Djupdykning i LLM:er som ChatGPT

Andrej Karpathy. Det här är YouTubes tydligaste heltäckande förklaring av vad en LLM faktiskt är – förträning, tokenisering, SFT, RLHF, resonemangsträning med förstärkningsinlärning, verktygsanvändning och hallucinationer – på den detaljnivå en ingenjör behöver för att kunna resonera om modellavvägningar. Se den en gång, så slutar artikelns beslut mellan ”modeller i GPT-klassen, modeller med öppna vikter och resonemangsmodeller” att kännas som varumärkesval och börjar kännas som val mellan träningsmetoder.

Se nästa

Fortsätt längs samma lärstig med nästa kurerade kompletterande video.

18 minuter

Pydantic är allt du behöver: Jason Liu

Lär dig varför schemastyrda LLM-anrop behöver typade objekt, validerare, nya försök och explicit hantering av felaktiga eller hallucinerade fält.

AvanceradAI för företag

77 minuter

Promptteknik för AI: en djupdykning

Hör hur promptingenjörer i produktion omarbetar instruktioner, exempel och beteendemässiga begränsningar under verklig press i stället för att behandla prompter som engångstexter.

AvanceradPromptteknik

55 minuter

Så sätter du systematiskt upp LLM-utvärderingar (mätvärden, enhetstester, LLM som bedömare)

Utforma en utvärderingsstege som upptäcker regressioner innan ändringar av prompt eller modell når användarna.

AvanceradAI för företag