มูลนิธิเอไอ
เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง
ห้องสมุด AI ฟรี
177 คู่มือภาษาอังกฤษธรรมดา เส้นทางการเรียนรู้ที่มีโครงสร้าง และห้องสมุดเปิด — สร้างโดยองค์กรอิสระ 501(c)(3) เพื่อให้ทุกคนสามารถเข้าใจ AI สมัยใหม่ได้
เริ่มที่นี่
แต่ละหลักสูตรประกอบด้วยผลลัพธ์ที่ชัดเจน สมรรถนะที่วางแผนไว้ กิจกรรมฝึกปฏิบัติ และสรุปผลประยุกต์
เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง
ใช้ AI อย่างมีประสิทธิภาพในขณะที่ปกป้องความเป็นส่วนตัว ตรวจสอบผลลัพธ์ และรักษาความรับผิดชอบของมนุษย์
ประเมินกรณีการใช้งานในที่ทำงาน ดำเนินการนำร่องอย่างปลอดภัย วัดคุณค่า และสื่อสารการเปลี่ยนแปลงอย่างมีความรับผิดชอบ
วิเคราะห์ระบบ AI ผ่านผลลัพธ์ด้านสิทธิ ความเท่าเทียม การกำกับดูแล ความปลอดภัย และผลประโยชน์สาธารณะ
ทำความเข้าใจโมเดลภาษา การดึงข้อมูล ตัวแทน การประเมิน ต้นทุน และการป้องกันการใช้งานผ่านการออกแบบระบบที่ใช้งานได้จริง
แทร็กหัวข้อ
กระโดดเข้าไปในพื้นที่ที่คุณสนใจ ทุกแทร็กมีไกด์ภาษาอังกฤษธรรมดาหลายเล่ม
ห้องสมุดเต็มรูปแบบ
177 ของ 1019 คำแนะนำที่แสดง กรองตามเพลงหรือค้นหาด้านบน
BitNet เป็นงานวิจัยของ Microsoft ที่แสดงให้เห็นว่าโมเดลภาษาขนาดใหญ่สามารถฝึกได้โดยมีน้ำหนักที่จำกัดเพียง 1 บิตหรือสามค่า...
เทคนิคGPTQ และ AWQ เป็นสองวิธีชั้นนำในการลดขนาดโมเดลภาษาที่ได้รับการฝึกมาแล้วให้มีความแม่นยำ 4 บิต เพื่อให้ทำงานบนฮาร์ดแวร์ที่มีราคาถูกลงและมีขนาดเล็กลง
เทคนิคROUGE และ BLEU เป็นหน่วยวัดอัตโนมัติที่ช่วยในการเปรียบเทียบข้อความที่สร้างโดยเครื่องกับการอ้างอิงโดยมนุษย์
เทคนิคSpeculative RAG เพิ่มความเร็วและเพิ่มความคมชัดให้กับการสร้างการดึงข้อมูล-เสริมโดยการใช้แบบจำลองขนาดเล็กและรวดเร็วในการร่างคำตอบของผู้สมัครหลายรายจากการดึงข้อมูล...
เทคนิคความสนใจแบบกระจัดกระจายแบบบล็อกและแบบกระจายดั้งเดิมทำให้หม้อแปลงสนใจเฉพาะส่วนที่เกี่ยวข้องมากที่สุดของลำดับแบบยาว แทนที่จะเป็นทุกโทเค็น อย่างเจ็บแสบ...
เทคนิคลายน้ำฝังสัญญาณทางสถิติที่ซ่อนอยู่ในข้อความที่สร้างโดย AI เพื่อให้สามารถตรวจจับได้ในภายหลังว่าเป็นการเขียนด้วยเครื่อง โดยไม่ต้องเปลี่ยนสิ่งที่ผู้อ่านของมนุษย์...
เทคนิคการถอดรหัสแบบเก็งกำไรจะเร่งความเร็วในการอนุมานโมเดลภาษาขนาดใหญ่โดยปล่อยให้โมเดลร่างเล็กๆ เดาโทเค็นหลายอันข้างหน้า ซึ่งโมเดลขนาดใหญ่จะตรวจสอบ...
เทคนิคฟังก์ชันที่มีอิทธิพลจะประเมินว่าตัวอย่างการฝึกแต่ละตัวอย่างกำหนดรูปแบบการทำนายของแบบจำลองได้มากเพียงใด ทำให้คุณติดตามเอาต์พุตกลับไปยังข้อมูลที่เป็นสาเหตุได้
เทคนิคการทำให้เป็นมาตรฐานแบบแบตช์เป็นเทคนิคที่จะปรับขนาดอินพุตใหม่ให้กับแต่ละเลเยอร์ของโครงข่ายประสาทเทียมระหว่างการฝึก ทำให้การฝึกเครือข่ายระดับลึกเร็วขึ้นและมากขึ้น...
เทคนิคไฮเปอร์พารามิเตอร์คือการตั้งค่าที่คุณเลือกก่อนการฝึก เช่น อัตราการเรียนรู้หรือขนาดโมเดล ซึ่งโมเดลไม่ได้เรียนรู้ด้วยตัวเอง
เทคนิคการเรียนรู้แบบตรงกันข้ามจะสอนแบบจำลองเพื่อดึงสิ่งที่คล้ายกันมารวมกันและผลักสิ่งที่แตกต่างออกจากกันในพื้นที่ฝังตัว
เทคนิคRLHF เป็นเทคนิคที่เปลี่ยนแบบจำลองภาษาดิบให้กลายเป็นผู้ช่วยที่เป็นประโยชน์และสุภาพโดยการฝึกอบรมตามความชอบของมนุษย์
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.