Latent Patterns Glossary ááž áĄááŻáśá¸áĄáážáŻááşá¸ (ááá) ááŻááŻáśá¸ááᯠááźááşááŹááŹááŹáááŻáˇ áĄááźááˇáşáĄá áŻáś ááźááşáááŻááźáŽá¸ áážááşá¸áááşá¸ááťááşááťáŹá¸ áááˇáşáá˝ááşá¸ááąá¸ááŹá¸ááŤáááşá
- Activation Function (áĄááşááŽááąá¸áážááşá¸ áááşáážááş): Neuron áá áşááŻáá˛áˇ á áŻá áŻááąáŤááşá¸ ááááş (weighted sum) áá˝ááşááŹááźáŽá¸ááąáŹááşáážáŹ áĄááŻáśá¸ááźáŻáá˛áˇ nonlinear function áá áşáᯠááźá áşááŤáááşá ááŤáááŤáááş layer áá˝áą áĄááťáŹá¸ááźáŽá¸ áááşááŹá¸áááşá¸ ááááşá linear transformation áá áşááŻáááşá¸ áĄááźá áşáᲠáá˝ááşááŹáážáŹ ááźá áşááŤáááşá
- Adam Optimizer (áĄáŹáááş áĄáąáŹáˇáááŽáááŻááşááŹ): Adaptive learning rate ááᯠáĄááŻáśá¸ááźáŻáá˛áˇ optimizer áá áşáᯠááźá áşááŤáááşá parameter áá áşááŻááťááşá¸á áŽáĄáá˝ááş momentum áá˛áˇ squared gradient áááˇáşáážááşá¸ááťááşáá˝áąááᯠbias correction áá˛áˇáĄáá° ááááşá¸ááááşá¸ááąá¸ááŤáááşá
- Agent Backpressure (áĄáąááťááşáˇ áááşááááşáážáŹ): áĄáąááťááşáˇáá˝áąá áá°áááŻáˇáá˛áˇ áĄáážáŹá¸áá˝áąááᯠáá°ááááŻáᲠáážáŹáá˝áąááźááşáááşáááŻááşáĄáąáŹááş ááŻááşááąáŹááşááąá¸áá˛áˇ áĄáááŻáĄááťáąáŹááş ááŻáśáˇááźááşáážáŻ ááášáááŹá¸ááťáŹá¸ (áĽááᏠ- type systems, test suites, linters) ááźá áşááŤáááşá
- Agent Harness (áĄáąááťááşáˇ ááŹá¸áááşá áş): Language model áá áşááŻáá˛áˇ ááąá¸áááşáááşáážáŹ áážááá˛áˇ orchestration layer ááźá áşááŤáááşá prompts áá˝áąá tool execution áá˝áąá policy á á áşááąá¸áážáŻáá˝áąáá˛áˇ loop control áá˝áąááᯠá áŽááśáááşáˇáá˝á˛ááąá¸ááŤáááşá
- Agent Heartbeat (áĄáąááťááşáˇ áááşááá áş): áĄáąááťááşáˇáá áşáᯠáĄááŻááşááŻááşááąáᲠááŻááşáááŻááş á á áşááąá¸áá˛áˇ á áá áşááźá áşááŤáááşá áĄáąááťááşáˇá database áá áşááŻáážáŹ timestamp ááᯠáĄááťáááşáážááş update ááŻááşááąá¸ááźááşá¸áĄáŹá¸ááźááˇáş á ááşáááşáá˝áŹá¸áá˛áˇ áĄáąááťááşáˇáá˝áąááᯠáážáŹáá˝áąááźáŽá¸ ááťááşááąáá˛áˇ áĄááŻááşáá˝áąááᯠáááźáŹá¸áĄáąááťááşáˇáᎠááźááşáá˝á˛ááąá¸áááŻááşááŤáááşá
- Agent Skills (áĄáąááťááşáˇ á ááąá¸ááş): áááŻáĄááşáážáᏠáĄáąááťááşáˇáá˛áˇ context window áá˛ááᯠáááˇáşáá˝ááşá¸áĄááŻáśá¸ááźáŻáá˛áˇ áá˝ážááşááźáŹá¸ááťááşááťáŹá¸ (instruction sets) ááźá áşááŤáááşá ááŤáᏠtool áá˝áą áĄááźá˛áááşá¸ load ááŻááşááŹá¸ááá˛áˇ ááŻááşááťá ááááşááᯠááťážáąáŹáˇááťááąá¸ááŤáááşá
- Agent (áĄáąááťááşáˇ): Observe-think-act loop áá˛áˇ tool calling ááᯠáĄááŻáśá¸ááźáŻááźáŽá¸ áĄááŻááşáá˝áąááᯠááááááŹáᏠááźáŽá¸ááźáąáŹááşáĄáąáŹááş ááŻááşááąáŹááşáááŻááşáá˛áˇ AI á áá áşá
- AGENTS.md: AI coding agent áá˝áą áááşáááŻááşáĄáąáŹááş áááąáŹááťááşáá˛áˇ build steps, testing commands áá˛áˇ coding conventions áá˝áąááᯠááąá¸ááŹá¸ááŹá¸áá˛áˇ markdown áááŻááş á áśáážáŻááşá¸áá áşáᯠááźá áşááŤáááşá
