什么是IDaaS - 身份管理服务IDaaS | 百度智能云文档
什么是IDaaS 百度智能云身份管理服务IDaaS(Identity as a Service, 简称IDaaS)，是百度智能云为解决企业客户复杂身份管理诉求，提供的统一身份、单点登录、数据同步、集中权限、应用管理等服务，主要用于融合本地或云端部署的企业内部IT系统(如OA)、业务系统(如ERP、CRM等)，或是当前越来越多的云端SaaS应用。
什么是身份源 - 身份管理服务IDaaS | 百度智能云文档
什么是身份源 身份源 身份源，即身份的源头，通常在企业员工身份管理(EIAM)的场景下使用较多。使用百度智能云IDaaS作为企业内的IAM前，需要事先确认唯一的身份源。 通常的身份源为企业人力资源管理(HR)系统，因为其管理了员工的入职、转正、调岗、离职等流程，直接会影响员工在企业内的身份信息，常见的企业身份源还有微软的活动目录(Active Diretory)。
什么是云主机管家？ - 云主机管家HME | 百度智能云文档
什么是云主机管家？ 云主机管家HME（Hosting Management Expert）是一款帮助使用云服务器BCC（或百度智能云其他IaaS计算产品）搭建的网站主机获得更多安全、运维和生态特性的主机接入管理产品。 类似于CDN，HME云主机管家是一种流量接入与反向代理服务。HME产品本身并不托管用户数据。网站数据仍然保存在原有云服务器上。
什么是EasyDL - EasyDL零门槛AI开发平台 | 百度智能云文档
什么是EasyDL 目录 产品介绍 应用场景及案例 产品介绍 EasyDL 从2017年11月中旬起，在国内率先推出针对AI零算法基础或者追求高效率开发的企业用户的零门槛AI开发平台，提供从数据采集、标注、清洗到模型训练、部署的一站式AI开发能力。对于各行各业有定制AI需求的企业用户来说，无论您是否具备AI基础，EasyDL设计简约，极易理解，最快5分钟即可上手学会，15分钟完成模型训练。
什么是组织 - 百度数据可视化Sugar BI | 百度智能云文档
什么是组织 组织一般是指中小型企业，事业单位，学校院系或大型公司的部门。Sugar BI将会按照组织进行费用的收取(一个组织就是您购买的一份Sugar BI实例，组织和组织之间完全隔离，互不相关)，一个用户可以属于多个组织，一个组织下有多个用户，每个用户都必须挂载在组织下才能使用Sugar BI。需要额外说明的是，对于私有部署的Sugar BI，系统将只有一个组织，所有的用户都属于这个组织。
什么是DPO训练 - 千帆大模型平台 | 百度智能云文档
什么是DPO训练 DPO(Direct Preference Optimization) ： 直接偏好优化方法，通过直接优化语言模型来实现对大模型输出的精确把控，不用进行强化学习，也可以准确判断和学习到使用者的偏好，且效果更加突出。 千帆大模型平台已预置DPO模型训练方式，快 开启 您的模型训练之旅吧～ 优势 操作更便捷 ：更容易实施和训练，只需匹配专有数据集和训练模型，即可发布服务。
什么是空间 - 百度数据可视化Sugar BI | 百度智能云文档
什么是空间 空间 一般是建议按照项目或者团队来划分空间， 组织 下面可以创建多个空间，空间之间数据不共享，每个空间下都有自己独立的权限管理。一个空间其实就是一个数据门户，在这个数据门户中，用户可以创建大屏和报表，定义报表的目录结构以及权限机制，并且只有该空间的成员用户才能访问该空间的报表页面和大屏页面，而对其他非该空间的用户不可见。多个空间之间是完全隔离的：数据隔离、用户隔离、权限隔离。
什么是Post-pretrain - 千帆大模型平台 | 百度智能云文档
什么是Post-pretrain 目录 定义 优势 应用场景 定义 Post-pretrain是一种预训练的模型训练方法。在千帆大模型平台中，我们需要先对泛文本无标注数据进行预训练，得到一个强大的通用语言模型。然后，在此预训练模型的基础上进行SFT，调整部分参数后，得到一个更强大的模型。 关于如何创建一个Post-pretrain任务可查看 指导说明 。
什么是插件应用 - 千帆大模型平台 | 百度智能云文档
什么是插件应用 目录 产品介绍 应用场景及案例 产品介绍 插件应用(Plugin)是大语言模型(LLM)的应用构建工具，帮助用户快速构建LLM应用或将LLM应用到自建程序中。开发者可以通过LLM API 以及内置的模块等快速的启动LLM应用的创建工作。 千帆平台插件应用可以结合平台运行的模型服务共同输出高质量的服务信息。
什么是RLHF训练 - 千帆大模型平台 | 百度智能云文档
什么是RLHF训练 目录 收集人类反馈 奖励模型训练 强化学习训练 RLHF已成功应用于百度智能云千帆大模型平台, 能够生成类似人类的文本并执行各种语言任务。RLHF使模型能够在大量文本数据语料库上进行训练，并在复杂的语言任务(如语言理解和生成)上取得令人印象深刻的结果。 RLHF的成功取决于人类提供的反馈的质量，根据任务和环境，反馈的质量可能是主观的和可变的。
