一致。
回到 F07 的完整讲解 →reshape
在元素总数相同的条件下改变数据视图或组织形状。
具体例子：6个数可以摆成[2,3]或[3,2]，但转置另有排列规则。
回到 F08 的完整讲解 →permute / 转轴
重排多个轴的次序。
具体例子：[B,T,h,d_h]变为[B,h,T,d_h]。
回到 F08 的完整讲解 →Broadcast / 广播
把兼容的单例维按规则扩展用于组合运算。
具体例子：每列偏置可应用到表中每一行，不是真的先学出很多份偏置。
回到 F08 的完整讲解 →Stride / 步幅
沿某轴移动一个索引时底层存储要跨过的元素间距。
具体例子：转置后的视图可能不连续，后续reshape可能需复制。
回到 F08 的完整讲解 →概率 / Probability
在给定条件和模型下事件所占的可能性份额。
具体例子：候选Token概率不是最终答案正确率。
回到 F09 的完整讲解 →exp / e^x
指数函数，将数值转换为正数；e约2.71828。
具体例子：exp(0)=1，exp(ln2)=2。
回到 F09 的完整讲解 →ln / log
指数的反向函数；本书未注明底时通常指自然对数。
具体例子：ln(1)=0，ln(2)约0.6931。
回到 F09 的完整讲解 →softmax
将各分数取指数，再除以所有指数之和。
具体例子：[2,1,0]经Softmax后约为[0.6652,0.2447,0.0900]。
回到 F09 的完整讲解 →归一化 / Normalization
按选定规则调整尺度；不同语境目标不同。
具体例子：softmax使和为1，LayerNorm按均值与方差变换，不是一回事。
回到 F09 的完整讲解 →线性层 / Linear layer
常写作XW+b，对输入做加权组合并加偏置。
具体例子：输出宽度由W的列数决定。
回到 F10 的完整讲解 →偏置 / Bias（参数）
线性层加上的可学习常数项。
具体例子：不同于评测里的统计偏差。
回到 F10 的完整讲解 →激活 / Activation
可指层的中间输出，也可指激活函数，需看语境。
具体例子：ReLU把负数变0；激活显存存的是本次中间结果。
回到 F10 的完整讲解 →非线性 / Nonlinearity
不能仅用一次线性变换等价表示的运算。
具体例子：ReLU使网络可以表达更复杂的分段行为。
回到 F10 的完整讲解 →ReLU / GELU / SiLU
不同的非线性激活函数。
具体例子：ReLU(x)=max(0,x)，另外两者有平滑曲线。
回到 F10 的完整讲解 →隐藏状态 / Hidden state
网络内部某层某位置的一排表示数字。
具体例子：相同Token在不同上下文的后层表示可能不同。
回到 F10 的完整讲解 →前向 / Forward
按网络定义从输入计算输出。
具体例子：训练与推理都会做前向，训练还做反向更新。
回到 F10 的完整讲解 →Attention / 注意力
计算查询与可读候选的匹配份额，再加权组合内容。
具体例子：先计算分数和权重，再用权重混合V。
回到 F11 的完整讲解 →Q / Query
当前位置用于与候选比较的一组数。
具体例子：q=[1,0]不是用户原话，而是投影后的表示。
回到 F11 的完整讲解 →K / Key
每个可读位置用于被查询比较的一组数。
具体例子：与Q点积得到匹配分数。
回到 F11 的完整讲解 →V / Value
每个可读位置将被加权汇集的内容表示。
具体例子：这里V不是词表大小。
回到 F11 的完整讲解 →d_k / d_h
Key宽度或每个头的宽度，具体以公式定义为准。
具体例子：常见点积缩放除以sqrt(d_k)。
回到 F11 的完整讲解 →Self-attention / 自注意力
查询与可读信息来自同一序列的表示。
具体例子：生成模型通常再施加因果限制。
回到 F11 的完整讲解 →Attention mask
规定哪些位置间的读取被允许的约束。
具体例子：接口可能用布尔值或加性负无穷，真假约定要核对。
回到 F12 的完整讲解 →Causal mask / 因果掩码
让当前位置不能读取尚未来到的位置。
具体例子：位置1能读0和1，但不能读2。
回到 F12 的完整讲解 →Padding mask
排除补齐项作为有效内容的标记。