- Attention Weight Matrix (áĄáááşáážááş ááááş ááąá¸ááá áş): á áŹááŹá¸áá áşááŻáá˛áážáŹ ááąááŹáá áşááŻá áááźáŹá¸ááąááŹáá áşááŻááᯠáááşááąáŹááş áĄáŹááŻáśá ááŻááşááá˛áááŻááŹááᯠááąáŹáşááźáá˛áˇ matrix áá áşáᯠááźá áşááŤáááşá
- Attention Weights (áĄáááşáážááş ááááşááťáŹá¸): á áŹááŹá¸áá áşááŻáá˛áˇ ááááş áá˝ááşááŹáááŻáˇáĄáá˝ááş ááąááŹáá áşááŻááťááşá¸á áŽá áááşááąáŹááşáĄáá áĄááąá¸ááŤááá˛áááŻááŹááᯠáááşáážááşááąá¸áá˛áˇ ááážááşááťáŹá¸ ááźá áşááŤáááşá
- Attention (áĄáááşáážááş): Neural network áá˝áąá ááááşáá áşáᯠááŻááşááąá¸áá˛áˇáĄá፠input áá˛á áááşáááŻááşáᏠáĄá áááşáĄáááŻááşá¸áá˝áąááᯠáĄáŹááŻáśá ááŻááşáááŻááşáĄáąáŹááş ááŻááşááąáŹááşááąá¸áá˛áˇ á áá áşá
- Autograd (áĄáąáŹáşáááŻááááş): Automatic differentiation - chain rule ááᯠááąáŹááşááźááş áĄááŻáśá¸ááźáŻááźáŽá¸ gradient áá˝áąááᯠáĄáááŻáĄááťáąáŹááş áá˝ááşááťááşááąá¸áá˛áˇ á áá áşá
- Backpropagation (áááşááááŻááŤááąá¸áážááşá¸): Computation graph áá˛áážáŹ chain rule ááᯠáĄááŻáśá¸ááźáŻááźáŽá¸ error signal áá˝áąááᯠááąáŹááşááźááşáááŻáˇáᏠgradient áá˝áąááᯠáá˝ááşááťááşááąá¸áá˛áˇ algorithm ááźá áşááŤáááşá
- Batch Normalization (áááşááťáş ááąáŹáşáááşáááŻááşááąá¸áážááşá¸): activations áá˝áąááᯠbatch dimension áĄáááŻááş ááŻáśáážááşááźá áşáĄáąáŹááş áážáááąá¸áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá ááŤáᏠdeep network áá˝áąáá˛áˇ áááşááźáŹá¸áážáŻááᯠáááŻááźáŽá¸ áááşááźáááşá áąááŤáááşá
- Beads (ááááşá áş): AI coding agent áá˝áąáĄáá˝ááş git áĄááźáąááś Issue tracker áá áşáᯠááźá áşááŤáááşá áĄááŻááşáá˝áąááᯠáá áşááŻáá˛áˇáá áşáᯠááťáááşáááşáážáŻ (dependencies) áážááá˛áˇ graph áĄááźá áş ááááşá¸áááşá¸ááąá¸ááŤáááşá
- BERT: Bidirectional Encoder Representations from Transformers - Transformer áá˛áˇ encoder áááşáááşááᯠáĄááŻáśá¸ááźáŻááźáŽá¸ á áŹááŹá¸áá˝áąááᯠááŹá¸áááşáĄáąáŹááş áááşááźáŹá¸ááąá¸ááŹá¸áá˛áˇ model áá áşáᯠááźá áşááŤáááşá
- Bigram (áááŻááşááááş): áááşáážá á áŹááŻáśá¸ (token) áĄááąáŤáş áá°áááşááźáŽá¸ ááąáŹááşá áŹááŻáśá¸ááᯠáááşáˇáážááşá¸áá˛áˇ áĄáááŻá¸áážááşá¸ááŻáśá¸ language model áá áşáᯠááźá áşááŤáááşá
- Bombadil (áá˝ááşááŹááąá¸): Web application áá˝áąáá˛áˇ áážááşáááşáážáŻááᯠáĄáááŻáĄááťáąáŹááş á á áşááąá¸ááąá¸áá˛áˇ UI testing framework áá áşáᯠááźá áşááŤáááşá
- Byte Pair Encoding (BPE): áĄááŻáśá¸áĄááťáŹá¸ááŻáśá¸ á áŹááŻáśá¸áá˝á˛áá˝áąááᯠtoken áá áşááŻáááşá¸ áĄááźá áş ááąáŤááşá¸á ááşá¸ááźáŽá¸ vocabulary áááşááąáŹááşáá˛áˇ subword tokenization áááşá¸áááşá¸áá áşáᯠááźá áşááŤáááşá
- Causal Masking (ááąáŹáˇáááş áááşá áşáááşá¸): Language model áá˝áą áĄááŹáááşáážáŹ ááŹáááˇáş á áŹááŻáśá¸áá˝áąááᯠááźááŻáááźááşáĄáąáŹááş ááááşáááşááŹá¸áá˛áˇ á áá áşááźá áşááŤáááşá
