Glossário de símbolos

Os cinquenta e dois símbolos que aparecem com frequência real em textos sobre modelos de linguagem, com nome, pronúncia em português e uso consagrado.

Símbolo	Nome	Grupo	Uso em aprendizado de máquina	Módulo
α	alfa	grego	Taxa de aprendizado, o tamanho do passo do otimizador. Também nível de significância em estatística.	M3
β	beta	grego	Coeficientes de médias móveis no otimizador Adam, escritos como beta um e beta dois. Também coeficientes de regressão.	M6
γ	gama	grego	Fator de desconto em aprendizado por reforço e parâmetro de ganho na normalização de camada.	M5
δ	delta	grego	Variação pequena de uma quantidade. Em backpropagation, o erro propagado de uma camada.	M3
Δ	delta maiúsculo	grego	Variação de uma quantidade entre dois estados, como diferença de perda entre dois passos.	M3
ε	épsilon	grego	Constante minúscula somada a denominadores para evitar divisão por zero. Aparece dentro da normalização de camada e do Adam.	M5
ζ	zeta	grego	Uso raro em aprendizado de máquina; aparece em funções especiais e em variáveis auxiliares.	geral
η	eta	grego	Taxa de aprendizado, alternativa a alfa. Papers de otimização preferem eta.	M3
θ	teta	grego	O conjunto de todos os parâmetros do modelo. O símbolo mais importante da trilha.	M0
ι	iota	grego	Praticamente não usado, por confundir-se visualmente com o índice i.	geral
κ	capa	grego	Número de condição de uma matriz e, ocasionalmente, um parâmetro de concentração.	geral
λ	lambda	grego	Peso de um termo de regularização. Também autovalor de uma matriz e taxa de uma distribuição de Poisson.	M2
μ	mi	grego	Média de uma distribuição. Aparece na normalização de camada como a média das ativações.	M4
ν	ni	grego	Graus de liberdade em estatística. Uso raro em textos de LLM.	geral
ξ	csi	grego	Variável auxiliar ou ruído, dependendo da convenção do paper.	geral
π	pi	grego	A constante 3,14159 e, em aprendizado por reforço, a política do agente.	geral
Π	pi maiúsculo	grego	Produtório: multiplique todos os termos. Aparece na verossimilhança de uma sequência.	M0
ρ	rô	grego	Correlação entre duas variáveis e taxa de decaimento em alguns otimizadores.	geral
σ	sigma	grego	Desvio padrão em estatística e função sigmoide em redes neurais. O contexto desfaz a ambiguidade.	M1
Σ	sigma maiúsculo	grego	Somatório: some todos os termos. Também matriz de covariância, em maiúscula e negrito.	M0
τ	tau	grego	Temperatura da distribuição, alternativa a T. Também constante de tempo.	M4
φ	fi	grego	Uma função de transformação de atributos, ou o mapa de características de um kernel.	geral
χ	qui	grego	Distribuição qui-quadrado, usada em testes estatísticos.	geral
ψ	psi	grego	Função auxiliar em derivações matemáticas.	geral
ω	ômega	grego	Um peso individual ou uma frequência angular em codificação posicional senoidal.	M5
Ω	ômega maiúsculo	grego	O espaço amostral em probabilidade e a notação de complexidade assintótica inferior.	M4
∇	nabla	operador	Gradiente: o vetor de todas as derivadas parciais. Aponta na direção de maior crescimento.	M3
∂	del	operador	Derivada parcial: a variação em relação a uma variável, com as demais mantidas fixas.	M3
∈	pertence a	operador	Indica que um elemento pertence a um conjunto. Ler x ∈ ℝᵈ como x é um vetor de d números reais.	M0
ℝ	erre maiúsculo vazado	operador	O conjunto dos números reais. Com expoente, o conjunto dos vetores daquela dimensão.	M0
‖·‖	norma	operador	O comprimento de um vetor, calculado como a raiz da soma dos quadrados das componentes.	M2
·	produto escalar	operador	Multiplica componente a componente e soma tudo. Mede concordância de direção entre vetores.	M2
ᵀ	transposta	operador	Gira a matriz trocando linhas por colunas. Aparece em QKᵀ na fórmula da atenção.	M2
\|	barra de condicional	operador	Lê-se dado que. P(A \| B) é a probabilidade de A sabendo que B ocorreu.	M4
argmax	argumento do máximo	operador	Devolve a posição de maior valor, não o valor. É a escolha determinística de token com temperatura zero.	M4
x	x	latina	A entrada do modelo. Em negrito ou com seta, um vetor.	M0
y	y	latina	A saída verdadeira, o alvo que o modelo deveria produzir.	M0
ŷ	y chapéu	latina	A previsão do modelo. O acento circunflexo sempre marca estimativa.	M0
W	W	latina	Uma matriz de pesos aprendida. Com subscritos Q, K, V ou O em textos de Transformer.	M2
b	b	latina	O viés, um vetor somado após a multiplicação por pesos.	M2
h	h	latina	O estado oculto, a representação interna em alguma camada. Com sobrescrito entre parênteses, indica a camada.	M5
d	d	latina	A dimensão de um vetor. Com subscrito k ou model, a dimensão das chaves ou do modelo.	M2
n	n	latina	Número de exemplos, ou comprimento da sequência em textos de Transformer.	M0
k	k	latina	Uma contagem ou recorte, como em top-k. Também índice de somatório.	M4
i, j	i, j	latina	Índices de posição. Em matrizes, i é a linha e j é a coluna.	M0
t	t	latina	O passo de tempo, ou a posição na sequência de tokens.	M4
L	L	latina	A função de perda. Também o número de camadas, dependendo do contexto.	M3
T	T	latina	A temperatura da amostragem. Como sobrescrito, indica transposta.	M4
Q, K, V	Q, K, V	latina	Consulta, chave e valor. As três projeções da entrada que alimentam a atenção.	M5
E	E	latina	A matriz de embeddings. Também o operador de esperança matemática, em contextos de probabilidade.	M5
e	e	latina	O número de Euler, aproximadamente 2,71828, base do logaritmo natural e da exponencial.	M1
log	logaritmo	operador	Sem base escrita, significa logaritmo natural em aprendizado de máquina. Transforma produto em soma.	M1