具体例子：PAD向量全0仍不保证其softmax权重自动为0。
回到 F12 的完整讲解 →Loss mask
规定哪些位置的预测误差计入训练目标。
具体例子：用户文本可被读取，但可不直接计算该段输出损失。
回到 F12 的完整讲解 →Position IDs
表示真实逻辑位置的编号，不是Token身份编号。
具体例子：同一个“爱”出现在位置1或7，Token ID可相同但位置不同。
回到 F13 的完整讲解 →RoPE
通过按位置旋转成对坐标来引入位置信息的方法。
具体例子：二维90度旋转把[2,3]变为[-3,2]。
回到 F13 的完整讲解 →sin / cos
描述二维单位圆上角度对应的纵横坐标的函数。
具体例子：旋转矩阵用它们保持长度并改变方向。
回到 F13 的完整讲解 →Residual / 残差连接
把某段变换的输入加回输出。
具体例子：y=x+f(x)，要求可相加的形状。
回到 F14 的完整讲解 →LayerNorm
通常对每位置的特征计算均值方差并标准化，再用可学习尺度偏移。
具体例子：[1,3]忽略epsilon时标准化为[-1,1]。
回到 F14 的完整讲解 →RMSNorm
按均方根尺度归一化，通常不减均值。
具体例子：[1,3]除以sqrt(5)。
回到 F14 的完整讲解 →ε / epsilon
通常是避免除零等数值问题的小正数，具体公式另有定义。
具体例子：放在方差加项中时会影响精确数值。
回到 F14 的完整讲解 →FFN / MLP
通常在每个位置应用的前馈子网络。
具体例子：常把宽度先扩展再缩回，带非线性或门控。
回到 F14 的完整讲解 →SwiGLU / 门控
以一个分支产生的值调节另一个分支输出的前馈结构。
具体例子：不是“挑一个词通过”，而是逐数值调制。
回到 F14 的完整讲解 →Pre-norm / Post-norm
归一化放在子层变换之前或残差之后的结构安排。
具体例子：不同结构的梯度与数值行为不能只看模块名称判断。
回到 F14 的完整讲解 →Logits
输出投影给各词表候选的未归一化分数。
具体例子：可以是负数，还不是概率或Token编号。
回到 F15 的完整讲解 →Argmax / 贪心选择
选择分数或概率最大的候选下标。
具体例子：不涉及按概率随机抽样。
回到 F15 的完整讲解 →Sampling / 采样
依据概率分布抽取候选。
具体例子：相同输入可以得到不同输出，不代表参数变了。
回到 F15 的完整讲解 →Temperature / 温度
在softmax前调整分数尺度的参数。
具体例子：正温度越低分布一般越集中，0需按接口特殊语义处理。
回到 F15 的完整讲解 →Top-k / Top-p
分别按候选个数或累计概率保留候选的策略。
具体例子：筛选后通常还要重新归一化。
回到 F15 的完整讲解 →EOS
模型约定的一种结束序列Token。
具体例子：与最大输出长度、用户取消是不同结束原因。
回到 F15 的完整讲解 →自回归 / Autoregressive
根据已有序列逐步预测后续项。
具体例子：预测出新Token后，再把它作为后续步骤的条件。
回到 F15 的完整讲解 →Prefill
处理当前已经知道的一段输入前缀。
具体例子：得到各层表示及可复用的K/V。
回到 F16 的完整讲解 →Decode（推理阶段）
继续逐步生成新Token的阶段。
具体例子：别与Tokenizer把编号解为文字的decode混淆。
回到 F16 的完整讲解 →KV Cache
保存每层已有位置的Key和Value计算结果以复用。
具体例子：不是用户长期记忆，也不是Prompt摘要。
回到 F16 的完整讲解 →Cache position
用于跟踪缓存中逻辑位置的参数或约定。
具体例子：有历史前缀后，新查询不能重新从绝对位置0开始。
回到 F16 的完整讲解 →导数 / Derivative
输入微小变化引起输出变化的局部比率。
具体例子：x²在x=3处导数是6。
回到 F17 的完整讲解 →梯度 / Gradient
损失对各个参数的偏导数组成的集合。
具体例子：不是模型“思考过程”，是可计算的变化率。
回到 F17 的完整讲解 →∂ / 偏导数
只改变某个变量、其余变量按定义固定时的变化率符号。
具体例子：∂L/∂w说明权重w对损失L的局部影响。
