一、 核心概念与基础架构 Artificial Intelligence (AI) / 人工智慧：使电脑系统能够模拟人类智慧、思考、 学习与解决问题的技术总称。 Artificial General Intelligence (AGI) / 通用人工智慧：指在多数领域皆能达到或 超越人类水准、具备高度自主学习与推理能力的假想 AI 系统。 Machine Learning (ML) / 机器学习：AI 的分支，让电脑透过演算法从大量数据中自 动分析规律并做出预测，而非透过写死规则。 Deep Learning (DL) / 深度学习：机器学习的一支，使用多层人工神经网路（Neural Networks）来模拟人脑处理复杂资料（如影像、语音）。 Transformer 架构：现代生成式 AI（如 GPT 系列）的核心神经网路架构，依靠「注意 力机制」（Attention Mechanism）能高效处理长文本与上下文关联。 二、 生成式 AI 与大型语言模型（LLM） Large Language Model (LLM) / 大型语言模型：经过海量文字资料训练、具备强大自 然语言理解与生成能力的深度学习模型（如 GPT、Claude、Gemini）。 Prompt / 提示词：使用者输入给 AI 的指令、问句或任务描述。 Prompt Engineering / 提示工程：设计、优化提示词的技术与方法，以引导 AI 产出 最准确、高品质的结果。 Hallucination / 幻觉：AI 毫不犹豫地给出错误、虚构或毫无根据的资讯却表现得像 真的一样之现象。 Retrieval-Augmented Generation (RAG) / 检索增强生成：结合外部资料库的技术， 让 AI 在回答前先「查资料」，大幅降低幻觉并提升准确度。 Embedding / 嵌入：将文字、图片等非结构化资料转换成一串高维度「数字向量」的技 术，让电脑能量化理解资料之间的语义与相似度。 Vector Database / 向量资料库：专门用来储存与快速检索高维度向量资料的资料库（ 如 Pinecone、Milvus），是 RAG 与语义搜寻的核心。 RLHF (Reinforcement Learning from Human Feedback) / 基於人类反馈的强化学习： 利用人类对 AI 输出结果的评分与排序来微调模型，使其回答更符合人类的价值观与安全 规范。 三、 机器学习训练与优化 Overfitting / 过拟合（过度拟合）：模型在训练资料上表现极佳，但在面对未见过的 新资料时表现很差，代表模型死记了答案而没有学到通则。 Loss Function / 损失函数：用来衡量模型预测值与真实答案之间差距的数学函数，数 值越低代表模型表现越好。 Epoch / 训练轮次：机器学习演算法完整「看过」一次所有训练资料集的次数。 Fine-tuning / 微调：拿已经训练好的基础模型，使用特定领域的资料集进行二次训练 ，使其专精於某个特定任务。 Zero-shot / One-shot / Few-shot Learning / 零样本、单样本、少样本学习：指模 型在没有看过相关范例（Zero-shot）、看过 1 个范例（One-shot）或少数范例（Few-sh ot）的情况下，就能直接完成指定任务的能力。 四、 AI Agent（智能体）与应用趋势 AI Agent / 智能体：不仅能被动回答问题，还能自主规划任务、调用工具、分解步骤 并执行动作以达成复杂目标的 AI 系统。 Function Calling / 函式调用：允许 LLM 在对话过程中识别何时需要呼叫外部程式码 、API 或工具（如计算机、气象查询），并自动生成对应参数的技术。 Compute / 算力：执行 AI 模型训练与推理（Inference）所需的硬体计算资源（通常 指高阶 GPU 或 TPU 晶片）。 Human-in-the-loop / 人机协作：在 AI 自动化流程中刻意加入人类审查、干预或确认 的机制，以确保安全性与正确性。 ～～～～～～～～～～～～～～～～～ 一、 美国科技巨头与闭源模型（Frontier Models） OpenAI（GPT 系列） 代表模型：GPT-4o、GPT-5 系列（如 GPT-5.6 Sol 等）。 特色：业界的指标性模型，具备极强的通用对话、高阶逻辑推理、多模态（语音、视觉 、文字即时互动）与强大的 AI 代理（Agent）自主执行能力。 Anthropic（Claude 系列） 代表模型：Claude 3.5 家族、Claude 4 / 5 系列（如 Claude Opus、Sonnet）。 