| title | 概念/General 域索引 | |
|---|---|---|
| type | index | |
| created | 2026-07-27 | |
| updated | 2026-07-27 | |
| sources | ||
| tags |
|
|
| name_zh | 通用概念 | |
| name_en | General |
中文简称：通用概念 ｜ English Name: General
本域收录 151 张跨域通用概念卡。为避免物理移动引发全库链接重写，采用逻辑分域方式将卡片归入 12 个语义子域导航；卡片文件位置保持不变。
分域原则：General 只保留真正跨域的通用概念；强领域概念优先查阅对应专域目录（概念/LLM、概念/Training、概念/Inference、概念/MLOps 及 [[概念/K8s/index|概念/K8s]] 等）。
[[概念/General/ai-fundamentals|ai-fundamentals]] · [[概念/General/ai-history|ai-history]] · [[概念/General/ai-future-trends|ai-future-trends]] · [[概念/General/ai-technology-landscape|ai-technology-landscape]] · [[概念/General/ai-stack|ai-stack]] · [[概念/General/ai-architecture|ai-architecture]] · [[概念/General/ai-for-science|ai-for-science]] · [[概念/General/ai-coding-paradigms|ai-coding-paradigms]] · [[概念/General/human-ai-interaction|human-ai-interaction]] · [[概念/General/concept-dependency-graph|concept-dependency-graph]] · [[概念/General/computer-architecture|computer-architecture]] · [[概念/General/data-structures-algorithms|data-structures-algorithms]]
[[概念/General/reinforcement-learning|reinforcement-learning]] · [[概念/General/deep-reinforcement-learning|deep-reinforcement-learning]] · [[概念/General/q-learning|q-learning]] · [[概念/General/imitation-learning|imitation-learning]] · [[概念/General/federated-learning|federated-learning]] · [[概念/General/automl|automl]] · [[概念/General/mixture-of-experts|mixture-of-experts]] · [[概念/General/diffusion-models|diffusion-models]] · [[概念/General/causal-mask|causal-mask]] · [[概念/General/graph-of-thoughts|graph-of-thoughts]] · [[概念/General/tot|tot]] · [[概念/General/test-time-compute|test-time-compute]] · [[概念/General/test-time-compute-scaling|test-time-compute-scaling]] · [[概念/General/embodied-ai|embodied-ai]] · [[概念/General/neuro-symbolic-ai|neuro-symbolic-ai]] · [[概念/General/speech-audio-ai|speech-audio-ai]] · [[概念/General/vla|vla]] · [[概念/General/teleoperation|teleoperation]] · [[概念/General/protein-folding|protein-folding]] · [[概念/General/crystal-lattice|crystal-lattice]]
[[概念/General/checkpoint|checkpoint]] · [[概念/General/model-precision|model-precision]] · [[概念/General/model-weights-plain|model-weights-plain]] · [[概念/General/bitsandbytes|bitsandbytes]] · [[概念/General/accelerate|accelerate]] · [[概念/General/lisa|lisa]] · [[概念/General/dora|dora]] · [[概念/General/ipo|ipo]] · [[概念/General/swift|swift]] · [[概念/General/ne-mo|ne-mo]] · [[概念/General/sentencepiece|sentencepiece]] · [[概念/General/ray|ray]] · [[概念/General/ray-tune|ray-tune]] · [[概念/General/lemix|lemix]]
[[概念/General/annotation|annotation]] · [[概念/General/data-cleaning-pipeline|data-cleaning-pipeline]] · [[概念/General/data-validation|data-validation]] · [[概念/General/synthetic-data|synthetic-data]] · [[概念/General/snorkel-ai|snorkel-ai]] · [[概念/General/scale-ai|scale-ai]] · [[概念/General/git-lfs|git-lfs]] · [[概念/General/lakefs|lakefs]] · [[概念/General/feast|feast]]