回到 F17 的完整讲解 →链式法则 / Chain rule
把复合计算各阶段的变化率相乘并按路径相加。
具体例子：输出经中间量依赖w时，沿计算链回传影响。
回到 F17 的完整讲解 →反向传播 / Backprop
利用链式法则高效计算各参数梯度的算法。
具体例子：沿已有前向计算图反向计算，不是反着生成文字。
回到 F17 的完整讲解 →有限差分
通过输入小幅加减后的输出差近似导数。
具体例子：可用于核对解析梯度，但不是大型模型训练常规替代法。
回到 F17 的完整讲解 →标签 / Label
训练中希望模型预测的目标。
具体例子：自回归当前位置的标签通常是下一个Token。
回到 F18 的完整讲解 →交叉熵 / Cross entropy
对目标概率取负对数后求平均等的训练目标。
具体例子：目标概率0.8时单项损失−ln0.8约0.2231。
回到 F18 的完整讲解 →Learning rate / 学习率η
决定沿梯度更新多大步的系数。
具体例子：w_new=w−η×gradient。
回到 F18 的完整讲解 →Adam / AdamW
利用梯度一阶与二阶统计的优化器；AdamW独立处理权重衰减。
具体例子：恢复训练时应考虑其状态，不只有模型权重。
回到 F18 的完整讲解 →Checkpoint（训练）
保存恢复训练所需状态的持久产物。
具体例子：可能含权重、优化器、步数与随机状态。
回到 F18 的完整讲解 →过拟合 / Overfitting
过分适应训练数据而不能很好处理新样本。
具体例子：背熟教学循环序列不代表会自然语言推理。
回到 F18 的完整讲解 →SFT
用指定目标回答做监督微调。
具体例子：属于参数训练，和会话中加载Skill不同。
回到 F19 的完整讲解 →RLHF / RLAIF
利用人类或AI反馈进行强化学习式后训练的方法族。
具体例子：反馈来源和目标都需核对，不能仅看缩写。
回到 F19 的完整讲解 →策略 / Policy
给定状态时对动作或Token的概率分布。
具体例子：π(y|x)表示在输入x条件下产生输出y的概率。
回到 F19 的完整讲解 →奖励 / Reward
用于评价动作或结果并驱动优化的信号。
具体例子：高奖励不自动证明符合真实业务目标。
回到 F19 的完整讲解 →DPO
以偏好对比较策略相对参考模型概率的训练方法。
具体例子：要算完整回答条件概率，不只看最后一个Token。
回到 F19 的完整讲解 →KL散度
衡量一个概率分布相对另一个分布的偏离量，通常有方向性。
具体例子：KL(p||q)不必等于KL(q||p)。
回到 F19 的完整讲解 →PPO / GRPO
不同策略优化方法，使用概率比及估计信号等控制更新。
具体例子：先懂策略、奖励、基线和相对变化，再读具体公式。
回到 F19 的完整讲解 →矩阵秩 / Low rank
矩阵中独立方向的数量；低秩可用较小矩阵乘积近似某变换。
具体例子：不是张量轴数，rank2更新仍可用于二维权重矩阵。
回到 F20 的完整讲解 →LoRA
用低秩参数增量适配原权重的微调方法。
具体例子：ΔW=AB，训练A和B而非全部基础权重。
回到 F20 的完整讲解 →QLoRA
在量化基础模型上训练低秩适配参数的一类方法。
具体例子：不意味着所有计算都在4位整数中完成。
回到 F20 的完整讲解 →Quantization / 量化
把数值映射到较少位数的离散表示。
具体例子：通常需要尺度等元数据，并引入近似误差。
回到 F20 的完整讲解 →Distillation / 蒸馏
利用教师模型输出或中间信号训练学生模型。
具体例子：不是把大模型参数简单切走一半。
回到 F20 的完整讲解 →MoE / 专家混合
根据输入选择部分专家子网络参与计算的架构。
具体例子：总参数与本次激活参数分开统计。
回到 F20 的完整讲解 →GQA / MQA / MHA
不同查询头与K/V头共享方式的注意力结构。
具体例子：共享更多K/V可减少缓存，但不保证质量完全相同。
回到 F20 的完整讲解 →复杂度 / O记号
描述规模增长时主要计算或存储如何增长，省略常数细节。
具体例子：O(T²)不意味着某次实测恰好用T²毫秒。
回到 F21 的完整讲解 →FLOPs
浮点运算次数的一种计数指标。
具体例子：计算少可能仍因内存搬运而慢。
回到 F21 的完整讲解 →Bandwidth / 带宽
