Глоссарий AI & Вайбкодинга
Фундаментальный справочник новой эры разработки от Andriy Orlov: автономные агенты, loop engineering, протокол MCP, расширение контекста, инфраструктура VPS и профилактика выгорания в эру AI.
A
ENAI-апскейлинг (Суперразрешение / Super Resolution)
Технология увеличения разрешения и восстановления деталей изображений (Real-ESRGAN, Magnific AI, Topaz Photo). В отличие от простого увеличения пикселей (бикубической интерполяции), нейросеть буквально генерирует новые реалистичные микротекстуры: поры кожи, ресницы, волоски и ткань.
AI-Видеоинструменты (Runway, Kling, Luma Dream Machine)
Ведущие современные платформы генерации видео с помощью искусственного интеллекта (Text-to-Video и Image-to-Video). Позволяют оживлять статичные фотографии, управлять движением виртуальной камеры и создавать кинематографические видеоролики высокого разрешения без съемочной группы.
Alibaba Qwen (Лидер открытого кода и математики)
Серия высокоэффективных открытых моделей от облачного подразделения Alibaba (Qwen 2.5, Qwen Coder). Признанный лидер среди открытых моделей в написании кода, математике и многозначной обработке текста.
Apple Silicon для ИИ (Серия M и Unified Memory)
Архитектура процессоров Apple (M1/M2/M3/M4) с объединенной памятью (Unified Memory Architecture). Позволяет всему массиву оперативной памяти (до 128-192 ГБ) быть доступным графическому чипу как VRAM, что позволяет запускать гигантские нейросети без серверных видеокарт.
Apple Silicon MLX Framework
Нативная библиотека машинного обучения от Apple, спроектированная для максимального использования унифицированной памяти и графических ядер чипов серии M (M2/M3/M4) при запуске больших LLM.
AWQ & Activation-Aware GPU Quantization
Методы 4-битного сжатия весов языковых моделей, оптимизированные под архитектуру тензорных ядер NVIDIA для максимальной пропускной способности и сохранения критических каналов активации.
C
ENClaude Haiku (Скоростные компактные модели Anthropic)
Самая компактная и быстрая модель в линейке Anthropic. Создана для молниеносных ответов, массовой классификации текстов, извлечения данных и агентской маршрутизации при минимальных затратах.
Claude Opus (Флагманская интеллектуальная модель Anthropic)
Самая мощная тяжеловесная модель в семействе Anthropic. Создана для сложного философского и научного анализа, написания многослойных текстов и глубокого понимания контекста.
Claude Sonnet (Claude 3.7 / 3.5 Sonnet)
Эталонная инженерная модель от Anthropic, оптимизированная для сложного программирования, работы с большими кодовыми базами, гибридного размышления (Extended Thinking) и автономных агентских циклов.
ControlNet: Управление Позами и Геометрией
Нейросетевая надстройка для диффузионных моделей (Stable Diffusion), позволяющая управлять пространственной композицией генерации с помощью карт глубины, контуров линий (Canny edge) и «скелетов» человеческих поз (OpenPose). Превращает хаотичную генерацию в точный инструмент дизайнера.
D
ENDeepSeek (Китайский прорыв в открытом ИИ)
Серия прорывных открытых моделей от китайской лаборатории DeepSeek (V3, R1). Демонстрирует высший уровень в кодировании и рассуждении по цене в 10–20 раз ниже, чем западные коммерческие аналоги.
DeepSeek-R1 (Модель Рассуждения DeepSeek)
Прорывная открытая модель рассуждения (Open Weights Reasoning Model) на базе 671B MoE архитектуры, доказавшая возможность формирования сверхсложного логического мышления через чистое обучение с подкреплением (GRPO).
E
ENF
ENG
ENGemini Flash & Pro (Google Gemini)
Семейство мультимодальных моделей от Google DeepMind, объединяющее рекордное контекстное окно (до 2 млн токенов), экстремальную скорость генерации (более 150 токенов/с) и нативное восприятие видео и аудио.