- Cell-Level Merge (áá˛ááş-áááşáááş ááŹáˇááťáş): Merge ááŻááşáá˛áˇáĄá፠á áŹááźáąáŹááşá¸áĄáááŻááş áááŻááşáᲠfield áá áşááŻááťááşá¸á Ꭰ(cell) áĄáááŻááş conflict áá˝áąááᯠááźáąáážááşá¸áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Chain Rule (ááťáááş áá°á¸ááş): Composed function áá áşááŻáá˛áˇ derivative ááᯠáá˝ááşááťááşáá˛áˇ áááşášááťáŹáááşá¸áĽáááąááźá áşááźáŽá¸ backpropagation áá˛áˇ áĄááźáąááś ááźá áşááŤáááşá
- Chrome Extension (áááŻááşá¸ áĄááşá áşáááşáážááş): Google Chrome browser áá˛áážáŹ áĄááŻááşááŻááşáá˛áˇ application áĄááąá¸ááąá¸ááťáŹá¸á
- CLAUDE.md: Claude Code áĄáá˝ááş áááąáŹááťááşáá˛áˇ architecture áá˛áˇ workflow áá˝ážááşááźáŹá¸ááťááşáá˝áąááᯠááááşá¸áááşá¸ááŹá¸áá˛áˇ config áááŻááş ááźá áşááŤáááşá
- Collision-Free ID (ááąáŹáşáá áşáážááş-áááŽá¸ áĄááŻááşááŽ): Content hashing ááᯠáĄááŻáśá¸ááźáŻááźáŽá¸ áĄááŻááşááŽáážá áşáᯠáááşááá˝áŹá¸áĄáąáŹááş ááźáŻááŻááşáá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Compaction (áá˝ááşáááşáážááş): áĄáąááťááşáˇáá˛áˇ á ááŹá¸ááźáąáŹáážááşáááşá¸áá˛á ááąáŹááşá¸ááąáá˛áˇ á áŹáá˝áąááᯠáĄááťááşá¸ááťáŻááşáᏠááŤáážáááŻááş ááťááşááŻááşááźáŽá¸ context window áá˛áážáŹ ááąááŹáá˝ááşáĄáąáŹááş ááŻááşáá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Computation Graph (áá˝ááşááťá°ááąá¸áážááşá¸ ááááşááş): ááŻááşááąáŹááşááťááş áá áşááŻááťááşá¸á áŽááᯠáážááşáááşá¸áááşááŹá¸áá˛áˇ graph ááźá áşááźáŽá¸ gradient áá˝ááşááťááşáááŻáˇ áĄááŻáśá¸ááźáŻááŤáááşá
- Context Engineering (áá˝ááşáááşá áş áĄááşááťááşááŽááŹáááşá¸): AI ááŽá áĄááąáŹááşá¸ááŻáśá¸ ááááş ááááŻáˇáĄáá˝ááş context window áá˛ááᯠáááˇáşáá˝ááşá¸áááˇáş áĄááťááşáĄáááşáá˝áąááᯠá áá áşáááť á áŽá ááşá áŽááśááźááşá¸á
- Context Window (áá˝ááşáááşá áş áááşá¸áááŻá¸): Language model áá áşáᯠáá áşááźáááşáááşá¸áážáŹ áááşááśáááŻááşáá˛áˇ áĄááťáŹá¸ááŻáśá¸ token áĄááąáĄáá˝ááş ááźá áşááŤáááşá
- Correctness Invariant (ááąáŹáşáááşáááşá áş áĄááşááąá¸ááŽá¸áááşáˇ): á áá áşáá áşááŻáá˛áˇ áĄááźáąáĄááąáááŻááşá¸áážáŹ áĄááźá˛áááşá¸ áážááşáááşááąááááˇáş ááŻááşááášáá (property) ááźá áşááŤáááşá
- Cross-Entropy (áááąáŹáˇá áş-áĄááşááááŻááŽ): áááşáˇáážááşá¸ááťááşáá˛áˇ ááááˇáşááááş áááşááąáŹááşáĄáá áá°ááŽááá˛áááŻááŹááᯠáááŻááşá¸ááŹáá˛áˇ loss function ááźá áşááŤáááşá
- Decision Boundary (ááŽá áŽáážááş ááąáŹááşáááŽ): Classifier áá áşááŻá input áá˝áąááᯠclass áá˝á˛ááźáŹá¸áá˛áˇ ááťááşá¸ áááŻáˇáááŻááş ááťááşáážáŹááźááş ááźá áşááŤáááşá
- Differential Rendering (ááŽááááşáážááş áááşááŤáááşá¸): áĄáááşáá˝ááşááŹá¸áá˛áˇ ááááşáá˛áˇ áááşáážáááááşááᯠáážááŻááşá¸áážááşááźáŽá¸ ááźáąáŹááşá¸áá˛áá˝áŹá¸áá˛áˇ áĄá áááşáĄáááŻááşá¸áá˝áąáááŻáᲠupdate ááŻááşáá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Dilated Convolution (áááŻááşááąá¸áááş áá˝ááşáááŻáá°á¸áážááşá¸): parameter áĄááąáĄáá˝ááş ááááŻá¸áᲠáááŻáááŻááťááşááźááˇáşáá˛áˇ ááąááŹáá˝áąááᯠááźááşáááŻááşáĄáąáŹááş gap áá˝áą áááˇáşáá˝ááşá¸ááŹá¸áá˛áˇ convolution áááşá¸áááşá¸ááźá áşááŤáááşá
