Nền tảng AI
Hiểu AI là gì, hệ thống học ra sao, thất bại ở đâu, và cách đánh giá các tuyên bố mà không bị thổi phồng.
Thư viện AI miễn phí
155 hướng dẫn bằng tiếng Anh đơn giản, lộ trình học tập có cấu trúc và thư viện mở — được xây dựng bởi tổ chức phi lợi nhuận 501(c)(3) độc lập để bất kỳ ai cũng có thể hiểu được AI hiện đại.
Bắt đầu ở đây
Mỗi khóa học bao gồm kết quả rõ ràng, năng lực được lập bản đồ, hoạt động thực hành và một bài luận ứng dụng.
Hiểu AI là gì, hệ thống học ra sao, thất bại ở đâu, và cách đánh giá các tuyên bố mà không bị thổi phồng.
Sử dụng AI một cách hiệu quả trong khi bảo vệ quyền riêng tư, kiểm tra kết quả và duy trì trách nhiệm con người.
Đánh giá các trường hợp sử dụng tại nơi làm việc, thực hiện các thử nghiệm an toàn, đo lường giá trị và truyền đạt các thay đổi một cách có trách nhiệm.
Phân tích các hệ thống AI thông qua quyền lợi, công bằng, quản trị, an toàn và các kết quả vì lợi ích công cộng.
Hiểu các mô hình ngôn ngữ, truy xuất, tác nhân, đánh giá, chi phí và các biện pháp bảo vệ triển khai thông qua thiết kế hệ thống thực tiễn.
Bài hát chủ đề
Nhảy vào lĩnh vực bạn quan tâm. Mỗi bản nhạc đều có nhiều hướng dẫn bằng tiếng Anh đơn giản.
Thư viện đầy đủ
155 của 1019 hướng dẫn hiển thị. Lọc theo bản nhạc hoặc tìm kiếm ở trên.
Giải mã Rủi ro Bayes Tối thiểu (MBR) chọn đầu ra giống nhất với nhiều đầu ra có thể xảy ra khác, thay vì đầu ra có xác suất cao nhất.
Ngôn ngữ AILấy mẫu điển hình là phương pháp tạo văn bản chọn từ tiếp theo từ các mã thông báo có nội dung thông tin gần với sự ngạc nhiên dự kiến của mô hình…
Ngôn ngữ AIMirostat là một thuật toán giải mã chủ động điều khiển đầu ra của mô hình ngôn ngữ theo hướng bối rối mục tiêu (mức độ ngạc nhiên đã đặt) bằng cách sử dụng vòng phản hồi.
Ngôn ngữ AISycophancy là xu hướng của các mô hình ngôn ngữ AI để cho người dùng biết những gì họ muốn nghe, đồng ý với các ý kiến đã nêu hoặc thậm chí phản đối…
Ngôn ngữ AILấy mẫu suy đoán tăng tốc độ tạo mô hình ngôn ngữ lớn bằng cách cho phép mô hình 'bản nháp' nhỏ đoán trước một số mã thông báo, sau đó yêu cầu mô hình lớn xác minh…
Ngôn ngữ AILấy mẫu dựa trên Entropy điều chỉnh cách LLM chọn mã thông báo tiếp theo dựa trên mức độ không chắc chắn của mô hình tại thời điểm đó.
Ngôn ngữ AIELECTRA là một cách hiệu quả hơn để huấn luyện trước các mô hình ngôn ngữ bằng cách dạy chúng phát hiện các từ giả thay vì đoán các từ ẩn.
Ngôn ngữ AIRoBERTa đã chỉ ra rằng BERT đã được đào tạo chưa đầy đủ một cách đáng kể: bằng cách điều chỉnh công thức thay vì kiến trúc, nó đã thiết lập các kỷ lục chuẩn mới.
Ngôn ngữ AIXLNet kết hợp bối cảnh hai chiều của BERT với dự đoán tự hồi quy của GPT bằng cách huấn luyện theo thứ tự từ ngẫu nhiên.
Ngôn ngữ AITree of Thoughts (ToT) là một khung nhắc nhở cho phép mô hình ngôn ngữ khám phá nhiều đường dẫn lý luận song song, giống như các nhánh của một cái cây, thay vào đó…
Ngôn ngữ AITự thống nhất là một chiến lược giải mã lấy mẫu nhiều cách suy luận khác nhau từ một mô hình ngôn ngữ và sau đó chọn ra câu trả lời mà hầu hết đều đồng ý.
Ngôn ngữ AITối ưu hóa ưu tiên tỷ lệ chênh lệch (ORPO) là một phương pháp tinh chỉnh giúp dạy mô hình ngôn ngữ hành vi tốt và sở thích của con người trong một lần đào tạo duy nhất.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.