Gemini Nano & Edge AI (ИИ прямо на смартфоне без интернета)
Самая компактная версия искусственного интеллекта от Google, оптимизированная для локального запуска на чипах смартфонов (NPU). Обеспечивает саммари аудиозаписей, умные ответы и обработку фото полностью офлайн.
GGUF и Современные Стандарты Квантизации
Универсальный бинарный формат файлов для хранения и мгновенной загрузки квантизированных языковых моделей на процессорах и видеокартах в llama.cpp, Ollama и LM Studio.
Google AI Studio (Бесплатная студия для тестирования ИИ)
Официальная веб-песочница от Google для быстрого тестирования моделей Gemini. Позволяет бесплатно экспериментировать с 2-миллионным контекстом, настраивать системные промпты и получать API-ключи без кредитной карты.
Google Gemini Pro (Модель Google с бездонным контекстом)
Основная рабочая модель от Google DeepMind с рекордным контекстным окном в 2+ миллиона токенов. Способна за один запрос анализировать целые книги, временные видеозаписи и массивные кодовые базы.
GPT Image / DALL-E (Генерация изображений в ChatGPT)
Встроенный инструмент генерации визуального контента непосредственно в диалоге с ChatGPT. Позволяет создавать иллюстрации, концепт-арт, постерные надписи и локально редактировать фрагменты изображений.
GPT Mini (Компактные модели серии GPT-4o mini)
Экономичная и ультрабыстрая версия флагманских моделей OpenAI. Оптимизирована для массовых повседневных задач, мгновенных ответов, классификации текстов и экономии лимитов.
GPU или CPU для ИИ: в чем разница
Глубокое сравнение центральных (CPU) и графических процессоров (GPU) для задач машинного обучения. Объяснение фундаментальной разницы между задержкой (Latency-oriented) и пропускной способностью (Throughput-oriented), пропускной способностью шины памяти (DDR5 против HBM3e) и бенчмаркингом в CLI.
H
ENI
ENK
ENL
ENLLM (Large Language Model - Большая языковая модель)
Фундаментальный класс нейросетевых архитектур на основе авторегрессионного трансформера, который предполагает вероятностное распределение следующих токенов и демонстрирует эмергентные свойства абстрактного мышления, синтеза кода и логического вывода.
LM Studio
Бесплатное десктопное приложение для Windows, macOS и Linux, позволяющее находить, загружать и запускать открытые LLM в один клик без использования терминала. Имеет встроенный локальный сервер, совместимый с OpenAI API.
LMSYS Chatbot Arena (Рейтинг ELO)
Краудсорсинговая открытая платформа слепого A/B-тестирования LLM, определяющая относительную силу языковых моделей на основе статистической модели Бредли-Терри и шахматного рейтинга Elo.
LoRA-Файлы Для Стилей И Лиц (Low-Rank Adaptation)
Технология быстрого и легковесного дообучения моделей изображений (Stable Diffusion, FLUX). Создает компактные файлы размером от 20 до 200 МБ, которые подключаются к основной модели как изменяемый плагин, добавляя конкретного персонажа, стиль художника или визуальную эстетику.
M
ENMeta Llama (Главный открытый стандарт искусственного интеллекта)
Флагманская серия открытых языковых моделей от компании Meta (Llama 3, 3.3). Доступна для свободного скачивания, модификации и локального запуска на собственных серверах без ограничений и цензуры.
Midjourney (Ведущая платформа художественного дизайна)
Ведущий закрытый генератор изображений с высочайшим уровнем художественной эстетики. Стандарт индустрии для дизайнеров, кинематографистов, концепт-художников и рекламных креативщиков.
Mistral AI (Европейские открытые и эффективные модели)
Серия высокоэффективных открытых и коммерческих моделей от французского стартапа Mistral AI (Mistral 7B, Mixtral 8x7B, Mistral Large). Известны компактностью, скоростью и уважением к приватности данных.
