Rekọja si akoonu
Kọ́ ẹ̀kọ́
Ìròyìn
Irinṣẹ́
Iṣẹ́
Iṣẹ́ wa
Wa
⌘K
English
Ṣètọrẹ
Akojọ aṣyn
Bẹrẹ nibi
Bẹrẹ ẹkọ
Kọ́ ẹ̀kọ́
Lọ si Kọ́ ẹ̀kọ́
Awọn iṣẹ ikẹkọ
Ìtọ́nisọ́nà
Olùkọ́ AI
Prompt ìkàwé
Ìdánwò
Ìjẹ́risi
Ìwé ọ̀rọ̀
Ìròyìn
Lọ si Ìròyìn
Titun AI iroyin
Awọn olutọpa koko
Iwadi ati awọn data
Blog
Ìlànà ìtẹ̀jáde
Àtúnṣe
Irinṣẹ́
Lọ si Irinṣẹ́
Ilana irinṣẹ
Ti o dara ju-ti awọn akojọ
Ṣe afiwe awọn irinṣẹ
Iye owo isiro
Refiner kiakia
Fi irinṣẹ́ AI ranṣẹ́
Iṣẹ́
Lọ si Iṣẹ́
Ṣawakiri awọn iṣẹ AI
Firanṣẹ iṣẹ kan
Onigbowo AIU
Iṣẹ́ wa
Lọ si Iṣẹ́ wa
Iṣẹ́ wa
Ipa & awọn iṣiro
Awọn onkọwe
Ile-iṣẹ iranlọwọ
Ohun ti o jẹ titun
Àtìlẹ́yìn
Ṣètọrẹ
Ile
/
Ìwé ìtumọ̀ ọ̀rọ̀
/
Agbekọja-Encoder
AI Gilosari Igba
Kini
Agbekọja-Encoder
?
Itumọ
Awoṣe ti o ṣe iṣiro ibeere kan ati iwe papọ ni iwe-iwọle kan fun awọn idajọ ibaramu deede-giga.
Awọn ofin ti o jọmọ
Pass@k
Metiriki igbelewọn koodu kan ti o nwọn aye pe o kere ju ọkan ninu awọn ayẹwo ti ipilẹṣẹ k kọja awọn idanwo naa.
Isọdiwọn
Bii awọn iṣiro igbẹkẹle awoṣe ṣe baamu awọn iṣeeṣe deede gangan.
Iyasọtọ
Iṣẹ-ṣiṣe nibiti awoṣe kan ti n fi igbewọle si ọkan tabi diẹ ẹ sii awọn ẹka ti a ti ni asọye.
Agbelebu-Entropy Isonu
Iṣẹ ibi-afẹde ti o wọpọ ti a lo lati ṣe ikẹkọ awọn awoṣe isọdi nipa ijiya awọn iṣeeṣe ti ko tọ.
API (Àwòrán Ètò Ìlò)
Ọna ti a ṣeto fun eto sọfitiwia kan lati firanṣẹ awọn ibeere si ati gba awọn idahun lati eto miiran.
Imudara-ašẹ
Awọn ọna ti o gbe awoṣe ikẹkọ ni agbegbe kan lati ṣe daradara ni agbegbe miiran.
Kọ ẹkọ diẹ sii ninu awọn itọsọna ọfẹ wa
Autoencoders
Cross-Validation
Sparse Autoencoders for Interpretability
Cross-Encoders vs Bi-Encoders
Wo tun
Hybrid Search
Bi-Encoder
Reranker
LLM-as-Judge
HNSW
ANN (Approximate Nearest Neighbor)
MMLU
SentencePiece
Previous
Hybrid Search
Next
Bi-Encoder
Ṣawakiri ni kikun AI Gilosari
Ṣawari gbogbo awọn itọsọna AI ọfẹ