Große Sprachmodelle (LLM)
Große neuronale Netze, trainiert auf Milliarden von Texten, die menschenähnlichen Text generieren, übersetzen oder analysieren können. Basis für ChatGPT, Gemini etc.
Kontextfenster
Maximale Textmenge (in Tokens), die ein LLM in einem Durchgang verarbeiten kann. Größere Fenster (z. B. 128k Tokens) ermöglichen längere Gespräche und komplexere Analysen.
Trainingsdaten
Daten, mit denen ein KI-Modell „lernt“. Sie enthalten bekannte Beispiele und Ergebnisse, aus denen das System Muster ableitet, um neue Aufgaben zu lösen.
Systemaufforderung
Feste Anweisung, die das Verhalten eines LLMs für eine gesamte Session definiert (z. B. „Du bist ein Marketing-Experte“). Steht vor User-Prompts.
Validierungsdaten
Daten, die während des Trainings verwendet werden, um Hyperparameter zu optimieren und Overfitting zu erkennen. Getrennt von Trainings- und Testdaten.
Unüberwachtes Lernen
Machine-Learning-Art ohne gelabelte Daten: Das Modell entdeckt selbst Muster, Cluster oder Anomalien. Anwendungen: Kundensegmentierung, Dimensionsreduktion.
Wenig-Shot-Prompting
Prompting-Methode mit wenigen (2–5) Beispielen im Prompt. Die KI lernt aus diesen, um ähnliche Aufgaben ohne umfangreiches Training zu lösen.
Überwachtes Lernen
Machine-Learning-Art, bei der Modelle mit gelabelten Daten trainiert werden (Input + gewünschter Output). Geeignet für Klassifikation und Regression.
Gedankenkettenanregung
Prompt-Technik, bei der die KI gelernt wird, schrittweise zu denken und ihre Überlegungen zu erklären. Verbessert die Logik und Genauigkeit komplexer.
Bildgenerierung
Prozess, bei dem KI aus Textbeschreibungen oder anderen Eingaben neue Bilder erzeugt. Tools wie DALL·E oder Midjourney ermöglichen kreative Bildproduktion für Marketing und Design.
- Zur vorherigen Seite
- 1
- …
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- …
- 92
- Zur nächsten Seite