- Embedding (áĄááşáááşáááşá¸): á áŹááŻáśá¸ (token) áá˝áąááᯠááááşá¸ááááşá¸ vector áá˝áąáĄááźá áş ááźáąáŹááşá¸áá˛ááŹá¸áá˛áˇ áááŻááşá áŹá¸ááźáŻááťááş ááźá áşááŤáááşá
- Ephemeral Work Item (áĄááŽá¸ááááş áááşááş áĄááŻááşáááş): ááááŹáᲠááŻáśá¸ááźáŽá¸ ááťááşáá áşáááˇáş áĄááŻááşáá áşáᯠááźá áşááŤáááşá remote ááᯠsync ááŻááşáááŻáˇ ááááŻááŤááąá¸á
- Exclusive Lock Protocol (áĄááşá áşááá°áá áş ááąáŹáˇááş ááááŻáááŻááąáŹ): Tool áá áşááŻá database ááᯠá áŽááśáááşáˇáá˝á˛ááąááŻááşá¸ áááźáŹá¸ tool áá˝áą áááşááážáąáŹááˇáşáážááşáĄáąáŹááş ááááşáááşááŹá¸áá˛áˇ á áá áşá
- Finite-State Machine (áááŻááşáááŻááş-á ááááş ááážááşá¸): áááşáážááşááŹá¸áá˛áˇ state áá˝áąáá˛áˇ rules áá˝áąáĄááąáŤáş áá°áááşááźáŽá¸ áĄááŻááşááŻááşáá˛áˇ ááŻáśá áśáá áşáᯠááźá áşááŤáááşá
- Follow-up Message (ááąáŹáşáááŻáĄááş áááşááąáˇááťáş): áĄáąááťááşáˇ áĄááŻááşááŻááşááąááŻááşá¸ áááşá¸á áŽááŹá¸áá˛áˇ user message ááźá áşááźáŽá¸ áĄáąááťááşáˇ áĄááŻááşááźáŽá¸ááž ááąá¸áááŻáˇáážáŹ ááźá áşááŤáááşá
- Forward Pass (ááąáŹáşáááş ááŤáˇá áş): Neural network áá áşááŻáá˛áážáŹ input data ááᯠááźááşáááşá¸á áąááźáŽá¸ ááááş ááŻááşáá°áá˛áˇ ááŻááşáááşá¸á ááş ááźá áşááŤáááşá
- Git Hook (áá áş áá˝ááşááş): Git workflow áá˛áˇ áĄáááˇáşáĄááťááŻáˇáážáŹ (áĽáááŹ- commit áááŻááşáááş) áĄáááŻáĄááťáąáŹááş áĄááŻááşááŻááşáá˛áˇ script ááťáŹá¸ ááźá áşááŤáááşá
- GPT: Generative Pre-trained Transformer - ááąáŹááşá áŹááŻáśá¸ááᯠáááşáˇáážááşá¸ááźááşá¸áĄáŹá¸ááźááˇáş á áŹááŹá¸áá˝áą ááŻááşááŻááşááąá¸áá˛áˇ decoder-only model ááťáŹá¸ ááźá áşááŤáááşá
- Gradient Descent (ááááşááŽáááşáˇ ááŽáááˇáş): Loss function ááᯠáĄáááşá¸ááŻáśá¸ááźá áşáĄáąáŹááş parameter áá˝áąááᯠáááźááşá¸ááźááşá¸ááťááşá¸ áážááá°áá˛áˇ algorithm ááźá áşááŤáááşá
- Gradient Highway (ááááşááŽáááşáˇ áááŻááşá¸ááąá¸): Gradient áá˝áą ááąáŹááşááźááşá áŽá¸áááşá¸ááŹáážáŹ áĄááŹá¸áĄááŽá¸ááážá áááŻááşáááŻááşáá˝áŹá¸áááŻááşáá˛áˇ áááşá¸ááźáąáŹááşá¸ ááźá áşááŤáááşá
- Graph Issue Tracker (ááááşááş áĄá áşáážá°á¸ ááááşááŹ): áĄááŻááşáá˝áąááᯠnode áá˝áąáĄááźá áşá áááşáááşáážáŻáá˝áąááᯠedge áá˝áąáĄááźá áş graph ááŻáśá áśáá˛áˇ ááááşá¸áááşá¸áá˛áˇ issue tracker ááźá áşááŤáááşá
- GRU: Gated Recurrent Unit - LSTM áááş áááŻáááŻáááŻá¸áážááşá¸ááźáŽá¸ áá˝ááşááťááşáážáŻ ááźááşáááşáá˛áˇ RNN variant áá áşáᯠááźá áşááŤáááşá
- Hierarchical Issue ID (ááŹááŹááŽáááş áĄá áşáážá°á¸ áĄááŻááşááŽ): Parent-child áááşáá˝ááşáážáŻááᯠáĄááŻááşááŽáá˛áážáŹáááş ááźááşáááŻááşáĄáąáŹááş ááąá¸ááŹá¸áá˛áˇ ááŻáśá áś ááźá áşááŤáááşá (áĽááᏠ- bd-a3f8.1.1)
