لاجیت‌ها چیست؟

روشی برای تنظیم کارآمدِ مدل که به‌جای تغییر همهٔ وزن‌ها، تنها چند ماتریس کوچک افزوده را آموزش می‌دهد تا هزینه و حافظه کاهش یابد.

تابعی که فاصلهٔ میان پیش‌بینی مدل و پاسخ درست را به عددی واحد تبدیل می‌کند تا آموزش بکوشد آن را کمینه کند.

معیاری پرکاربرد در تشخیص اشیا و بازیابی که دقت مدل را در چند سطح بازخوانی و چند دسته میانگین می‌گیرد تا یک عدد کلی به‌دست دهد.

معیاری برای مدل‌های رگرسیون که میانگین مجذور اختلاف میان مقادیر پیش‌بینی‌شده و مقادیر واقعی را اندازه می‌گیرد و خطاهای بزرگ را شدیدتر جریمه می‌کند.

حمله‌ای که تشخیص می‌دهد آیا یک نمونهٔ مشخص در داده‌های آموزشی مدل بوده است یا نه، و حریم خصوصی آن داده را تهدید می‌کند.

استفادهٔ هم‌زمان از قالب‌های عددی کم‌بیت و پربیت در آموزش یا اجرای مدل، برای صرفه‌جویی در حافظه و افزایش سرعت بدون افت محسوس کیفیت نتیجه.