MoE (Mixture of Experts - Смесь Экспертов)
Архитектурный подход в глубоком обучении, где тяжелые полносвязные слои трансформера разбиваются на десятки специализированных подсетей («экспертов»), а динамический маршрутизатор активирует лишь небольшую часть из них для каждого отдельного токена.
O
ENOCR Против Vision LLM: Эволюция Распознавания Текста
Сравнение традиционного оптического распознавания символов (OCR — Tesseract, ABBYY FineReader) с современными мультимодальными визуальными моделями (Vision LLM). Почему старые алгоритмы слепо копируют пиксели с ошибками, а новые модели исправляют почерк, понимают таблицы и подсчитывают итоги.
Ollama (Платформа локального запуска моделей)
Ведущий открытый инструмент для простого загрузки, конфигурации и локального выполнения языковых моделей (Llama, DeepSeek, Qwen) с встроенным REST API, совместимым с OpenAI.
OpenAI GPT (Флагманские модели серии GPT)
Основная универсальная линейка больших языковых моделей от OpenAI (GPT-4, GPT-4o). Оптимизирована для сложного текстового анализа, программирования, творчества и повседневной интеллектуальной работы.
OpenAI o-серия / Reasoning (Модели углубленного рассуждения)
Новое поколение искусственного интеллекта от OpenAI (серия o1, o3), оптимизированное для многоэтапного скрытого мышления, высшей математики, квантовой физики и сложного алгоритмического кодирования.
OpenAI Whisper (Золотой стандарт распознавания речи)
Открытая модель распознавания речи (STT) от OpenAI. Распознает более 100 языков мира, устойчива к фоновому шуму, диалектам и бормотанию. Стандарт для автоматической расшифровки аудио и голосового кодирования.
OpenRouter (Унифицированный API-шлюз моделей)
Унифицированный шлюз искусственного интеллекта, предоставляющий стандартизированный доступ к сотням закрытых и открытых языковых моделей от десятков провайдеров через единый баланс, единый API-ключ и механизм автоматического отказоустойчивого переключения (Fallback).
P
ENPagedAttention & KV-Cache Management
Алгоритм управления памятью графического процессора, который разбивает KV-кэш языковой модели на непрерывные виртуальные страницы (как в ядре ОС), устраняя фрагментацию и увеличивая пропускную способность в 4 раза.
Perplexity AI (Поисковый ассистент нового поколения)
AI-поисковик нового поколения (Answer Engine). Вместо списка рекламных ссылок синтезирует исчерпывающий структурированный ответ с кликабельными ссылками на первоисточники в реальном времени.
Pinokio AI Браузер
Десктопный автономный браузер и менеджер приложений («App Store для открытого ИИ»), позволяющий устанавливать, настраивать и запускать сложные среды искусственного интеллекта (ComfyUI, Stable Diffusion, Whisper, FaceFusion) без знаний Git, Python или терминала.
R
ENS
ENSeed и Детерминизм (Повторение Результата Генерации)
Числовой идентификатор генератора случайных чисел (Seed). Позволяет зафиксировать случайность в языковых моделях и генераторах изображений, чтобы получать стабильный, воспроизводимый результат при повторении одного и того же запроса.
SLMs (Малые Языковые Модели 1B–3B)
Ультракомпактные модели нового поколения размером 1B–3B параметров (Llama 3.2, SmolLM, Qwen 2.5), спроектированные для локального выполнения на телефонах, в браузере и на недорогих edge-серверах.
Sora и AI-видео (Генерация видео из текста)
Современный класс генеративных нейросетей, способных создавать фотореалистичные динамические видеоролики из текста или статических изображений (OpenAI Sora, Runway Gen-3, Kling, Luma Dream Machine).
