Agent Society（智能体社会）指多个AI智能体（Agent）在一个共享环境中，通过通信、协作、竞争甚至演化，形成具有社会性结构的复杂系统。它超越了单一智能体完成任务，探索群体如何通过交互涌现出更高级的集体智能和行为，是通向更通用人工智能（AGI）的重要路径。

Continual Learning（持续学习）是机器学习的一个前沿分支，旨在让AI模型能够像人类一样，在不遗忘旧知识的前提下，持续不断地学习新任务和新数据。它致力于解决传统模型在增量学习时面临的“灾难性遗忘”难题，是实现通用人工智能和适应动态现实环境的关键技术之一。

World Model是AI领域的一个核心概念，指智能体（如AI模型）对其所处环境建立的内部、可预测的模型。它让AI不仅能被动反应，更能通过“想象”来推理、规划和决策，是实现更高级别自主智能的关键路径。

Diffusion Model（扩散模型）是一种通过逐步去除噪声来生成数据的深度学习模型。它通过一个“前向扩散”过程将数据（如图像）逐渐破坏成纯噪声，再通过一个“反向去噪”过程从噪声中重建出全新的数据。这种“破坏-重建”的范式使其在图像、音频、视频生成领域取得了突破性成功，是Stable Diffusion、DALL·E 2等热门AI绘画工具的核心技术。

Multi-Modal（多模态）指AI能同时处理和理解文本、图像、音频、视频等多种类型数据的技术。它模仿人类综合感官认知世界的方式，是实现更通用、更自然人工智能的关键路径。

AIGC（人工智能生成内容）是指利用人工智能技术自动或辅助生成文本、图像、音频、视频等内容。它正从辅助工具演变为独立的内容生产者，深刻改变着内容产业的创作模式与效率。

AGI（通用人工智能）指具备与人类同等或超越人类的广泛认知能力，能够自主学习和解决各类复杂问题的AI系统。它是当前AI发展的终极目标，区别于目前主流的“窄人工智能”。

SFT（监督微调）是大型语言模型训练流程中的关键环节，旨在通过高质量的指令-回答数据对，让模型学会遵循人类指令、生成更安全、有用、符合特定格式的输出。

PEFT（参数高效微调）是一系列旨在高效微调大型预训练模型的技术总称。它通过仅更新或新增极少量的模型参数，而非调整整个庞大的模型，来实现对新任务或领域的适配。这种方法极大地降低了计算成本、内存需求和存储开销，使得在消费级硬件上微调大模型成为可能，是推动大模型应用落地的关键技术之一。

RLHF是一种通过人类反馈来训练和微调AI模型的技术。它让模型不仅能理解指令，还能学习人类的偏好和价值观，从而生成更安全、更有用、更符合预期的回答。这是ChatGPT等对话模型变得“善解人意”的核心原因之一。