15 minuuttiaNäin rakennamme tehokkaita agentteja: Barry Zhang, Anthropic
Suunnittele yksinkertaisempia agenttisilmukoita selkeillä pysäytyssäännöillä, tehtävärajoilla ja ihmisen ohjauspisteillä.
EdistynytAutomaatiot
LLM:n kehittäminen: rakentaminen, koulutus, fine-tuning
Sebastian Raschka. Sebastian Raschkan hitaampi läpikäynti siitä, missä hienosäätö istuu laajemmassa LLM-koulutusputkessa — ohjeviritys, luokitteluhienosäätö, parametritehokkaat menetelmät ja kompromissit, joita artikkeli nostaa ennen LoRA:n suosittelua. Hyvä kalibrointi ennen aloittamista, erityisesti jos tiimisi väittelee, onko hienosäätö edes oikea askel.
AI Expert -huomio
Mallinimet, hinnoittelu ja kyvyt muuttuvat nopeasti. Käytä tätä päätösmalliin, sitten varmista nykyinen mallin käyttäytyminen ennen käyttöönottoa.
Mitä sinun pitäisi oppia tästä
Sijoita hienosäätö laajempaan koulutusputkeen ja päätä, milloin se on parempi kuin kehotteet tai RAG.
Katso tai hallitse ensin
Yleinen ML-lukutaito; se on käsitteellinen läpikäynti, joten code-along-asetusta ei tarvita.
Viimeksi tarkistettu: 18.5.2026
Katso seuraava
Jatka samalla oppimisreitillä seuraaviin valikoituihin oheisvideoihin.
15 minuuttia
190 minuuttiaLangGraphin täysi aloittelijakurssi – monimutkaiset tekoälyagentit Pythonilla
Osaat rakentaa LangGraph-agentin tyypitetyllä tilalla, ehdollisella reitityksellä, checkpointteilla ja työkalujen käytöllä sekä tuntea, missä eksplisiittisyys maksaa itsensä takaisin.
EdistynytAutomaatiot
8 minuuttiaContext Rot: miten kasvava syötetokenien määrä vaikuttaa LLM:n suorituskykyyn
Ymmärrä, miten pitkä konteksti voi epäonnistua epäselvyyden ja häiriötekijöiden alla, sitten suunnittele testit tuon riskin ympärille.
EdistynytKehotteiden laatiminen