特色：以优异的程式码编写、细腻流畅的文风、超长上下文记忆及严格的安全合规框架 （Constitutional AI）着称，深受开发者与文字工作者喜爱。 Google DeepMind（Gemini 系列） 代表模型：Gemini 1.5 / 2.0 / 3 Pro & Flash 系列。 特色：拥有业界领先的超大上下文视窗（Context Window），能一次性处理数小时的影 片、程式码库或长篇巨着，并与 Google 云端生态系深度整合。 xAI（Grok 系列） 代表模型：Grok 3 / Grok 4。 特色：由马斯克（Elon Musk）创立的 xAI 开发，主打即时串接社交平台数据、反应迅 速且带有独特幽默感。 二、 中国顶尖 AI 模型与开源 / 闭源新锐 DeepSeek（深度求索） 代表模型：DeepSeek-V3 / R1 / V4 系列。 特色：以极高性价比、创新的混合专家架构（MoE）与强大的深度思维推理能力（R1 类 思维链）震撼全球，推动了全球 AI 算力成本的大幅下降。 阿里巴巴（通义千问 Qwen 系列） 代表模型：Qwen 2.5 / Qwen 3 / Qwen 3.8-Max。 特色：中英文多语言能力极强，且开源了多种尺寸的强大权重模型，在国际开源社群（ 如 Hugging Face）名列前茅。 月之暗面（Moonshot AI / Kimi） 代表模型：Kimi K2 / K3 系列。 特色：专注於超长文本处理、联网搜寻与深度研究代理（Deep Research）能力，能快 速消化大量网页与文档。 智谱 AI（GLM 系列） 代表模型：GLM-4 / GLM-5 系列。 特色：由清华大学背景团队打造，具备扎实的双语与多模态推理表现，商业化落地极快 。 三、 全球开源生态与欧洲代表 Meta（Llama 系列） 代表模型：Llama 3 / Llama 4 家族。 特色：全球开源界的最强霸主。允许企业与开发者下载权重并在自有伺服器中私有化部 署，是兼顾资讯安全与高效能的关键基底。 Mistral AI（法国 AI 新兴巨头） 代表模型：Mistral Large、Codestral、Devstral。 特色：欧洲最具代表性的 AI 新创，以高效率、小参数却能媲美闭源旗舰模型的「混合 专家（MoE）」架构闻名，对开发者极为友善。 四、台湾AI模型 官方与国安级计画 TAIDE (推动台湾可信任生成式AI发展计画) 背景：由国科会主导、结合国内顶尖大学与研究机构共同打造的台湾第一个本土 AI 引 擎。 特色：以 Meta Llama 系列为基础，扩充了数万个繁体中文字词。特别强调可信任性， 严格过滤训练资料，并针对台湾在地文化、国情、法律与办公室常用文书（如公文、自动 摘要、书信）进行深度优化，是许多政府机关与在地企业导入主权 AI 的重要基础。 台湾主权AI训练语料库 (TAIC) 背景：由数位发展部携手超过 200 个政府机关共同打造的国家级资料库。 特色：虽然本身是「语料库」而非单一模型，但它是为了打破国际模型多以简体中文为 主体的现状而生。提供丰富的台湾在地文化、历史、民俗、在地辞典及公共治理资料，供 国内 AI 模型开发者训练使用，建立台湾在 AI 时代的语言与文化话语权。 二、 企业与学研界代表模型 FoxBrain (鸿海研究院) 背景：由鸿海研究院人工智慧研究所推出的首款繁体中文 AI 大型语言模型（内部代码 FoxBrain）。 特色：基於 Meta Llama 3.1（70B 参数）进行高效训练。专注於数学与逻辑推理能力 ，采用独特的 Adaptive Reasoning Reflection 技术，在多项繁体中文评测（如 TMMLU+ ）中表现优异，并提供资料分析与决策辅助功能。 Taiwan LLM (台大陈縕侬副教授团队 ＆ 优必达 Ubitus) 背景：结合产、官、学（台大资工系与日商优必达、AWS 等）共同合作推进的开源计画 。 特色：基於 Llama 架构并融入超过 300 亿字台湾本土文本（如公开百科、新闻、小说 、社群讨论）进行微调。该模型全面开源，鼓励台湾企业与开发者依自身需求进行二次微 调，打造具备浓厚台湾在地色彩的垂直应用（如虚拟主播、游戏互动等）。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 223.140.221.243 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI/M.1786009118.A.DB9.html