术语表 (Glossary)

本页收录 AI/ML 领域常用术语，包含英文发音、中文解释、数学定义。
💡 点击术语可发音（优先播放固定音频，无音频时降级为浏览器 TTS）

🔤 数学基础术语

术语	发音	中文	定义
sin	/saɪn/	正弦	$\sin\theta = \frac{\text{对边}}{\text{斜边}}$
cos	/ˈkoʊ.saɪn/	余弦	$\cos\theta = \frac{\text{邻边}}{\text{斜边}}$
tan	/ˈtæn.dʒənt/	正切	$\tan\theta = \frac{\sin\theta}{\cos\theta} = \frac{\text{对边}}{\text{邻边}}$
arctan	/ɑːrkˈtændʒənt/	反正切	$\arctan(x)$ : 求角度 $\theta$ 使得 $\tan\theta = x$

术语	发音	中文	定义
derivative	/dɪˈrɪvətɪv/	导数	$f'(x) = \lim_{h \to 0} \frac{f(x+h) - f(x)}{h}$
gradient	/ˈɡreɪdiənt/	梯度	$\nabla f = \left[\frac{\partial f}{\partial x_1}, \frac{\partial f}{\partial x_2}, \ldots\right]$
partial derivative	/ˈpɑːrʃəl/ /dɪˈrɪvətɪv/	偏导数	$\frac{\partial f}{\partial x}$ : 对 $x$ 求导，其他变量视为常数
chain rule	/tʃeɪn/ /ruːl/	链式法则	$\frac{dy}{dx} = \frac{dy}{du} \cdot \frac{du}{dx}$
integral	/ˈɪntɪɡrəl/	积分	$\int f(x) dx$ : 求曲线下面积

术语	发音	中文	定义
vector	/ˈvektər/	向量	有大小和方向的量，如 $\mathbf{v} = [v_1, v_2, \ldots]$
matrix	/ˈmeɪtrɪks/	矩阵	二维数字数组，如 $\mathbf{A} \in \mathbb{R}^{m \times n}$
tensor	/ˈtensər/	张量	多维数组，向量/矩阵的推广
dot product	/dɑːt/ /ˈprɑːdəkt/	点积	$\mathbf{a} \cdot \mathbf{b} = \sum_i a_i b_i$
transpose	/trænsˈpoʊz/	转置	$A^T$ : 行变列、列变行
eigenvalue	/ˈaɪɡənˌvæljuː/	特征值	$A\mathbf{v} = \lambda\mathbf{v}$ 中的 $\lambda$
norm	/nɔːm/	范数	向量的”长度”，如 $\\|\mathbf{v}\\|_2 = \sqrt{\sum v_i^2}$

术语	发音	中文	公式
ReLU	/ˈrektɪfaɪd/ /ˈlɪniər/ /ˈjuːnɪt/	修正线性单元	$\max(0, x)$
Sigmoid	/ˈsɪɡmɔɪd/	S型函数	$\frac{1}{1 + e^{-x}}$
Tanh	/ˌhaɪpərˈbɑlɪk/ /ˈtændʒənt/	双曲正切	$\frac{e^x - e^{-x}}{e^x + e^{-x}}$
Softmax	/sɒft/-/mæks/	软最大	$\frac{e^{z_i}}{\sum_j e^{z_j}}$
GELU	/ˈɡaʊsiən/ /ˈɛrər/ /ˈlɪniər/ /ˈjuːnɪt/	高斯误差线性单元	$x \cdot \Phi(x)$
SiLU / Swish	/ˈsɪɡmɔɪd/ /ˈlɪniər/ /ˈjuːnɪt/ / /swɪʃ/	Sigmoid 线性单元	$x \cdot \sigma(x)$

术语	发音	中文	特点
SGD	/stoʊˈkæstɪk/ /ˈɡreɪdiənt/ /dɪˈsent/	随机梯度下降	基础优化器
Momentum	/məˈmentəm/	动量	累积历史梯度加速收敛
Adam	/ˈædəm/	自适应矩估计	结合 Momentum + RMSProp
AdamW	/ˈædəm/ /weɪt/ /dɪˈkeɪ/	Adam + 权重衰减	Transformer 标准配置

