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
/
Iforukọsilẹ awoṣe
AI Gilosari Igba
Kini
Iforukọsilẹ awoṣe
?
Itumọ
Katalogi aringbungbun fun ti ikede, ifọwọsi, ati awọn awoṣe ipasẹ kọja awọn agbegbe.
Awọn ofin ti o jọmọ
Iranti (Iranti Aṣoju)
Ọgangan ipamọ ti o jẹ aṣoju AI nlo kọja awọn igbesẹ tabi awọn akoko lati mu ilọsiwaju sii.
MMLU
Awọn awoṣe ede idanwo ala-ilẹ kọja awọn eto-ẹkọ 57 ati awọn koko-ọrọ alamọdaju ni lilo awọn ibeere yiyan pupọ.
AGI (Oye oye gbogbogbo ti Oríkĕ)
Eto AI arosọ ti o le ṣe awọn iṣẹ-ṣiṣe ọgbọn julọ ni ipele eniyan kọja ọpọlọpọ awọn ibugbe.
Amunawa
Itumọ nkankikan ti o nlo akiyesi si awọn ibatan awoṣe kọja awọn ilana ni afiwe.
Eva Harness
Ilana igbelewọn atunwi ti o nṣiṣẹ awọn itọsi, awọn iwe-ipamọ data, ati ọgbọn igbelewọn kọja awọn ẹya awoṣe.
Ẹ̀kọ́ Ẹ̀rọ (ML)
Awọn ọna ti o gba awọn ọna ṣiṣe laaye lati kọ ẹkọ awọn ilana lati data ati ilọsiwaju ni akoko pupọ.
Kọ ẹkọ diẹ sii ninu awọn itọsọna ọfẹ wa
AI Models Explained
Model Collapse
Model Lifecycle
Model Context Protocol
Wo tun
Latent Space
On-Device AI
Knowledge Base
Output Parser
Inference Endpoint
Prompt Template
Human Preference Model
Retrieval Precision
Previous
Latent Space
Next
On-Device AI
Ṣawakiri ni kikun AI Gilosari
Ṣawari gbogbo awọn itọsọna AI ọfẹ