单位时间可搬运的数据量。
具体例子：显存带宽与网络带宽是不同瓶颈。
回到 F21 的完整讲解 →FlashAttention
通过分块和更有效内存访问计算注意力的一类实现。
具体例子：不是稀疏注意力，也不是把旧历史摘要掉。
回到 F21 的完整讲解 →PagedAttention
按块管理注意力缓存的一类机制。
具体例子：逻辑连续不要求物理内存一大块连续。
回到 F21 的完整讲解 →TP / PP / DP
张量并行、流水线并行和数据并行的不同拆分方式。
具体例子：拆运算、拆层、拆样本的通信要求不同。
回到 F21 的完整讲解 →ZeRO / 分片
通过分散保存训练状态减少跨设备重复的一类方法。
具体例子：不等于把模型训练目标改变。
回到 F21 的完整讲解 →Speculative decoding
草稿提候选，目标模型验证并修正的生成加速方法。
具体例子：保持目标分布需要正确的接受与拒绝采样。
回到 F21 的完整讲解 →Agent
根据任务与观察调用模型和工具、持续推进的执行系统。
具体例子：不只是一次写得很长的Prompt。
回到 F22 的完整讲解 →Harness / 宿主执行框架
组织模型输入、工具、状态、权限和反馈的外围程序。
具体例子：模型提出读文件，Harness执行并回填结果。
回到 F22 的完整讲解 →Workflow / 工作流
由程序预先安排主要步骤和分支的流程。
具体例子：不等于每一步都必须由模型临时决策。
回到 F22 的完整讲解 →API
程序之间约定输入、输出与行为的接口。
具体例子：不是人类界面的按钮本身。
回到 F23 的完整讲解 →JSON
表达对象、数组、字符串、数值等结构化数据的文本格式。
具体例子：合法JSON不保证字段内容在业务上合法。
回到 F23 的完整讲解 →Schema
对数据字段及类型等结构的约束描述。
具体例子：path是字符串，不表示可以读取任意路径。
回到 F23 的完整讲解 →HTTP
常用于客户端与服务器请求响应的网络协议。
具体例子：收到HTTP响应不单独证明业务动作成功。
回到 F23 的完整讲解 →SSE
通过事件流逐段发送服务器消息的协议形式。
具体例子：传输分片边界不保证等于一个完整事件。
回到 F23 的完整讲解 →Tool call / 工具调用
模型提出的工具名称和参数等结构化请求。
具体例子：提出调用不是工具已经执行。
回到 F23 的完整讲解 →Call ID
用来匹配一次工具调用与结果的标识。
具体例子：并行调用不能仅按结果到达顺序配对。
回到 F23 的完整讲解 →State / 状态
系统当前有效事实或进展的记录。
具体例子：已提交、执行中、成功、失败、结果未知。
回到 F24 的完整讲解 →Event / 事件
记录某件事发生的不可混淆描述。
具体例子：“写入开始”和“写入确认”不是同一事件。
回到 F24 的完整讲解 →Checkpoint（任务）
为了中断后继续而保存的任务状态。
具体例子：不等于训练checkpoint，也不等于长期经验。
回到 F24 的完整讲解 →Unknown / 未知结果
无法确认外部动作是否已经完成的状态。
具体例子：超时可能发生在成功执行之后。
回到 F24 的完整讲解 →MCP
宿主与外部工具或资源服务器交互的一套协议。
具体例子：不是Agent间全部通信的总称。
回到 F25 的完整讲解 →Host / Client / Server
MCP中的应用宿主、协议客户端与提供能力的服务器角色。
具体例子：一个宿主可通过多个客户端连接不同服务器。
回到 F25 的完整讲解 →OAuth / Scope
授权协议与获准操作的范围。
具体例子：获准读日历，不等于获准删除事件。
回到 F25 的完整讲解 →Context / 上下文
本轮模型调用可利用的输入信息集合。
具体例子：通常不包含整个硬盘的所有内容。
回到 F26 的完整讲解 →Prompt caching
复用相同输入前缀的计算。
具体例子：不缩短逻辑输入长度，也不等于记忆写入。
回到 F26 的完整讲解 →JIT / 按需加载
到了相关任务才读取完整资源。
具体例子：先展示Skill名称描述，相关时再读正文。
回到 F26 的完整讲解 →Compaction / 压缩
用较紧凑内容或专用状态替代较长历史。
具体例子：有损摘要应保留原始证据的可恢复位置。
