Glossary

0-9

1-shot learning 5G + AI 6DoF pose estimation 7D representation 8-bit quantization 2-stage detector 4D data 0-shot learning 9-layer network 3D convolution

A

AGI / Artificial General Intelligence Autoencoder Attention Algorithm Artificial Intelligence (AI)

B

Backpropagation BERT Boosting Batch Normalization Bias

C

Chatbot Clustering CNN / Convolutional Neural Network Cross-Validation Classifier / Classification

D

Deep Learning Deepfake Discriminative Model Deterministic Model Data Augmentation

E

Embedding Encoder Epoch Ensemble Learning Explainable AI (XAI)

F

Fine-tuning Fusion / Multimodal Fusion Forward Propagation Foundation Model Feature Extraction

G

GAN / Generative Adversarial Network Gradient Descent Grounding Graph Neural Network (GNN)Generative AI

H

Hyperparameter Heuristic Hidden Layer Hierarchical Model Hallucination

I

Imbalanced Data Interpretability Instruction tuning Instance / Sample Intelligence Amplification / Augmentation

J

JAX Jittering Joint Embedding JSONL / JSON-lines Juxtaposition

K

KL Divergence (Kullback–Leibler Divergence)K-means Clustering K-Shot Learning Kernel Trick Knowledge Distillation

L

Latent Variable Loss Function LSTM / Long Short-Term Memory Large Language Model (LLM)Learning Rate

M

Multimodal / Multimodality Machine Learning (ML)Meta-learning Model Multi-head Attention

N

Normalization Neural Network NLP / Natural Language Processing NLU / Natural Language Understanding Novelty Detection / Anomaly Detection

O

Objective Function Online Learning One-hot Encoding Overfitting Optimizer

P

Policy / Reinforcement Learning Policy Pooling Pretraining Prompt Parameter

Q

Queue / Buffer Quantization Q-learning Query Quality Estimation

R

Retrieval Augmented Generation (RAG)Representation Learning Reinforcement Learning (RL)Regularization RNN / Recurrent Neural Network

S

Supervised Learning Self-Supervised Learning Sequence Modeling Sampling Softmax

T

Training Data Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning

U

Universal Approximation Theorem Unsupervised Learning U-Net Underfitting Uncertainty Estimation

V

Variational Autoencoder (VAE)Vector Embedding Vanishing / Exploding Gradient Validation Set Vision Transformer (ViT)

W

Weak Supervision Weight Decay Whitening / Whitening Transformation Word Embedding Workflow

X

XOR problem X-axis / feature axis XAI / Explainable AI XLM XLNet

Y

Y-axis / feature axis Y-transform / YUV YAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI

Z

Z-score Normalization Zero-gradient phenomenon Zero-shot Learning / Zero-shot inference Zero-centric / Zero-bias initialization Zygosity in augmentation

XLM là gì

XLM, còn được gọi là Stellar Lumens, là một loại tiền điện tử và mạng blockchain được thiết kế để thúc đẩy thanh toán xuyên biên giới và chuyển nhượng tài sản. Được phát triển bởi Stellar Development Foundation (SDF), nó nhằm mục đích cung cấp một giải pháp hiệu quả hơn cho hệ thống tài chính toàn cầu.

Triết lý cốt lõi của mạng Stellar là giải quyết những thách thức về dịch vụ tài chính ở các khu vực nghèo, bằng cách cung cấp dịch vụ giao dịch với chi phí thấp cho dân số không có ngân hàng. Với thời gian giao dịch nhanh và phí tối thiểu, XLM thể hiện tiềm năng lớn trong việc chuyển tiền xuyên biên giới, thanh toán nhỏ và các dịch vụ tài chính khác.

Nhìn về tương lai, XLM được kỳ vọng sẽ chứng kiến các xu hướng như hợp tác với các tổ chức tài chính truyền thống, mở rộng cơ sở người dùng và ứng dụng trong lĩnh vực tài chính phi tập trung (DeFi). Mặc dù XLM có nhiều lợi thế như hiệu quả và chi phí thấp, nhưng nó cũng phải đối mặt với những thách thức về quy định và rủi ro biến động thị trường.