T
ENTensorRT-LLM & SGLang Высокоскоростные Двигатели
Глубоко компилируемые вычислительные движки для экстремальной оптимизации инференса языковых моделей на серверах NVIDIA с оптимизацией графов, FlashAttention-3 и расширенной маршрутизацией.
Top-P / Nucleus Sampling (Отсечение галлюцинаций в текстах)
Метод вероятностной фильтрации слов (Nucleus Sampling). Позволяет отсекать «длинный хвост» маловероятных, странных и бессмысленных слов, оставляя только наиболее адекватные варианты с суммарной вероятностью P (обычно 0.9).
TTFT против TPS (Метрики задержки вывода)
Две ключевые инженерные метрики производительности вывода: Time To First Token (латентность начала ответа) и Tokens Per Second (пропускная способность генерации кода).
V
ENX
ENА
UAАвтономный локальный ИИ и конфиденциальность данных
Практика выполнения моделей машинного обучения полностью на собственном физическом оборудовании без подключения к интернету (Air-Gapped AI). Гарантирует 100% защиту от утечки коммерческой тайны, персональных данных (GDPR/HIPAA) и отказа облачных провайдеров.
Алгоритмы Современного Выравнивания GRPO и DPO
Современные алгоритмы оптимизации политик моделей (Direct Preference Optimization и Group Relative Policy Optimization), устраняющие необходимость в тяжелых отдельных моделях-критиках во время обучения рассуждений.
Архитектура Transformer
Архитектура нейронных сетей, представленная исследователями Google в 2017 году в статье «Attention Is All You Need». Основополагающая для всех современных языковых моделей (GPT, Claude, Gemini, Llama), которая заменила медленные рекуррентные сети и научилась параллельно обрабатывать весь текст одновременно.
Б
UAВ
UAВеса и смещения нейронной сети (Weights & Biases)
Фундаментальная природа обученной нейронной сети. Веса (Weights) — матричные коэффициенты силы связи между искусственными нейронами, а смещения (Biases) — порог чувствительности активации. Объяснение форматов хранения (.safetensors, bfloat16, fp8) и инспекция весов через Python и CLI.
Видеопамять (VRAM) для ИИ
Видеопамять графического процессора (Video RAM) используется для загрузки весов нейросети и контекстного окна. Основное аппаратное узкое место: если модель не помещается в VRAM, она либо не запустится, либо будет работать в десятки раз медленнее на обычном процессоре.
Г
UAД
UAДипфейки (Deepfakes: аудио и видео)
Технология создания высокореалистичных синтетических аудио- и видеоматериалов с помощью нейросетей. Позволяет заменять лица людей на видео, клонировать голос с 3-секундного образца или генерировать фейковые речи публичных лиц.
Диффузионные Модели (Diffusion Models)
Архитектура генеративных моделей (Stable Diffusion, Midjourney, FLUX), основанная на принципах неравновесной термодинамики. Работает в два этапа: прямая диффузия (постепенное разрушение фото случайным шумом) и обратная диффузия (поэтапное очищение шума до кристально чистого изображения по текстовому описанию).
З
UAЗагрязнение бенчмарков (Data Contamination)
Проблема объективности оценки искусственного интеллекта, когда вопросы и ответы из стандартных тестовых наборов (MMLU, HumanEval, GSM8K) случайно или намеренно попадают в тренировочные данные модели, приводя к искусственно завышенным оценкам на презентациях.
Законы Масштабирования ИИ (Scaling Laws)
Эмпирический закон OpenAI и Google (сформулированный Джаредом Капланом в 2020 году), утверждающий, что производительность языковой модели предсказуемо возрастает по степенному закону при увеличении трех факторов: количества параметров модели, объема тренировочных данных и затраченной вычислительной мощности (Compute).
Зрительные языковые модели (Vision Language Models / VLM)
Мультимодальные модели, которые объединяют способность воспринимать визуальные изображения (через разбиение на патчи) с текстовым интеллектом LLM. Позволяют распознавать объекты на фото, анализировать сложные графики, читать чеки и понимать интерфейсы.