术语	发音	中文	定义
Transformer	/trænsˈfɔːrmər/	变换器	基于注意力机制的架构
Attention	/əˈtenʃn/	注意力	动态聚焦重要信息的机制
Self-Attention	/self/ /əˈtenʃən/	自注意力	序列内部的注意力
Multi-Head Attention	/ˈmʌlti/ /hed/ /əˈtenʃən/	多头注意力	多个并行的注意力头
Query / Key / Value	/ˈkwɪri/ /kiː/ /ˈvæljuː/	查询/键/值	Attention 的三个输入矩阵
Embedding	/ɪmˈbedɪŋ/	嵌入	将离散符号映射到连续向量
Positional Encoding	/pəˈzɪʃənəl/ /ɪnˈkoʊdɪŋ/	位置编码	为序列添加位置信息
Token	/ˈtoʊkən/	词元	文本的最小单位（词/子词）
Tokenizer	/ˈtoʊkənaɪzər/	分词器	将文本切分为 Token
Encoder	/ɪnˈkoʊdər/	编码器	理解输入（如 BERT）
Decoder	/diːˈkoʊdər/	解码器	生成输出（如 GPT）
LLM	/lɑːrdʒ/ /ˈlæŋɡwɪdʒ/ /ˈmɑːdl/	大语言模型	Large Language Model
Fine-tuning	/faɪn/ /ˈtuːnɪŋ/	微调	在预训练模型上继续训练
LoRA	/loʊ/ /ræŋk/ /ˌædæpˈteɪʃən/	低秩适配	参数高效微调技术
RAG	/rɪˈtriːvəl/ /ɔːɡˈmentɪd/ /ˌdʒenəˈreɪʃən/	检索增强生成	Retrieval-Augmented Generation
Prompt	/prɑːmpt/	提示词	输入给模型的指令/上下文
Context Window	/ˈkɑːntekst/ /ˈwɪndoʊ/	上下文窗口	模型能处理的最大 Token 数
Temperature	/ˈtemprətʃər/	温度	控制生成随机性的参数

💡 点击读法可发音（优先播放固定音频，无音频时降级为浏览器 TTS）
📖 IPA 来源：Wiktionary（美音优先），遵循 CC BY-SA 3.0 许可

符号	LaTeX	读法	音标 (IPA)	含义
$\sum$	`\sum`	sigma	/ˈsɪɡmə/	求和
$\prod$	`\prod`	pi	/paɪ/	连乘
$\partial$	`\partial`	partial	/ˈpɑrʃəl/	偏导数
$\nabla$	`\nabla`	nabla / del	/ˈnæblə/ /dɛl/	梯度算子
$\infty$	`\infty`	infinity	/ɪnˈfɪnɪti/	无穷大
$\approx$	`\approx`	approximately	/əˈprɑk.sɪ.mət.li/	约等于
$\propto$	`\propto`	proportional to	/prəˈpɔr.ʃən.əl tuː/	正比于
$\in$	`\in`	element of	/ˈɛləmənt ʌv/	属于
$\forall$	`\forall`	for all	/fɔr ɔl/	对所有
$\exists$	`\exists`	there exists	/ðɛr ɪɡˈzɪsts/	存在
$\mathbb{R}$	`\mathbb{R}`	real numbers	/ˈriːəl ˈnʌmbəz/	实数集
$\mathbb{E}$	`\mathbb{E}`	expectation	/ˌɛk.spɛkˈteɪ.ʃən/	期望
$\lVert x \rVert$	`\lVert x \rVert`	norm	/nɔrm/	x 的范数
$x^T$	`x^T`	transpose	/trænsˈpoʊz/	x 的转置
$\hat{y}$	`\hat{y}`	y hat	/waɪ hæt/	y 的估计值
$\theta$	`\theta`	theta	/ˈθeɪtə/	常用于表示参数
$\alpha, \beta, \gamma$	`\alpha, \beta, \gamma`	alpha, beta, gamma	/ˈæl.fə/ /ˈbeɪ.tə/ /ˈɡæm.ə/	希腊字母
$\eta$	`\eta`	eta	/ˈeɪ.tə/ /ˈiː.tə/	常用于学习率
$\lambda$	`\lambda`	lambda	/ˈlæm.də/	常用于正则化系数
$\epsilon$	`\epsilon`	epsilon	/ˈɛp.sɪ.lɑn/	极小正数