# Glossário de símbolos

Os 52 símbolos que aparecem com frequência real em textos sobre modelos de linguagem, com nome, uso e módulo de origem.

| 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 |