- Hinge Loss (áááˇáşááťáş ááąáŹáˇá áş): Class áá˝á˛ááźáŹá¸ááŹáážáŹ margin áááŻáśááąáŹááşáá˛áˇ áááşáˇáážááşá¸ááťááşáá˝áąááᯠáĄááźá áşááąá¸áá˛áˇ loss function ááźá áşááŤáááşá
- Incremental Learning (áĄááşáááŽáááşáá˛ááş ááŹá¸áááşá¸): áĄá áááą áĄááŻááşáĄáá áşááźááşáááŻááşáᲠáážáááźáŽá¸ááŹá¸ áĄááąáŤáşáážáŹ áĄáááşá¸áááşá Ꭰááźááşáááşáááşáá°áá˛áˇ ááŻáśá áś ááźá áşááŤáááşá
- Inference (áĄááşááááˇáşá áş): áááşááźáŹá¸ááźáŽá¸ááŹá¸ model áá áşááŻááᯠinput áĄáá áşáá˝áą ááąá¸ááźáŽá¸ ááááş ááŻááşáá°áá˛áˇ ááŻááşáááşá¸á ááş ááźá áşááŤáááşá
- Issue Compaction (áĄá áşáážá°á¸ áá˝ááşáááşáážááş): áĄáąááťááşáˇáá˛áˇ context áááşááááĄáąáŹááş ááźáŽá¸áá˝áŹá¸áá˛áˇ áĄááŻááşááąáŹááşá¸áá˝áąááᯠAI áá˛áˇ áĄááťááşá¸ááťáŻááş ááááşá¸áááşá¸áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Issue Federation (áĄá áşáážá°á¸ áááşáááąá¸áážááşá¸): áĄáááşá¸áĄáá˝á˛áˇ áĄááŽá¸ááŽá¸á áááŻááˇáş database áá˛áˇáááŻááş áážáááąááźáŽá¸ áááŻáĄááşáá˛áˇ áĄááŻááşáá˝áąáááŻáᲠáĄááťááşá¸ááťááşá¸ sync ááŻááşáá˛áˇ á áá áşááźá áşááŤáááşá
- JSON Schema: JSON áááŻááşáá˝áąáá˛áˇ áááşááąáŹááşááŻáśááᯠáááşáážááşááąá¸áá˛áˇ ááŻáśá áś ááźá áşááŤáááşá
- JSON: JavaScript Object Notation - áá˝ááşááťá°ááŹááąáŹ áá°á፠áááşáááŻááşáá˛áˇ ááąáŤáˇááŤá¸áá˛áˇ data format áá áşáᯠááźá áşááŤáááşá
- JSONL Portability Layer: Operational database áá˛áˇ áĄááťááşáĄáááşáá˝áąááᯠgit áá˛áˇ áááşáá°áááŻáˇááĄáąáŹááş JSONL áááŻááşáĄááźá áş ááźáąáŹááşá¸áá˛ááąá¸áá˛áˇ áĄáá˝ážáŹ ááźá áşááŤáááşá
- LayerNorm: Layer Normalization - deep network áááşááźáŹá¸áážáŻ áááşááźáááşáĄáąáŹááş activations áá˝áąááᯠááŻáśáážááşááźá áşáĄáąáŹááş áážáááąá¸áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Learning Rate (ááŹá¸áááşá¸ ááááş): áááşááźáŹá¸áá˛áˇáĄá፠parameter áá˝áąááᯠáááşááąáŹááşáĄáá áĄááźáąáŹááşá¸áĄáᲠááŻááşááá˛áááŻááŹááᯠááááşá¸ááťáŻááşáá˛áˇ áááşáááŻá¸ ááźá áşááŤáááşá
- Linear Algebra (áááşááŽáᏠáĄááşááşááťáŽáááŹ): Vectors, matrices áá˝áąáá˛áˇ áĄááŻááşááŻááşáá˛áˇ áááşášááťáŹááŹááŹáááşááźá áşááźáŽá¸ AI áá˛áˇ áĄááźáąááś ááźá áşááŤáááşá
- Linear Regression (áááşááŽáᏠááŽááááşáážááş): Variables áá˝áąááźáŹá¸á áááşáá˝ááşáážáŻááᯠááťááşá¸ááźáąáŹááˇáşááŻáśá áśáá˛áˇ ááąáŹáşááźáá˛áˇ áĄáááŻá¸áážááşá¸ááŻáśá¸ áááşáá°áážáŻ algorithm ááźá áşááŤáááşá
- Linear Temporal Logic (áááşááŽáᏠáááşáááŻáááş ááąáŹááťá áş): áĄááťáááşáá˛áˇáĄááťáž ááźáąáŹááşá¸áá˛áá˝áŹá¸áá˛áˇ áĄááźáąáĄááąáá˝áąááᯠá á áşááąá¸áá˛áˇ logic á áá áş ááźá áşááŤáááşá
- Logits (áááŻááťá áşá áş): Model áááą áá˝ááşááŹáá˛áˇ raw score ááťáŹá¸ ááźá áşááŤáááşá Probability (ááŹáááŻááşáážáŻááşá¸) áááźáąáŹááşá¸áááąá¸áá˛áˇ áááşáááŻá¸áá˝áąááŤá
