1. Machine Learning

机器学习是人工智能（AI）的一个分支，旨在通过算法和统计模型，使计算机系统能够从数据中学习并自动改进。机器学习算法使用数据来构建模型，该模型可用于预测或决策。机器学习应用于各种领域，包括计算机视觉、自然语言处理、语音识别和欺诈检测等。

2. Deep Learning

深度学习是机器学习的一个子集，使用多层神经网络来模拟人脑的结构和功能，从而实现高级数据处理和特征提取。主要应用于图像识别、语音识别、自然语言处理、自动驾驶等。

3. Generative AI

生成式人工智能是深度学习的一个分支，专注于生成新的数据或内容，如图像、文本、音乐等，模拟人类的创造性过程。

4. Large Language Models (LLMs)

大语言模型是生成式人工智能的一种，专门用于自然语言处理（NLP）任务，通过学习大量的文本数据来生成和理解自然语言。可以用来执行各种任务，例如智能助手、文本翻译、内容生成、对话系统、信息检索等。

以下几点可以更好的描述他们的关系：

• 机器学习是使计算机能够从数据中学习的AI。
• 深度学习是使用人工神经网络的机器学习。
• 生成式人工智能是用于生成新数据或内容的机器学习。
• 大语言模型是在大量文本数据上训练的机器学习模型。

从层级关系上看：深度学习是机器学习的一个子集，而生成式人工智能又是深度学习的一个子集，大语言模型则是生成式人工智能在自然语言处理领域的具体应用。

从应用领域来看：机器学习覆盖广泛，深度学习用于更复杂的任务，生成式人工智能专注于创造性任务，大语言模型专门处理自然语言。

5. Foundation Models/Base Models

基础模型：具有数十亿参数的大模型，作为构建更专业模型的基础。

6. Prompts

The text given to the model to generate a response.

提供给模型生成响应的文本。

7. Inference

Using the model to generate text based on a given prompt.

使用模型根据给定的提示生成文本的过程。

8. Completion

The output generated by the model, which includes the original prompt and the generated text.

模型生成的输出，包括原始prompt和生成的文本。

9. Context Window

The space available for the prompt, typically large enough for a few thousand words.

提示可用的空间，通常足够容纳几千个单词（不同的模型容量不同）。

10. Prompt Engineering

Using natural language instructions to guide the LLM to perform tasks.

使用自然语言指令引导LLM执行任务。