AI术语

MCP全称是Model Context Protocol，是一种开放协议可扩展大模型的能力，使其能够通过标准化的服务器实现安全地与本地和远程资源进行交互，从而增强其功能和应用场景。

通过定义一套标准化的接口和通信方式，MCP使得不同的AI模型和外部资源能够以一种统一、安全且高效的方式进行交互，降低了集成的复杂性和成本。

在功能方面，MCP允许大模型访问本地或远程的文件系统、数据库等资源。例如，模型可以通过MCP服务器读取、写入和管理文件，查询数据库中的数据，或者与云平台进行交互。同时，MCP还支持与各种API进行集成，使模型能够调用外部服务提供的功能。例如，通过与天气API集成，模型可以获取实时的天气信息；与金融数据API集成，可以获取股票市场数据等。

隐式标识是指采取技术措施在生成合成内容文件数据中添加的，不易被用户明显感知到的标识。

显式标识是指在生成合成内容或者交互场景界面中添加的，以文字、声音、图形等方式呈现并可以被用户明显感知到的标识。

CoT（Chain of Thought）即思维链，是一种通过显式地展示推理步骤来解决复杂问题的方法。在模型处理问题时，它不仅仅是给出最终的答案，而是像人类思考一样，逐步阐述得出答案的中间过程和逻辑依据。

分布式模型架构是一种将机器学习或深度学习模型的训练、推理过程分散到多个计算节点（如多个GPU、多台服务器甚至多个数据中心）上进行的架构设计方式，旨在提高模型训练和推理的效率、可扩展性以及处理大规模数据和复杂模型的能力。

VLA（Vision-Language-Action）架构是一种融合了视觉（Vision）、语言（Language）和动作（Action）信息的跨模态架构，旨在让智能体能够在多模态环境下进行感知、理解、推理并执行相应的动作，在人工智能领域具有重要的研究意义和应用价值。

LoRA（Low-Rank Adaptation，​低秩适应）是一种用于高效微调大规模预训练模型（如GPT、BERT等）的技术，旨在减少训练参数数量和计算资源消耗，同时保持模型性能。

Symbolic AI​（符号人工智能），又称​​“基于规则的AI”​ 或​​“经典AI”​，是一种以显式符号表示知识和逻辑推理规则为核心的AI范式。

相对路径是用于描述文件或目录位置的方式，基于当前工作目录（或文件所在位置）的路径，依赖上下文确定最终位置。

绝对路径是用于描述文件或目录位置的方式，从系统根目录（或磁盘起点）开始完整描述的路径，无歧义地指向唯一资源。