AI 術語詞典

U-Net是一種用於圖像分割的深度學習模型，其架構呈U型，包含編碼器和解碼器，能有效捕捉圖像的上下文資訊和精確定位分割邊界。

在主動學習中選擇模型預測信心度最低的樣本進行標籤，以優先改進模型的薄弱決策邊界。

欠擬合指模型過於簡單，無法捕捉資料中的主要規律，訓練集與測試集的預測表現皆不理想

一種在 AI 生成任務中整合結構化知識圖譜或外部知識庫以引導生成方向，同時優化輸出一致性與事實準確性的統一框架架構。

非結構化資料是指沒有預定義格式或組織方式的資料，難以直接儲存和分析，例如文字、圖像、音訊和影片。

非監督式異常偵測技術無需標註資料，能自動學習數據的常態模式，有效辨識出偏離預期特徵的罕見異常事件。

非監督式學習是機器學習方法，讓模型在沒有標籤的輸入資料中，自行探索隱藏的結構與模式

將任務委託給能自主規劃、調用工具並反覆執行步驟的 AI Agent 來完成目標的應用範式。