- Loss Function (ááąáŹáˇá áş áááşáážááş): Model áá˛áˇ áááşáˇáážááşá¸ááťááş áááşááąáŹááşáĄáá áážáŹá¸ááá˛áááŻááŹááᯠáá˝ááşááťááşáá˛áˇ ááááşá¸ááááşá¸ ááźá áşááŤáááşá
- LSTM: Long Short-Term Memory - RNN áááş áááŻááźáŽá¸ áážááşááťáŹá¸áá˛áˇ áááşáá˝ááşáážáŻáá˝áąááᯠáážááşáááááŻááşáá˛áˇ architecture áá áşáᯠááźá áşááŤáááşá
- manifest.json: Browser extension áá áşááŻáá˛áˇ áĄááťááşáĄáááşáá˝áąáá˛áˇ áá˝ááˇáşááźáŻááťááşáá˝áąááᯠáááşáážááşááąá¸áá˛áˇ config áááŻááşá
- Mathematical Notation (áááşášááťáŹ áááşášááąáááťáŹá¸): Machine learning ááąáŹáşááźá°ááŹáá˝áąáážáŹ ááŻáśá¸áá˛áˇ áááşášááąáááťáŹá¸á
- Matrix Theory (ááąá¸ááá áş ááŽáĄááŻááŽ): Matrix áá˝ááşááťááşáážáŻáááŻááşáᏠááŽáĄááŻááŽááťáŹá¸á
- Model Context Protocol (MCP): AI áĄáąááťááşáˇáá˝áą áĄááźááşá data áá˝áąáá˛áˇ ááťáááşáááşáááŻáˇ áĄááŻáśá¸ááźáŻáá˛áˇ protocol áá áşáᯠááźá áşááŤáááşá
- Monad (áááŻáááş): Functional programming áážáŹ ááŻáśá¸áá˛áˇ design pattern áá áşáᯠááźá áşááŤáááşá
- Monorepo (áááŻáááŻááŽáááŻ): áááąáŹááťááş áĄááťáŹá¸ááźáŽá¸ááᯠrepo áá áşááŻáááşá¸áážáŹ á áŻá ááşá¸ááŹá¸ááźááşá¸á
- Multi-Layer Perceptron (MLP): stacked layers áá˝áą ááŤáááşáá˛áˇ áĄááźáąááś neural network áá áşáᯠááźá áşááŤáááşá
- Neuron (áá°áá˝ááş): Neural network áá áşááŻáá˛áˇ áĄááźáąááś áá˝ááşááťááşáážáŻ áá°áá áş ááźá áşááŤáááşá
- Next-Token Prediction (áááşá áş-áááŻáááş áááŽáá áşáážááş): áážáąáˇá áŹááŻáśá¸áá˝áąáĄááąáŤáş áá°áááşááźáŽá¸ ááąáŹááşá áŹááŻáśá¸ááᯠáááşáˇáážááşá¸áĄáąáŹááş áááşááźáŹá¸áá˛áˇ ááŻáśá áś ááźá áşááŤáááşá
- NLP: Natural Language Processing - áá°ááŹá¸áá˝áąáá˛áˇ ááŹááŹá ááŹá¸ááᯠáá˝ááşááťá°áᏠááŹá¸áááşáĄáąáŹááş ááŻááşááąáŹááşááąá¸áá˛áˇ AI áááşáááşá
- One-Hot Encoding (áááşá¸-ááąáŹáˇ áĄááşáááŻáááşá¸): áĄááťááşáĄáááşáá˝áąááᯠ0 áá˛áˇ 1 áá˝áą ááŤáááşáá˛áˇ vector áĄááźá áş ááźáąáŹááşá¸áá˛áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Overfitting (áĄááŻááŹáá áşáááşá¸): Model á áááşááźáŹá¸ááŹá¸áá˛áˇ data áá˝áąáááŻáᲠáĄáá˝ááşááťááşááŹá¸ááźáŽá¸ data áĄáá áşáá˝áąáááŻáááş áááŻááşáááŻááşááąáŹáˇáá˛áˇ áĄááźáąáĄááą ááźá áşááŤáááşá
- Probability Theory (ááááŻááŹááŽáá áşááŽá¸ ááŽáĄááŻááŽ): ááźá áşáááŻááşááźáąáá˝áąááᯠáá˝ááşááťááşáá˛áˇ áááşášááťáŹááŹááŹáááşá
- Prompt Injection (ááá˝ááşá¸ áĄááşááťááşáážááş): AI ááᯠáááŻááşáááˇáşáá˛áˇ áĄááŻááşáá˝áą ááŻááşáááŻááşá¸áááŻáˇ user á áážááˇáşá áŹá¸ááźáŽá¸ áááŻááşá¸á áąááźááşá¸á
- Property-Based Testing: áááşáážááşááŹá¸áá˛áˇ ááŻááşááášáááá˝áą áážááşááážááşááᯠinput áá˝áą áĄááťáŹá¸ááźáŽá¸áá˛áˇ áĄáááŻáĄááťáąáŹááş á á áşááąá¸áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Provider Registry (ááááŻáááŻááşá፠áááşááťá áşá áááŽ): Tool áá˝áą áááŻáˇáááŻááş service áá˝áąááᯠstartup áážáŹ áážááşááŻáśáááşááźáŽá¸ áááŻáĄááşáá˛áˇáĄá፠ááźááşáážáŹááŻáśá¸áá˛áˇ design patterná