К
UAКатастрофическое забывание (Catastrophic Forgetting)
Фундаментальная проблема искусственных нейронных сетей, когда при обучении новой задаче или на другом языке обновленные весовые коэффициенты перезаписывают предыдущие связи, приводя к внезапной и полной утрате ранее приобретенных навыков.
Квантизация (Model Quantization)
Технология математического сжатия весовых коэффициентов и активаций нейросети путем перехода от высокой точности (FP16/BF16) к низкобитным форматам (FP8, INT8, INT4, GGUF) для радикальной экономии памяти.
Квантизация и формат GGUF
Математический метод уменьшения точности числовых весов модели (например, с 16-битного FP16 до 4-битного INT4) и унифицированный бинарный файл формата GGUF для мгновенной загрузки в процессоры и видеокарты через движок llama.cpp.
Клонирование голоса и этика аудио (Voice Cloning)
Технология генерации цифровой реплики голоса конкретного человека из короткого образца аудиозаписи (от 5 секунд до нескольких минут). Позволяет дублировать видео собственным голосом на других языках, но создает серьезные риски телефонного мошенничества и требует строгой этической верификации.
Количество Параметров Модели (7B, 14B, 70B)
Обозначение общего количества обучающих параметров (весов) в большой языковой модели, где буква 'B' означает миллиарды (Billion). Главный показатель интеллектуальной емкости модели, скорости ее работы и требований к объему памяти компьютера.
Конституционный ИИ (Constitutional AI / RLAIF)
Метод выравнивания поведения моделей, разработанный лабораторией Anthropic (создателями Claude). Вместо использования миллионов часов ручного труда людей, модель сама критикует и исправляет свои ответы, опираясь на четкий свод этических принципов («Конституцию»).
Л
UAЛимит выходных токенов (Почему текст обрывается на полуслове)
Аппаратный или программный лимит на максимальную длину одного ответа (Max Output Tokens). Объясняет, почему длинный код или статья иногда останавливаются на полуслове, и как волшебное слово «Продолжить» возвращает модель к работе.
Локальный Запуск LLM (Local LLM Inference)
Практика автономного выполнения больших языковых моделей непосредственно на аппаратном обеспечении разработчика (Apple Silicon, NVIDIA GPU) с гарантией абсолютной конфиденциальности и нулевой зависимости от интернета.
М
UAМасштабирование Обчислений Во Время Инференса
Новая парадигма развития ИИ к концу 2026 года: повышение качества ответов не за счет гигантских размеров моделей во время обучения, а за счет выделения дополнительных секунд на размышления перед генерацией.
Механизм Самовнимания (Self-Attention)
Ключевой математический механизм архитектуры Transformer, позволяющий каждому слову в предложении динамически оценивать важность всех остальных слов вокруг него. Это позволяет модели различать омонимы и связывать местоимения («он», «она», «это») с правильными объектами.
Модельная Дистиляция и Передача Мышления
Методология передачи знаний и цепочек мышления от гигантской модели-учителя (Teacher Model) к компактной модели-ученику (Student Model) для быстрого и дешевого инференса.
Н
UAНативные мультимодальные рассуждения
Архитектуры искусственного интеллекта, способные проводить глубокие логические рассуждения над кодом, диаграммами архитектуры, скриншотами UI и видеорядом в едином пространстве внимания.
Негативные Промпты в Генерации Изображений (Negative Prompts)
Механизм управления генерацией в диффузионных моделях (Stable Diffusion, Midjourney --no), который направляет математический вектор очистки шума в противоположную сторону от нежелательных образов. Используется для фильтрации артефактов: лишних конечностей, размытия, водяных знаков и мультяшности.
Нейронный процессор (NPU)
Специализированный аппаратный микрочип (Neural Processing Unit), разработанный исключительно для выполнения искусственных нейронных сетей с минимальным энергопотреблением. Отвечает за размытие фона в видеозвонках, улучшение фотографий и локальные подсказки AI без разрядки батареи.
