永續 AI 資料庫

容器編排是自動管理多個容器部署、排程、擴縮與恢復的機制，協調資源及服務運作，適用於需要管理較複雜容器環境的系統。

內容傳遞網路是透過分散節點就近提供網站或應用內容的服務架構，可減少來源負擔與傳輸延遲，快取及更新政策需配合內容特性。

內容式過濾是根據項目特徵與使用者偏好產生推薦的方法，利用主題、文字或其他屬性找出相近內容，可支援個人化資訊選擇。

上下文壓縮是將較早的對話或任務內容整理成較短的摘要，替換部分原始歷史，以減少後續請求占用上下文空間的方法。它讓長任務能接續進行，但摘要可能省略細節，不能視為原始紀錄的完整副本。

上下文工程是設計如何選取、組織及維護模型執行時可用資訊的方法，涵蓋指示、資料、工具結果與歷史，以支援特定任務。

上下文視窗是模型一次處理時可使用的內容容量範圍，通常以詞元計算，包含哪些輸入、歷史與輸出須依模型規格確認。

持續整合與持續交付是讓程式變更持續整合、檢查並保持可發布狀態的實務，透過自動化流程縮短回饋時間，發布決策可保留人工控制。

餘弦相似度是利用兩個向量夾角的餘弦值比較方向相近程度的指標，常用於嵌入向量檢索；分數意義須搭配模型與系統設定。

交叉編碼器是把查詢與候選內容一起輸入模型以計算關聯分數的架構，能考量細部互動，常用於重新排序但需逐對計算。

跨網站指令碼是讓不受信任內容在使用者瀏覽器中以網站權限執行的攻擊方式，常與不當輸出編碼或 HTML 處理有關。

交叉驗證是以多次資料切分交替訓練與評估模型的方法，用於估計泛化表現或比較設定，切分方式應符合時間及群組關係。

密碼雜湊函數是把資料映射為摘要值的函數，設計上重視難以反推輸入及找出碰撞等性質，可用於完整性檢查等安全機制。

資料增強是透過合理變換既有樣本產生額外訓練變體的方法，例如旋轉影像或調整亮度，以擴大多樣性並保留任務相關語意。

資料目錄是集中整理資料資產描述與中繼資料的管理工具或集合，協助尋找、理解及使用資料，可包含負責人、分類與使用條件。

資料去重是辨識並減少重複資料的處理方式，可用於儲存區塊或資料紀錄，需先界定何謂重複並保留必要差異與關聯。

資料漂移是資料的統計分布隨時間或相對基準發生變化的現象，可能使原有模型不再適應現況，需要監測並結合實際表現判讀。

資料治理是建立資料權責、政策及管理機制的組織實務，協調資料品質、存取、使用與生命週期，使資料能在明確規範下使用。

資料標註是為原始文字、影像或其他資料加入任務相關標籤的過程，提供模型學習或評估依據，需明確規則及一致性檢查。

資料湖是能集中保存大量不同格式資料的儲存環境，可保留原始結構供後續分析或模型使用，仍需資料目錄、品質及權限管理。

湖倉一體是結合資料湖的彈性儲存與資料倉儲管理分析能力的架構，常加入表格管理與交易機制，具體保障仍依平台實作確認。

模型訓練中的資料洩漏是把預測當時不可取得或來自測試集合的資訊用於學習，造成評估過度樂觀，部署後可能明顯失準。

資料血緣是描述資料從何而來、經過哪些轉換及流向何處的關聯資訊，可用於追查來源、評估變更影響與確認分析依據。

資料外洩防護是用來識別、監測及限制敏感資料不當使用或流出的控制方法與技術，可作用於端點、網路或雲端，需配合政策。

資料遮罩是以替代值或部分隱藏方式降低敏感內容暴露的處理，可在資料副本或查詢輸出執行，仍需搭配存取控制與風險評估。