Out-of-Vocabulary (OOV) 是指那些未被包含在自然语言处理模型训练词汇表中的词语或符号。词汇表是模型预定义的一组单词集合；当模型在处理文本时遇到词汇表之外的词语时，这些词语就被称为OOV词语。由于模型没有学习过这些词语的表示，它们可能无法被正确识别或处理，从而导致错误或性能下降，例如在文本生成或翻译任务中出现不准确输出。
在AI产品开发的实际应用中，OOV问题在聊天机器人、搜索引擎、机器翻译等场景中尤为常见，直接影响用户体验和产品可靠性。产品经理需关注缓解策略，如使用子词单元（subword units）如Byte Pair Encoding (BPE)、将OOV映射到特殊令牌（如〈UNK〉），或通过数据增强动态扩展词汇库。随着大型语言模型的演进，OOV问题虽有所缓解，但仍是优化模型泛化能力的关键点。对于延伸阅读，推荐参考Sennrich等人于2016年发表的论文「Neural Machine Translation of Rare Words with Subword Units」，或Jurafsky和Martin的著作《Speech and Language Processing》（第三版）。
免费模拟面试：试试能否通过大厂“AI产品经理”面试？