Непрерывный / Динамический Батчинг
Механизм группировки входящих запросов к нейросети на уровне отдельных итераций токенов (Iteration-Level Scheduling), устраняющий простои графических процессоров при параллельной нагрузке.
О
UAОбучение с подкреплением на основе отзывов людей (RLHF)
Метод обучения (Reinforcement Learning from Human Feedback), использующий сравнительные оценки людей для обучения модели вознаграждения (Reward Model). Именно благодаря RLHF языковые модели научились быть полезными, честными и безопасными (Helpful, Honest, Harmless).
Общий Искусственный Интеллект (AGI)
Искусственный общий интеллект (Artificial General Intelligence) — гипотетическая автономная система, способная понимать, обучаться и выполнять любую интеллектуальную задачу на уровне человека или превосходить его в большинстве экономически ценных областей труда.
Открытые веса против закрытых API (Open vs Closed AI)
Сравнение двух фундаментальных философий распространения ИИ: открытые веса (Open Weights — Llama, Mistral, DeepSeek), которые можно загрузить и запустить на собственном сервере, против закрытых облачных API (Closed API — OpenAI, Anthropic, Google), где доступ предоставляется исключительно через подписку.
Открытые Веса против По-настоящему Открытого Исходного Кода AI
Юридический и инженерный анализ фундаментальной разницы между доступными числовыми весами моделей (Llama, DeepSeek) и полностью открытыми проектами с исходными данными, кодом и архитектурой (OSI Standard).
П
UAПараметры Семплирования (Температура, Top-p, Min-p)
Математические гиперпараметры стохастического декодирования (Temperature, Top-P, Min-P, Penalties), управляющие распределением вероятностей выбора следующего токена, определяя уровень детерминизма, точности и креативности модели.
Переобучение (Overfitting)
Фундаментальная проблема машинного обучения: модель чрезмерно подстраивается под тренировочный датасет вместе с его специфическим шумом, теряя способность к генерализации (Generalization) на новых данных. Анализ дивергенции функций потерь, техник регуляризации и Early Stopping в коде.
Предварительное обучение (Pre-training)
Начальный этап создания базовой большой языковой модели (Foundation Model). Процесс подачи нейросети триллионов слов из интернета, книг и кода на кластерах с тысячами видеокарт в течение месяцев за десятки и сотни миллионов долларов.
Предсказание Следующего Токена (Next-Token Prediction)
Фундаментальный механизм авторегрессионных больших языковых моделей (LLM). Расчет логитов, функция Softmax, влияние температуры и семплинга (Top-P/Top-K). Объяснение, почему генерация текста является последовательным процессом O(N) и как просматривать вероятности через API.
Прямое Слушание Голоса (Speech-to-Speech / Native Audio)
Новое поколение нативных мультимодальных моделей (GPT-4o Advanced Voice, Gemini Live), которые обрабатывают звуковые волны напрямую без промежуточного шага конвертации аудио в текст (STT) и обратно (TTS). Это позволяет модели слышать сарказм, страх, смех, шепот и перебивать разговор на лету с минимальной задержкой.
Р
UAС
UAСемейство Llama (Meta Llama)
Серия фундаментальных открытых языковых моделей от Meta (Llama 3, 3.1, 3.3), ставшая промышленным стандартом экосистемы Open Weights, локального ИИ и корпоративного fine-tuning.
Скорость генерации (TPS / TTFT / Latency)
Ключевые инженерные показатели производительности языковых моделей: Time to First Token (время реакции на входной контекст) и Tokens Per Second (скорость потоковой генерации выходного текста).
Скрытое пространство (Latent Space)
Многомерное математическое векторное пространство, созданное нейросетью для внутреннего представления концепций, стилей и образов. Позволяет выполнять удивительные арифметические операции над понятиями: например, «Король» минус «Мужчина» плюс «Женщина» равно «Королева».
