WikiEdge:ArXiv-2402.12875/terms：修订间差异

2024年9月18日 (三) 08:12的最新版本

这篇文章的术语表如下：

思维链（Chain of Thought, CoT）：指在生成最终答案之前，模型生成一系列中间步骤的过程，对于提高大型语言模型在算术和符号推理任务上的准确性非常有效。
大型语言模型（Large Language Models, LLMs）：在复杂推理任务中展现出卓越能力的模型，如数学问题解决和代码生成。
自注意力机制（Self-Attention Mechanism）：一种允许模型在序列的不同部分之间建立直接依赖关系的机制，是Transformer架构的关键组成部分。
并行计算（Parallel Computing）：指同时使用多个计算资源来执行计算任务，以提高处理速度和效率。
串行计算（Serial Computing）：与并行计算相对，指按顺序逐步执行计算任务，通常在单个处理器上完成。
嵌入尺寸（Embedding Size）：在自然语言处理中，指将词汇映射到的高维空间中的维度大小。
精度（Precision）：在计算模型中，指浮点数表示中有效数字的位数，影响计算的准确性。
并行时间（Parallel Time）：指并行算法完成计算所需的时间，通常与问题规模和处理器数量有关。
AC0：一种计算复杂性类，包含可以使用常数深度和多项式宽度的电路解决的问题。
TC0：另一种计算复杂性类，与AC0类似，但允许使用MAJORITY门，这是一种可以并行计算多数函数的门。

@@ 第1行： / 第1行： @@
 <div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2402.12875/terms|action=edit}} 编辑]</div>
 这篇文章的术语表如下：
-* [[链式思考]]（Chain of Thought, CoT）：指在生成最终答案之前，模型生成一系列中间步骤的过程，对于提高[[大型语言模型]]在算术和符号推理任务上的准确性非常有效。
+* [[思维链]]（Chain of Thought, CoT）：指在生成最终答案之前，模型生成一系列中间步骤的过程，对于提高[[大型语言模型]]在算术和符号推理任务上的准确性非常有效。
 * [[大型语言模型]]（Large Language Models, LLMs）：在复杂推理任务中展现出卓越能力的模型，如数学问题解决和代码生成。
 * [[自注意力机制]]（Self-Attention Mechanism）：一种允许模型在序列的不同部分之间建立直接依赖关系的机制，是[[Transformer]]架构的关键组成部分。