回到 F27 的完整讲解 →Provenance / 来源追溯
记录结论来自哪里以及对应版本和条件。
具体例子：“见文件”不如准确路径、范围、版本可核对。
回到 F27 的完整讲解 →Index / 索引
为查找建立的辅助数据结构。
具体例子：有索引不保证内容新鲜或权限正确。
回到 F28 的完整讲解 →倒排索引
从词项找到包含它的文档记录。
具体例子：“超时”→文档1、5、8。
回到 F28 的完整讲解 →BM25
基于词频、文档频率及长度校正的一类词项相关性评分。
具体例子：不理解所有同义表达，也不直接校验事实。
回到 F28 的完整讲解 →Embedding（检索向量）
为查询与文档匹配产生的一组表示数字。
具体例子：不应与Token输入Embedding任意互换。
回到 F28 的完整讲解 →ANN / HNSW
近似最近邻搜索及其图索引方法之一。
具体例子：加速候选查找可能牺牲部分召回。
回到 F28 的完整讲解 →RAG
先检索外部材料，再让模型依据材料生成的系统模式。
具体例子：有引用或有检索不自动保证回答被证据支持。
回到 F29 的完整讲解 →Reranking / 重排
对已召回候选做更细致比较并重新排序。
具体例子：若正确材料根本没召回，重排无法凭空找回。
回到 F29 的完整讲解 →RRF
把各路排名的倒数形式相加来融合候选的一种方法。
具体例子：按rank而非直接相加不同模型的原始分数。
回到 F29 的完整讲解 →HyDE / 假设文档
借助生成的假设回答表示来帮助检索的方法。
具体例子：假设内容不是可信事实，需要真实证据。
回到 F29 的完整讲解 →GraphRAG / RAPTOR
利用图关系或分层摘要组织检索的不同方法。
具体例子：结构可帮助跨文档问题，也会产生构建与维护成本。
回到 F29 的完整讲解 →AST
抽象语法树，表示程序的语法结构。
具体例子：能区分函数定义与普通字符串，但不包含全部运行事实。
回到 F30 的完整讲解 →LSP
编辑器与语言服务交互的协议，支持定义、引用和诊断等。
具体例子：服务能力取决于语言实现与项目配置。
回到 F30 的完整讲解 →Commit / Worktree
Git提交快照与当前工作目录的内容。
具体例子：未提交修改意味着二者可能不同。
回到 F30 的完整讲解 →语义 / 情景 / 程序性记忆
分别偏向稳定事实、具体经历与可复用执行方法的记忆分类。
具体例子：一次修复经历不应直接升级为通用规则。
回到 F31 的完整讲解 →Valid time / Recorded time
事实适用的时间与系统记录或获知它的时间。
具体例子：政策1日生效、5日才录入，两个时间不能互换。
回到 F31 的完整讲解 →TTL / 失效
按时间或条件不再默认使用一条缓存或记忆。
具体例子：过期不等于历史记录必定错误，只是不再作为当前事实。
回到 F31 的完整讲解 →Skill
供Agent按需使用的专业指导及关联资源。
具体例子：不同于模型新增了一组权重。
回到 F32 的完整讲解 →Routing / 路由
根据任务选择模型、工具、技能或执行分支的过程。
具体例子：误选与漏选要根据实际任务损失评价。
回到 F32 的完整讲解 →Hook
在指定执行节点运行的程序性操作。
具体例子：适合必须执行的检查，但也会带来延迟与失败面。
回到 F32 的完整讲解 →Subagent / Handoff
子Agent与控制或任务交接机制。
具体例子：必须考虑上下文、权限和结果证据如何传递。
回到 F32 的完整讲解 →DAG / 关键路径
无环有向依赖图及决定理想完成时间的最长依赖链。
具体例子：独立任务并行，依赖任务仍需等待。
回到 F32 的完整讲解 →Idempotency / 幂等
同一业务动作重复请求不重复产生额外效果的性质或实现目标。
具体例子：稳定业务键比每次重试生成新ID更关键。
回到 F33 的完整讲解 →CAS / Compare-and-swap
仅当版本或当前值仍符合预期时才更新。
具体例子：避免旧分析覆盖新修改，但不覆盖全部外部副作用。
回到 F33 的完整讲解 →Transaction / 事务
让一组操作满足特定原子性、一致性等边界的机制。
具体例子：单数据库事务不自动包含远端网络API。
回到 F33 的完整讲解 →Atomic / 原子操作
