Free AI library

Grunnleggende guiderFree forever.

84 plain-English guides, structured learning paths, and an open library — built by an independent 501(c)(3) nonprofit so anyone can understand modern AI.

84Gratis guider
1Topic tracks
~2 minPer guide
~3hReading time

Start her

Five outcome-based courses

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

Topic tracks

Browse by track

Jump into the area you care about. Every track has multiple plain-English guides.

Full library

All guides

84 av 1019 guides shown. Filter by track or search above.

Grunnleggende

Kryssvalidering

Kryssvalidering er en resampling-teknikk for å estimere hvor godt en modell vil generalisere til usynlige data.

2 min readLes
Grunnleggende

Presisjon og tilbakekalling

Presisjon og tilbakekalling er to komplementære beregninger for å evaluere klassifiserere, spesielt når klasser er ubalanserte.

2 min readLes
Grunnleggende

Dobbel nedstigningsfenomen

Dobbel nedstigning er den overraskende observasjonen at etter hvert som en modell blir større, blir testfeilen først verre nær "interpolasjonsterskelen", men så blir bedre ...

2 min readLes
Grunnleggende

Neural Tangent Kernel Theory

Neural Tangent Kernel (NTK) er et matematisk verktøy som viser at uendelig brede nevrale nettverk oppfører seg som en spesifikk, fast kjernemetode under...

2 min readLes
Grunnleggende

Loddbilletthypotese

Lotteribilletthypotesen sier at inne i et stort, tilfeldig initialisert nevralt nettverk skjuler det seg et lite undernettverk - en "vinnende billett" - som trente ...

2 min readLes
Grunnleggende

Skaleringslover for nevrale nettverk

Skaleringslover er empiriske formler som viser at et nevralt nettverks tap faller forutsigbart etter hvert som du vokser modellstørrelse, datasettstørrelse og beregner.

2 min readLes
Grunnleggende

Chinchilla Compute-Optimal trening

Chinchilla er et DeepMind-funn fra 2022 at de fleste store språkmodeller var dårlig undertrent: for et fast beregningsbudsjett bør du skalere parametere...

2 min readLes
Grunnleggende

Gruppert belønningsnormalisering i RLHF

Normalisering av gruppert belønning standardiserer en modells belønninger innenfor en gruppe svar på samme forespørsel, og gjør støyende poengsum til en stabil trening...

2 min readLes
Grunnleggende

Verdensmodeller og lærte simulatorer

En verdensmodell er et nevralt nettverk som lærer å forutsi hvordan et miljø endrer seg over tid, og lar en AI "forestille seg" fremtidige utfall før de handler.

2 min readLes
Grunnleggende

Lengdenormalisering i preferanseoptimalisering

Lengdenormalisering justerer preferansejusteringsmålene slik at modellene slutter å vinne godkjenning bare ved å skrive lengre svar.

2 min readLes
Grunnleggende

Bradley-Terry Reward-modellering

Bradley-Terry-modellen er en hundre år gammel statistisk metode for å gjøre parvise sammenligninger (A slår B) til numeriske skårer.

2 min readLes
Grunnleggende

Iterativ DPO og Online Preference Tuning

Iterativ DPO justerer gjentatte ganger en språkmodell til menneskelige eller AI-preferanser ved å generere nye svar, rangere dem og stille inn på de nye parene hver …

2 min readLes

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.