- Ralph Wiggum Loop: áĄáąááťááşáˇáá áşááŻá áĄááŻááşáá áşááŻááᯠááźáŽá¸áĄáąáŹááşááŻááşá áá˝ááşáááŻááşá ááźáŽá¸áááş áĄáá áşááźááşá áá˛áˇ context áááˇáşáááˇáşáá˛áˇ áĄááŻááşááŻááşáá˛áˇ ááŻáśá áś ááźá áşááŤáááşá
- Ready Work Query: dependencies áá˝áą áááşá¸áážááşá¸ááźáŽá¸ ááŻááşáááŻáˇ áĄáááˇáşááźá áşááąáá˛áˇ áĄááŻááşáá˝áąááᯠáážáŹáá˝áąáá˛áˇ query ááźá áşááŤáááşá
- Regularization (áááşáá°ááŹáááŻááşááąá¸áážááşá¸): Overfitting áááźá áşáĄáąáŹááş model áá˛áˇ áážáŻááşáá˝áąá¸áážáŻááᯠáááşáˇáááşáá˛áˇ áááşá¸áááşá¸ááťáŹá¸ ááźá áşááŤáááşá
- ReLU: Rectified Linear Unit - áĄááŻááşáááşáááŻá¸áá˝áąááᯠ0 ááźáąáŹááşá¸ááźáŽá¸ áĄááąáŤááşá¸áááşáááŻá¸áá˝áąááᯠáĄáážááĄáááŻááşá¸ ááŹá¸áá˛áˇ activation function ááźá áşááŤáááşá
- Residual Connection (áááşááŽááťá°áááş áá˝ááşáááşáážááş): input ááᯠoutput áᲠáááŻááşáááŻááşááąáŤááşá¸áááˇáşááźááşá¸áĄáŹá¸ááźááˇáş deep network áá˝áąáážáŹ gradient ááźáżááŹááᯠááźáąáážááşá¸áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- RMSNorm: activations áá˝áąááᯠroot mean square áá˛áˇ áážáááąá¸áá˛áˇ normalization áááşá¸áááşá¸áá áşáᯠááźá áşááŤáááşá
- RNN: Recurrent Neural Network - áĄááťáááşáá˛áˇáĄááťáž ááźáąáŹááşá¸áá˛áá˛áˇ áĄááťááşáĄáááşáá˝áąááᯠstate áá áşááŻáá˛áˇ áážááşááŹá¸ááźáŽá¸ áĄááŻááşááŻááşáá˛áˇ architecture ááźá áşááŤáááşá
- Snake Case (á ááááş ááąáˇá áş): á áŹááŻáśá¸áá˝áąááᯠunderscore ( _ ) áá˛áˇ áááşááźáŽá¸ lowercase áá˛áˇ ááąá¸ááŹá¸áá˛áˇ ááŻáśá áś ááźá áşááŤáááşá (áĽááᏠ- agent_skill)
- Softmax Normalization (ááąáŹáˇááşáááşá áş ááąáŹáşáááşáááŻááşááąá¸áážááşá¸): ááááşá¸ááááşá¸áá˝áąááᯠááąáŤááşá¸áááş 1 ááá˛áˇ probability distribution áĄááźá áş ááźáąáŹááşá¸áá˛ááąá¸áá˛áˇ function ááźá áşááŤáááşá
- Steering Message (á ááŽááŹáááşá¸ áááşááąáˇááťáş): áĄáąááťááşáˇ áĄááŻááşááŻááşááąááŻááşá¸ áĄááŻááşááᯠáááşáááŻááşá¸áᏠáááŻáˇáááŻááş áááşá¸ááźáąáŹááşá¸ááźáąáŹááşá¸áááŻááşá¸ááŹáá˝áą ááŻááşáá˛áˇ message ááźá áşááŤáááşá
- Stochastic Gradient Descent (SGD): Gradient descent ááᯠdata áĄáááşá¸áááşá áŽáá˛áˇ áĄááŻááşááŻááşáá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Streaming (á áááŽáááşá¸): AI á á áŹááźáąáŹááşá¸ áá áşááźáąáŹááşá¸ááŻáśá¸ ááźáŽá¸áĄáąáŹááş áá áąáŹááˇáşáᲠáá˝ááşááŹáááťáž á áŹááŻáśá¸áá˝áąááᯠáá áşááŻáśá¸ááťááşá¸á Ꭰááźáááąá¸áá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- Sub-Agent (áááş-áĄáąááťááşáˇ): áĄááá áĄáąááťááşáˇáááą áá˝á˛áá˝ááşááźáŽá¸ ááŽá¸áááˇáş áĄááŻááşáá áşááŻááᯠááŻááşááąáŹááşáá˛áˇ áááşááąáŹááş áĄáąááťááşáˇ ááźá áşááŤáááşá