相对指定观察边界，不暴露部分完成的操作。
具体例子：文件原子替换与跨文件、跨数据库原子性不同。
回到 F33 的完整讲解 →Exactly-once
要求业务效果恰好一次的语义目标。
具体例子：至少一次传输加幂等可帮助实现，不是任意系统自动保证。
回到 F33 的完整讲解 →反例 / 性质测试
用失败样例或一般应成立的关系检验行为。
具体例子：排除规则修改后，不在排除范围的路径仍应保留。
回到 F34 的完整讲解 →回归测试 / Regression
检查修改未破坏已要求的旧行为。
具体例子：旧测试全绿不代表新需求已实现。
回到 F34 的完整讲解 →Mutation / 变异测试
故意改坏实现来检查测试能否发现错误。
具体例子：总返回成功的实现也全绿，说明测试区分力不足。
回到 F34 的完整讲解 →Precision / Recall
返回项中正确的比例，和所有该找到项中实际找到的比例。
具体例子：分母不同，必须先定义相关或必需的标签。
回到 F35 的完整讲解 →pass@k / pass^k
通常分别指k次至少一次成功的估计与多次全成功等可靠性口径，具体按基准定义。
具体例子：p=.8、独立3次，至少一次.992，全成功.512。
回到 F35 的完整讲解 →MRR / nDCG
关注首个相关项位置、或多等级相关排序质量的检索指标。
具体例子：不能代替最终回答准确与权限检查。
回到 F35 的完整讲解 →配对实验 / Paired test
同一批任务对照两个方案，减少任务难度差异。
具体例子：独立随机性和运行条件仍需控制。
回到 F36 的完整讲解 →置信区间 / Bootstrap
表达估计不确定性的区间及一种重采样方法。
具体例子：区间依赖抽样假设，不是未来成功保证。
回到 F36 的完整讲解 →LLM-as-a-judge
用模型按规则评价输出的方法。
具体例子：可能受长度、顺序或风格影响，需校准与可执行证据。
回到 F36 的完整讲解 →Prompt injection
不可信内容试图改变Agent行为或越过授权的攻击。
具体例子：网页正文“忽略规则”不是新用户指令。
回到 F37 的完整讲解 →ACL / 租户隔离
对对象可访问者的限制，以及不同用户组织之间的数据边界。
具体例子：检索与缓存都需要避免跨权限泄露。
回到 F37 的完整讲解 →Sandbox / 沙箱
限制程序可访问文件、网络或资源的隔离环境。
具体例子：隔离边界之外的工具仍需独立授权。
回到 F37 的完整讲解 →TOCTOU
检查时与使用时目标发生变化的竞争问题。
具体例子：批准文件A之后实际操作不能悄悄变成文件B。
回到 F37 的完整讲解 →Trace / Span
一次任务的执行轨迹与其中有开始结束的操作跨度。
具体例子：并行跨度的耗时不能直接全加成墙钟时间。
回到 F38 的完整讲解 →TTFT / p95
首个Token延迟，以及95%样本不超过的分位数等运行指标。
具体例子：平均值正常仍可能尾延迟很差。
回到 F38 的完整讲解 →Backpressure / 退避
过载时限制上游继续推送，以及失败重试间隔逐渐增大的机制。
具体例子：延迟重试不解决业务重复执行本身。
回到 F38 的完整讲解 →Canary / Rollback
小范围验证新版本与出现问题时恢复旧版本。
具体例子：提示、模型、索引、工具应作为可追溯版本组合。
回到 F38 的完整讲解 →Patch / 多模态编码
把图片分片或用视觉编码器转为数值表示的过程。
具体例子：224×224、16×16切片得196片，但不保证最终恰196Token。
回到 F39 的完整讲解 →Calibration / 校准
置信表达与长期实际正确频率相符合的性质。
具体例子：一组90%信心预测应在可比条件下约90%正确。
回到 F39 的完整讲解 →SAE / 可解释性
稀疏自编码器等技术研究内部表示特征。
具体例子：能解释部分特征不等于完整读出所有原因。
回到 F39 的完整讲解 →Ablation / 消融
去掉或替换某个组件观察影响的对照方法。
具体例子：先验证新增Review是否真的减少缺陷，而非只增加步骤。
回到 F40 的完整讲解 →Scaling law
特定训练设置下观察到的规模与损失等的经验关系。
具体例子：不能不加条件外推到所有任务或所有模型。
回到 F40 的完整讲解 →