Глоссарий
Базовые термины и сокращения, которые используются в Primo RPA AI Server.
Архитектура системы
Термины, описывающие компоненты платформы и их взаимодействие.
AI Текст
Программный компонент AI Server, использующий большие языковые модели для обработки и анализа текстовых данных.
Умный OCR
Компонент AI Server, предназначенный для обработки и анализа изображений документов.
IDP
Компонент AI Server для интеллектуального распознавания и обработки документов с помощью нейронных сетей и OCR.
Агент
Приложение AI Server, устанавливаемое на целевой машине для взаимодействия с сервером и управления моделями.
Целевая машина
Физическая или виртуальная машина, на которой развернуты модели и компоненты AI Server.
Агентские системы
Термины, связанные с созданием и выполнением агентских конвейеров.
Агентская система
Компонент AI Server, содержащий проекты агентских систем.
Проект агентских систем
Тип проекта, содержащий набор конвейеров агентских систем.
Агент (SGR агент)
Специализированный узел конвейера, который использует LLM для выполнения инструкций и может выбирать инструменты для достижения цели.
Конвейер
Визуальная модель рабочего процесса, представленная в виде графа. Конвейер принимает данные, обрабатывает их и выдает результат.
Конструктор
Визуальный редактор, в котором создаются и тестируются конвейеры агентских систем.
Компонент
Базовый строительный блок конвейера, выполняющий конкретную функцию.
Порт
Точка входа или выхода данных компонента.
Направленный ациклический граф (DAG)
Математическая структура графа, на основе которой выполняется конвейер.
Тестирование (конвейера)
Интерактивная среда для проверки логики конвейера и анализа логов выполнения.
Модели и искусственный интеллект
Термины, связанные с архитектурой моделей.
LLM
Large Language Model — нейронная сеть, предназначенная для обработки и генерации текста.
NLP
Natural Language Processing — область искусственного интеллекта, занимающаяся обработкой естественного языка.
Мультимодальная модель
Модель, способная работать с несколькими типами данных, например текстом и изображениями.
Базовая модель
Предобученная модель нейронной сети.
Навык
Способность модели выполнять определенную NLP-задачу.
Обученная модель
Модель, прошедшая обучение и готовая к использованию.
Работа с данными
Термины, связанные с подготовкой и разметкой данных.
Датасет
Набор данных, используемый для обучения и тестирования модели.
Аннотация
Процесс разметки объектов на изображениях.
Разметка данных
Процесс присвоения меток данным для обучения модели.
Схема разметки
Объект системы, содержащий структуру полей для разметки датасета.
Bounding Box
Прямоугольная область, ограничивающая объект на изображении.
Поле
Область документа, содержащая интересующий объект.
Регион
Поле, координаты которого обнаружены моделью.
Обучение моделей
Термины, связанные с тренировкой нейронных сетей.
Обучение
Процесс оптимизации параметров модели на обучающих данных.
Эпоха
Один полный проход модели через весь обучающий набор данных.
Batch Size
Количество объектов данных, обрабатываемых моделью за один шаг обучения.
Learning Rate (LR)
Параметр, определяющий скорость обновления параметров модели.
Max Iterations
Максимальное количество шагов обучения.
Model Weights
Параметры нейронной сети, формируемые в процессе обучения.
Num Workers
Количество потоков, используемых для загрузки данных.
Аугментация
Метод увеличения обучающего датасета за счет модификации данных.
Переобучение
Ситуация, когда модель запоминает обучающие данные, но плохо обобщает новые.
Инференс и оценка моделей
Термины, связанные с использованием обученных моделей.
Инференс
Процесс получения предсказаний модели на новых данных.
Обобщение
Способность модели корректно работать с новыми данными.
Локализация
Определение точного положения объекта на изображении.
Детекция объектов
Процесс обнаружения и локализации объектов на изображении.
Average Precision (AP)
Метрика оценки качества моделей обнаружения объектов.
Тестирование модели
Оценка качества обученной модели на тестовом датасете.