- Swarm Analysis (áá˝ááşá¸ áĄááşááŹáá áşáá áş): áĄáąááťááşáˇ áááşáážá áşááŻáĄáá ááźááŻááşáá° áĄááŻááşááŻááşáááŻááşááá˛áááŻááŹááᯠdependency áá˝áąáĄááąáŤáş áá°áááşááźáŽá¸ áá˝ááşááťááşáá˛áˇ áááşá¸áááşá¸ááźá áşááŤáááşá
- System Prompt (á á áşá áááş ááá˝ááşá¸): AI áĄáąááťááşáˇáá˛áˇ á áááŻááşá á á˝ááşá¸ááąáŹááşáááşáá˛áˇ á ááşá¸áááşá¸áá˝áąááᯠáááşáážááşááąá¸áá˛áˇ áĄááá áá˝ážááşááźáŹá¸ááťááş ááźá áşááŤáááşá
- Tanh: input áá˝áąááᯠ[-1, 1] ááźáŹá¸áᲠááąáŹááşáĄáąáŹááş áážáááąá¸áá˛áˇ activation function áá áşáᯠááźá áşááŤáááşá
- Technical Debt (áááşá¸ááᏠáĄááźá˝áąá¸): áĄááŻááşááźááşááźááşááźáŽá¸áááŻáˇáĄáá˝ááş áááşá¸á áá áşáááťáᲠááŻááşáá˛áˇááŹááźáąáŹááˇáş ááąáŹááşáááŻááşá¸áážáŹ ááźááşááźááşááááşááŹáá˛áˇ áĄáááşáĄáá˛ááťáŹá¸á
- Temperature (áááşááááşááťáŹ): AI á á áŹááŹá¸áá˝áą ááŻááşááąá¸áá˛áˇáĄá፠áááşááąáŹááşáĄáá áá°á¸áá°á¸ááźáŹá¸ááźáŹá¸ (randomness) áá˝ááşááŹááá˛áááŻááŹááᯠááááşá¸ááťáŻááşáá˛áˇ áááşáááŻá¸ ááźá áşááŤáááşá
- Tokenizer (áááŻáááşáááŻááşááŹ): á áŹááŹá¸áá˝áąááᯠááááşá¸ááááşá¸ (token id) áĄááźá áş ááźáąáŹááşá¸áá˛ááąá¸áá˛áˇ áĄá áááşáĄáááŻááşá¸ ááźá áşááŤáááşá
- TOML: Tom's Obvious, Minimal Language - áááşááá˝ááşáá°áá˛áˇ config áááŻááş ááąá¸ááŹá¸áááşá¸ format áá áşáᯠááźá áşááŤáááşá
- Tool Calling (áá°á¸ááş ááąáŹáááşá¸): AI á áĄááźááşá tool áá˝áąá API áá˝áąááᯠáĄááŻáśá¸ááźáŻáááŻááşáĄáąáŹááş ááąáŹááşá¸áááŻáá˛áˇ á áá áşááźá áşááŤáááşá
- Transformer (ááááşá ááąáŹáşááŹ): Attention mechanism ááᯠáĄááźáąááśááŹá¸áá˛áˇ AI architecture ááźá áşááźáŽá¸ áááşáážá ááąááşáᎠmodel áĄááťáŹá¸á áŻáá˛áˇ áĄááźáąááś ááźá áşááŤáááşá
- Type System (áááŻááşááş á á áşá áááş): ááŻááşáá˝áąáážáŹ áĄáážáŹá¸áááŤáĄáąáŹááş data áĄááťááŻá¸áĄá áŹá¸áá˝áąááᯠá á áşááąá¸áá˛áˇ á ááşá¸áááşá¸á áá áş ááźá áşááŤáááşá
- Vector (áááşááŹ): ááááşá¸ááááşá¸áá˝áą áĄá áŽáĄá ááşáááŻááş ááŤáááşáá˛áˇ list áá áşáᯠááźá áşááźáŽá¸ neural network áá˝áąáá˛áˇ áĄááźáąááś data structure ááźá áşááŤáááşá
- Version-Controlled Database: Git áááŻááťááŻá¸ database áá˛á ááźáąáŹááşá¸áá˛áážáŻáá˝áąááᯠversion history áĄááźá áş ááááşá¸áááşá¸áááŻááşáá˛áˇ database ááźá áşááŤáááşá
- Weight Initialization (ááááş áĄááşááŽáážááşáááŻááşááąá¸áážááşá¸): áááşááźáŹá¸áážáŻ áá áááş parameter áá˝áąáá˛áˇ áĄá ááźáŻ áááşáááŻá¸áá˝áąááᯠáááşáážááşáá˛áˇ áááşá¸ááťá°áᏠááźá áşááŤáááşá
- Workflow Formula (áááşááşááááŻá¸ ááąáŹáşááźá°ááŹ): ááźááşáááş áĄááŻáśá¸ááźáŻáááŻááşáá˛áˇ ááŻááşáááşá¸á ááş ááŻáśá áśáá˝ááş (template) ááťáŹá¸ ááźá áşááŤáááşá
- YAML: YAML Ain't Markup Language - configuration áá˝áą ááąá¸ááŹá¸ááŹáážáŹ ááŻáśá¸áá˛áˇ áá°áááşááá˝ááşáá°áá˛áˇ format áá áşáᯠááźá áşááŤáááşá