Ingyenes AI könyvtár

Alapok útmutatókÖrökre ingyen.

84 egyszerű angol nyelvű útmutatók, strukturált tanulási útvonalak és nyílt könyvtár – egy független 501(c)(3) nonprofit szervezet építette, így bárki megértheti a modern AI-t.

84Ingyenes útmutatók
1Témasávok
~2 minÚtmutató szerint
~3hReading time

Kezdje itt

Five outcome-based courses

Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.

Témasávok

Böngésszen szám szerint

Ugorjon be a számodra fontos területre. Minden számnak több egyszerű angol nyelvű útmutatója van.

Teljes könyvtár

Minden útmutató

84 -ból 1019 útmutatók láthatók. Szűrés sáv szerint vagy keresés fent.

Alapok

Keresztellenőrzés

A keresztellenőrzés egy újramintavételezési technika annak becslésére, hogy egy modell mennyire általánosítható a nem látott adatokra.

2 min olvasniOlvassa el
Alapok

Pontosság és visszahívás

A pontosság és az előhívás két egymást kiegészítő mérőszám az osztályozók értékeléséhez, különösen akkor, ha az osztályok kiegyensúlyozatlanok.

2 min olvasniOlvassa el
Alapok

Dupla süllyedés jelenség

A kettős ereszkedés az a meglepő megfigyelés, hogy a modell növekedésével a teszthiba először az „interpolációs küszöb” közelében romlik, majd jobb lesz…

2 min olvasniOlvassa el
Alapok

Neurális tangens kernel elmélet

A Neural Tangent Kernel (NTK) egy matematikai eszköz, amely megmutatja, hogy a végtelenül széles neurális hálózatok specifikus, rögzített kernelmódszerként viselkednek…

2 min olvasniOlvassa el
Alapok

Sorsjegy hipotézis

A lottójegy-hipotézis azt mondja, hogy egy nagy, véletlenszerűen inicializált neurális hálózat belsejében egy kis alhálózat – egy „nyertes jegy” – rejtőzik, amely kiképzett…

2 min olvasniOlvassa el
Alapok

Neurális hálózatok méretezési törvényei

A méretezési törvények empirikus képletek, amelyek azt mutatják, hogy a neurális hálózat vesztesége előre láthatóan csökken a modell méretének, az adatkészlet méretének és a számításoknak a növekedésével.

2 min olvasniOlvassa el
Alapok

Chinchilla Compute-Optimal Training

A Chinchilla egy 2022-es DeepMind megállapítása, hogy a legtöbb nagy nyelvi modell erősen alulképzett volt: egy fix számítási költségkerethez méretezni kell a paramétereket…

2 min olvasniOlvassa el
Alapok

Csoportosított jutalom normalizálás az RLHF-ben

A csoportosított jutalomnormalizálás szabványosítja a modell jutalmait az ugyanazon felszólításra adott válaszok kötegében, így a zajos pontszámokat stabil képzéssé alakítja…

2 min olvasniOlvassa el
Alapok

Világmodellek és tanult szimulátorok

A világmodell egy neurális hálózat, amely megtanulja megjósolni, hogy a környezet hogyan változik az idő múlásával, és hagyja, hogy a mesterséges intelligencia „elképzelje” a jövőbeli eredményeket, mielőtt cselekszik.

2 min olvasniOlvassa el
Alapok

Hossz normalizálása a preferenciaoptimalizálásban

A hossznormalizálás beállítja a preferencia-hangolási célokat, így a modellek már csak hosszabb válaszok írásával nem nyerik el a jóváhagyást.

2 min olvasniOlvassa el
Alapok

Bradley-Terry Jutalommodellezés

A Bradley-Terry modell egy évszázados statisztikai módszer a páronkénti összehasonlítások (A veri B-t) numerikus pontszámokká alakítására.

2 min olvasniOlvassa el
Alapok

Iteratív adatvédelmi tisztviselő és online preferenciahangolás

Az iteratív adatvédelmi tiszt ismételten hozzáigazítja a nyelvi modellt az emberi vagy mesterséges intelligencia preferenciáihoz azáltal, hogy új válaszokat generál, rangsorol és hangol az új párokra…

2 min olvasniOlvassa el

Finished reading? Prove it.

Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.