Слияние Моделей и Франкенштейнинг
Техника объединения весов двух или более различных языковых моделей без повторного обучения на GPU (SLERP, DARE, Ties-Merging), создающая гибридные модели с синергетическими навыками.
Современный синтез речи (Text-to-Speech / TTS)
Технология искусственной генерации человеческой речи из печатного текста. Современные нейросетевые TTS-модели (ElevenLabs, OpenAI Audio, Chatterbox) воспроизводят естественные интонации, логические акценты, дыхание, тембр и эмоциональную окраску, неотличимые от живого диктора.
Сохранение персонажа и согласованность стиля (Consistency)
Методология и инструменты сохранения визуальной согласованности персонажа (Character Consistency) и авторского стиля в серии генераций. Используется для создания иллюстрированных книг, комиксов, раскадровок к фильмам и бренд-маскотов с помощью параметров --cref, FaceID и LoRA.
Спекулятивное Декодирование и Драфт-Модели
Технология аппаратного ускорения инференса больших языковых моделей в 2–3 раза без потери качества за счет параллельной проверки предсказаний быстрой драфт-модели.
Структура Промпта Для Картинок (Image Prompt Engineering)
Профессиональная методология составления текстовых запросов для графических нейросетей. Золотая формула пяти элементов: главный объект, детали окружения, характер освещения, параметры виртуальной камеры и художественный стиль рендеринга.
Субквадратное Внимание и Модели Пространства Состояний
Современные нейросетевые архитектуры с линейной вычислительной сложностью O(N), позволяющие обрабатывать миллионы токенов контекста с постоянным использованием оперативной памяти.
Т
UAТемпература Генерации (Ползунок Креативности и Хаоса)
Ключевой числовой параметр генерации текста (обычно от 0.0 до 1.0 или 2.0). Определяет степень непредсказуемости выбора следующего токена: от строгой детерминированной математики до свободного полета фантазии.
Теория «Стохастического попугая» (Stochastic Parrot)
Известная научная критика больших языковых моделей, выдвинутая лингвистками Эмили Бендер и Тимнит Гебру в 2021 году. Утверждает, что LLM не обладают сознанием или пониманием содержания, а лишь случайным (стохастическим) образом повторяют изученные в интернете комбинации слов, подобно попугаю.
Тест «Игла в стоге сена» (Needle In A Haystack / NIAH)
Стандартный бенчмарк для тестирования длины контекстного окна языковых моделей. В гигантский массив случайного фонового текста (стог сена) на разных позициях прячется одно короткое случайное предложение (игла), проверяя способность модели найти его без ошибок.
Типы квантизации: FP16, INT8, INT4
Технические форматы представления весов нейросетей. От полной 16-битной точности с плавающей запятой (FP16 / BF16) до целочисленных форматов сжатия (INT8, INT4, AWQ, EXL2), которые определяют баланс между потреблением памяти и интеллектуальным качеством ответов.
Токены простыми словами (Сколько слов в токене)
Базовая единица измерения текста в языковых моделях. Объяснение того, как слова разбиваются на токены, почему это влияет на стоимость запросов и почему украинские слова потребляют больше токенов, чем английские.
Тонкое дообучение (Fine-Tuning)
Процесс адаптации уже обученной большой модели к узкоспециализированной задаче или стилю с помощью небольшого качественного датасета (Supervised Fine-Tuning, SFT). Позволяет обучить ИИ медицинской терминологии, корпоративному тону или форматированию специфического кода за несколько часов.
Ф
UAЭ
UAПолный стек инструментов, рейтингов и AI-скилов
Помимо глоссария, на GOTBURNOUT доступны бенчмарки нейросетей, каталог из более 100,000 AI Agent Skills, готовые проверенные VPS-скрипты и закрытое Pro-сообщество разработчиков.