Free AI library

Grunderna 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

Börja här

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.

Grunderna

Korsvalidering

Korsvalidering är en omsamplingsteknik för att uppskatta hur väl en modell kommer att generaliseras till osynliga data.

2 min readLäs
Grunderna

Precision och återkallelse

Precision och återkallelse är två kompletterande mått för att utvärdera klassificerare, särskilt när klasser är obalanserade.

2 min readLäs
Grunderna

Dubbla härkomstfenomen

Dubbel nedstigning är den överraskande observationen att när en modell blir större, blir testfel först värre nära "interpolationströskeln" men blir sedan bättre ...

2 min readLäs
Grunderna

Neural Tangent Kernel Theory

Neural Tangent Kernel (NTK) är ett matematiskt verktyg som visar att oändligt breda neurala nätverk beter sig som en specifik, fast kärnmetod under...

2 min readLäs
Grunderna

Lotteribiljetthypotes

Lotteribiljetthypotesen säger att inuti ett stort, slumpmässigt initierat neuralt nätverk döljer sig ett litet undernätverk - en "vinnande lott" - som tränade...

2 min readLäs
Grunderna

Skalningslagar för neurala nätverk

Skalningslagar är empiriska formler som visar att ett neuralt nätverks förlust faller förutsägbart när du växer modellstorlek, datauppsättningsstorlek och beräkna.

2 min readLäs
Grunderna

Chinchilla Compute-Optimal träning

Chinchilla är ett DeepMind-resultat från 2022 att de flesta stora språkmodeller var dåligt undertränade: för en fast beräkningsbudget bör du skala parametrar...

2 min readLäs
Grunderna

Grupperad belöningsnormalisering i RLHF

Normalisering av grupperad belöning standardiserar en modells belöningar inom en grupp svar på samma prompt, vilket gör bullriga poäng till en stabil träning...

2 min readLäs
Grunderna

Världsmodeller och lärda simulatorer

En världsmodell är ett neuralt nätverk som lär sig att förutsäga hur en miljö förändras över tid, vilket låter en AI 'föreställa sig' framtida resultat innan de agerar.

2 min readLäs
Grunderna

Längdnormalisering i preferensoptimering

Längdnormalisering justerar mål för preferensjustering så att modeller slutar vinna godkännande bara genom att skriva längre svar.

2 min readLäs
Grunderna

Bradley-Terry Belöningsmodellering

Bradley-Terry-modellen är en hundraårig statistisk metod för att omvandla parvisa jämförelser (A slår B) till numeriska poäng.

2 min readLäs
Grunderna

Iterativ DPO och Online Preference Tuning

Iterativ DPO anpassar upprepade gånger en språkmodell till mänskliga eller AI-preferenser genom att generera nya svar, rangordna dem och ställa in de nya paren varje ...

2 min readLäs

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.