[[概念/General/deployment|deployment]] · [[概念/General/model-deployment|model-deployment]] · [[概念/General/model-rollback|model-rollback]] · [[概念/General/dynamic-batch-scheduling|dynamic-batch-scheduling]] · [[概念/General/mindie|mindie]] · [[概念/General/a-speed|a-speed]] · [[概念/General/tpot|tpot]] · [[概念/General/serverless|serverless]] · [[概念/General/single-tenant-architecture|single-tenant-architecture]] · [[概念/General/synapse-gateway|synapse-gateway]]
[[概念/General/benchmark|benchmark]] · [[概念/General/bbh|bbh]] · [[概念/General/perplexity|perplexity]] · [[概念/General/model-evaluation|model-evaluation]] · [[概念/General/online-evaluation|online-evaluation]] · [[概念/General/ci-integrated-evaluation|ci-integrated-evaluation]] · [[概念/General/lm-eval-harness|lm-eval-harness]] · [[概念/General/lm-evaluation-harness|lm-evaluation-harness]] · [[概念/General/opencompass|opencompass]] · [[概念/General/deepeval|deepeval]] · [[概念/General/giskard|giskard]] · [[概念/General/trulens|trulens]] · [[概念/General/arthur-ai|arthur-ai]] · [[概念/General/ab-testing-framework|ab-testing-framework]] · [[概念/General/humanloop|humanloop]]
[[概念/General/pytorch|pytorch]] · [[概念/General/huggingface|huggingface]] · [[概念/General/huggingface-hub|huggingface-hub]] · [[概念/General/huggingface-cli|huggingface-cli]] · [[概念/General/huggingface-generate-deep-dive|huggingface-generate-deep-dive]] · [[概念/General/modelscope|modelscope]] · [[概念/General/gradio|gradio]] · [[概念/General/streamlit|streamlit]] · [[概念/General/chainlit|chainlit]] · [[概念/General/dspy|dspy]] · [[概念/General/guidance|guidance]] · [[概念/General/outlines|outlines]] · [[概念/General/lm-format-enforcer|lm-format-enforcer]] · [[概念/General/code-generation|code-generation]] · [[概念/General/code-generation-workflow|code-generation-workflow]] · [[概念/General/dataherald|dataherald]] · [[概念/General/zep|zep]] · [[概念/General/miniconda|miniconda]]
[[概念/General/kubectl|kubectl]] · [[概念/General/kustomize|kustomize]] · [[概念/General/etcd|etcd]] · [[概念/General/node|node]] · [[概念/General/scheduler|scheduler]] · [[概念/General/affinity|affinity]] · [[概念/General/ctr|ctr]] · [[概念/General/gitops|gitops]] · [[概念/General/policy-as-code|policy-as-code]] · [[概念/General/vault|vault]] · [[概念/General/sso-saml|sso-saml]] · [[概念/General/consensus|consensus]] · [[概念/General/platform-engineering|platform-engineering]] · [[概念/General/nas|nas]] · [[概念/General/oss|oss]] · [[概念/General/3fs|3fs]] · [[概念/General/infiniBand|infiniBand]] · [[概念/General/rdma-roce|rdma-roce]] · [[概念/General/ai-hardware|ai-hardware]] · [[概念/General/chinese-ai-chips|chinese-ai-chips]]
K8s 原生对象与 AI 调度概念的完整清单在 [[概念/K8s/index|概念/K8s 域]]，本组仅保留跨域使用的少量基础卡。
[[概念/General/alibaba-cloud|alibaba-cloud]] · [[概念/General/ack|ack]] · [[概念/General/pai|pai]] · [[概念/General/apsara-stack|apsara-stack]] · [[概念/General/bailian-exclusive|bailian-exclusive]] · [[概念/General/aws-bedrock|aws-bedrock]] · [[概念/General/azure-openai|azure-openai]] · [[概念/General/vertex-ai|vertex-ai]] · [[概念/General/cloud-ai-platform|cloud-ai-platform]] · [[概念/General/modal|modal]] · [[概念/General/replicate|replicate]]
