Безкоштовна бібліотека ШІ

ШІ мови напрямніВільний назавжди.

155 посібники простою англійською мовою, структуровані навчальні маршрути та відкрита бібліотека — створена незалежною некомерційною організацією 501(c)(3), щоб кожен міг зрозуміти сучасний ШІ.

155Безкоштовні путівники
1Тематичні треки
~2 minЗа посібником
~5hЧас читання

Почніть тут

П'ять курси, орієнтовані на результат

Кожен курс включає чіткі результати, компетенції, практичні дії та прикладний завершальний камінь.

02

Відповідальний користувач ШІ

Використовуйте штучний інтелект продуктивно, захищаючи конфіденційність, перевіряючи результати та зберігаючи підзвітність людини.

  1. 1Prompt Engineering
  2. 2ШІ Галюцинації
  3. 3ШІ та конфіденційність
  4. 4ШІ в повсякденному житті
~5h для завершенняПереглянути курс

Тематичні треки

Перегляд за треком

Перейдіть у сферу, яка вам цікава. Кожен трек має декілька гідів простою англійською мовою.

Повна бібліотека

Всі путівники

155 з 1019 показано напрямні. Фільтруйте за треком або шукайте вище.

ШІ мови

Оптимізація Канемана-Тверського

Оптимізація за Канеманом-Тверським (KTO) — це метод вирівнювання, який навчається на простих мітках «не подобається» або «не подобається» замість парних порівнянь.

2 хв. читанняПрочитайте
ШІ мови

Тонка настройка вибірки відхилення

Тонке налаштування вибірки відхилень (RFT) генерує багато відповідей-кандидатів, зберігає лише ті з найкращими результатами та перенавчає модель на цих переможцях.

2 хв. читанняПрочитайте
ШІ мови

Моделі винагород процесу

Моделі винагороди процесу (PRM) оцінюють кожен окремий крок міркування штучного інтелекту, а не лише остаточну відповідь.

2 хв. читанняПрочитайте
ШІ мови

Агрегація суміші агентів

Суміш агентів (MoA) — це техніка, за якої кілька мовних моделей готують відповіді, а потім агрегаторна модель об’єднує їхні найкращі ідеї в одну вдосконалену…

2 хв. читанняПрочитайте
ШІ мови

Адаптерні шари для перенесення

Адаптерні рівні — це крихітні навчальні модулі, вставлені в заморожену попередньо навчену модель, що дозволяє адаптувати її до нових завдань, оновлюючи лише кілька відсотків…

2 хв. читанняПрочитайте
ШІ мови

Багатоголова прихована увага

Multi-Head Latent Attention (MLA) — це механізм звернення уваги, представлений у DeepSeek-V2, який стискає пам’ятний кеш «ключ-значення» в невеликий спільний…

2 хв. читанняПрочитайте
ШІ мови

Розшифровка Медузи

Medusa — це метод спекулятивного декодування, який прикручує кілька додаткових «головок» передбачення до мовної моделі, щоб можна було вгадати кілька майбутніх токенів одночасно.

2 хв. читанняПрочитайте
ШІ мови

Суміш глибин

Mixture of Depths (MoD) дозволяє трансформатору витрачати різну кількість обчислень на різні токени, маршрутизуючи лише «важливі» токени через кожен рівень…

2 хв. читанняПрочитайте
ШІ мови

Мамба та вибіркові простори станів

Mamba — це модель послідовності, побудована на моделях простору станів (SSM), яка обробляє текст у лінійному часі, пропонуючи швидку альтернативу квадратичному…

2 хв. читанняПрочитайте
ШІ мови

RWKV Лінійна увага

RWKV — це архітектура, яка навчається як Transformer, але виконує логічний висновок як рекурентна мережа, забезпечуючи генерацію постійної пам’яті в лінійному часі.

2 хв. читанняПрочитайте
ШІ мови

Розріджені шаблони уваги

Недостатня увага робить Transformers дешевшими, дозволяючи кожному токену звертатися лише до ретельно вибраної підмножини інших токенів, а не до всіх.

2 хв. читанняПрочитайте
ШІ мови

QLoRA і 4-бітне тонке налаштування

QLoRA — це техніка, яка дозволяє точніше налаштувати масивну мовну модель на одному споживчому графічному процесорі, зберігаючи заморожену модель лише в 4 бітах на вагу.

2 хв. читанняПрочитайте

Закінчив читати? Доведіть це.

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.

Language AI AI Guides — Page 4 of 13 | AI Understanding