[[概念/General/sre|sre]] · [[概念/General/ai-sre|ai-sre]] · [[概念/General/sli|sli]] · [[概念/General/slo|slo]] · [[概念/General/sla|sla]] · [[概念/General/error-budget|error-budget]] · [[概念/General/incident-response|incident-response]] · [[概念/General/chaos-engineering|chaos-engineering]] · [[概念/General/resilience|resilience]] · [[概念/General/opentelemetry|opentelemetry]] · [[概念/General/jaeger|jaeger]] · [[概念/General/loki|loki]] · [[概念/General/tempo|tempo]] · [[概念/General/fluent-bit|fluent-bit]] · [[概念/General/finops|finops]] · [[概念/General/cloud-cost|cloud-cost]]
[[概念/General/openai|openai]] · [[概念/General/moonshot-kimi|moonshot-kimi]] · [[概念/General/zhipu-glm|zhipu-glm]] · [[概念/General/qwq|qwq]]
[[概念/General/query|query]] · [[概念/General/role|role]]
- 新增卡入域规则：先判断是否属于专域（LLM/Training/Inference/RAG/Agent/K8s/MLOps/GPU/Math/Safety/Vision），General 仅接收跨域通用概念
- 重复检测：
lm-eval-harness与lm-evaluation-harness为同一工具的两张卡，test-time-compute与test-time-compute-scaling高度重叠——列入 P2 概念卡质量分层时合并处理（保留链接兼容需建 alias） - 全域总入口见 [[概念/index|概念图谱首页]]
Last updated: 2026-07-27
| 知识层 | 核心内容 | 深度要求 | 学习优先级 |
|---|---|---|---|
| 基础理论 | 核心概念/数学原理/基本定义 | 深入理解并能推导 | P0 |
| 核心方法 | 主流算法/技术路线/框架工具 | 熟练掌握并能应用 | P0 |
| 工程实践 | 系统设计/性能优化/生产部署 | 独立完成项目 | P1 |
| 前沿研究 | 最新论文/技术趋势/开放问题 | 了解并跟踪 | P2 |
| 行业应用 | 落地案例/最佳实践/经验教训 | 参考并借鉴 | P1 |
| 维度 | 经典方法 | 深度学习方法 | 大模型方法 | 选型建议 |
|---|---|---|---|---|
| 数据需求 | 少量标注 | 大量标注 | 海量预训练 | 按数据规模 |
| 计算成本 | 低 | 中-高 | 极高 | 按预算约束 |
| 泛化能力 | 有限 | 良好 | 优秀 | 按任务复杂度 |
| 可解释性 | 高 | 低 | 极低 | 按合规要求 |
| 部署难度 | 简单 | 中等 | 复杂 | 按运维能力 |
| 迭代速度 | 快 | 中 | 慢 | 按业务节奏 |
| 问题 | 解答 |
|---|---|
| 如何快速入门该领域? | 先建立直觉(可视化/类比)，再学数学原理，最后代码实现 |
| 需要哪些前置知识? | 线性代数+概率统计+微积分+Python编程基础 |
| 如何选择学习资源? | 经典教材打基础+顶会论文跟前沿+开源项目练实战 |
| 理论学习和实践如何平衡? | 7:3比例——70%时间理解原理，30%时间动手验证 |
| 如何评估自己的掌握程度? | 能向他人清晰解释+能独立实现+能解决变体问题 |
| 术语 | 含义 | 关联概念 |
|---|---|---|
| Loss Function | 衡量预测与真实值差距 | 交叉熵/MSE/对比损失 |
| Gradient Descent | 沿负梯度方向更新参数 | SGD/Adam/学习率 |
| Overfitting | 模型在训练集过好但泛化差 | 正则化/Dropout/早停 |
| Batch Size | 每次更新的样本数 | 收敛速度/显存/噪声 |
| Epoch | 完整遍历训练集一次 | 训练轮次/早停 |
| Fine-tuning | 在预训练模型上继续训练 | 迁移学习/LoRA/全量 |
| Inference | 模型前向传播产生输出 | 延迟/吞吐/量化 |
| Token | 文本处理的最小单元 | BPE/SentencePiece |
| 类型 | 资源 | 适用阶段 |
|---|---|---|
| 教材 | 领域经典教材(花书/CS229等) | 入门-基础 |
| 课程 | Stanford/MIT在线课程 | 入门-进阶 |
| 论文 | 顶会最佳论文+综述 | 进阶-精通 |
| 代码 | PyTorch/HuggingFace官方示例 | 基础-实战 |
| 社区 | 技术博客+论文读书会 | 全阶段 |
| 竞赛 | Kaggle/天池/学术竞赛 | 基础-进阶 |
- 核心概念能向他人清晰解释
- 数学原理能独立推导
- 核心算法能手写实现
- 主流框架和工具已掌握
- 完成至少一个端到端项目
- 能阅读和理解领域论文
- 了解最新技术趋势和开放问题
- 知识已文档化沉淀
| 步骤 | 行动 | 工具/方法 | 预期产出 |
|---|---|---|---|
| 1. 学习 | 系统学习核心知识 | 教材/课程/文档 | 知识体系建立 |
| 2. 练习 | 动手实践加深理解 | 实验/项目/练习 | 技能熟练 |
| 3. 应用 | 在实际项目中应用 | 工作项目/开源 | 经验积累 |
| 4. 优化 | 持续改进和优化 | 性能分析/重构 | 质量提升 |
| 5. 分享 | 输出和分享知识 | 博客/演讲/教学 | 影响力建设 |
| 误区 | 正确认知 | 建议 |
|---|---|---|
| 只学理论不实践 | 实践是检验理解的唯一标准 | 每学一个概念就动手验证 |
| 追求完美再开始 | 完成比完美更重要 | 先做MVP再迭代 |
| 忽视基础知识 | 基础决定上限 | 定期回顾基础 |
| 盲目追新 | 新技术需要验证 | 评估后再采用 |
| 单打独斗 | 协作效率更高 | 积极参与社区 |