HarmonyFidelisHarmonyFidelis
Entrar
Ir ao conteúdo
AURA
AprenderConfigurarProgramas públicos
Aprender

Primeiros conceitos

AprendizagemInferência

Mecanismos

RepresentaçõesContexto e memóriaArquiteturasDifusão

Pesquisa avançada

Raciocínio e agentesModelos do mundoAGI e ASIAvaliação

Explore cada espaço livremente. Os detalhes estão sempre acessíveis.

Início do Aura
AuraEntender a IAAprendizagem

Aprender e depois usar um modelo

Separe parâmetros aprendidos das informações fornecidas em uma solicitação.

O essencialExperimentarAprofundar
Fontes científicas
Definição

O treinamento ajusta parâmetros para reduzir uma perda ou aumentar uma recompensa. Objetivo, dados e otimização definem o que se aprende. Na inferência, o modelo usa parâmetros e contexto disponíveis para calcular uma saída.

Equação

θ ← θ − η ∇θ L(θ)

θ representa parâmetros, L uma perda e η a taxa de aprendizagem. Este passo de descida de gradiente é ilustrativo; nem todos os sistemas usam esta regra exata.

Hipóteses e notação

θ representa parâmetros, L uma perda e η a taxa de aprendizagem. Este passo de descida de gradiente é ilustrativo; nem todos os sistemas usam esta regra exata.

Limites da interpretação

Mudar as instruções altera a entrada; não implica retreinar parâmetros. Aprendizagem supervisionada, autossupervisionada e por reforço são métodos, não arquiteturas.

Nesta página

DefiniçãoEquaçãoHipóteses e notaçãoLimites da interpretaçãoFontes científicas
O essencial
Do conceito à práticaColocar em prática

Fontes científicas

  • Vaswani et al. · 2017Attention Is All You NeedarXiv v7 · 2023
    Publicação original
  • Hafner et al. · 2023Mastering Diverse Domains through World ModelsDreamerV3 · arXiv v2 · 2024
    Publicação original

Síntese didática das fontes citadas. Os resultados dependem das tarefas, protocolos e recursos de cada publicação.

Explore tambémInferência

Buscar Aura

18 resultados

AprenderAprender e depois usar um modeloSepare parâmetros aprendidos das informações fornecidas em uma solicitação.
AprenderDo contexto ao próximo tokenDiferencie probabilidades do modelo e regra de escolha da saída.
AprenderDo texto às representaçõesEntenda vetores sem equipará-los ao significado humano.
AprenderDe qual memória estamos falando?Separe contexto, estado recorrente, parâmetros e armazenamento persistente.
AprenderTransformers: entender a atençãoCompare arquiteturas, métodos e sistemas completos no nível correto.
AprenderGerar removendo ruídoDistinga corrupção durante a aprendizagem e geração progressiva.
AprenderDo modelo ao sistema que ageEntenda o ambiente de execução em torno do modelo e das ferramentas.
AprenderPrever para escolher uma açãoExplore horizontes longos e o risco de previsões incorretas.
AprenderDefinições, não um veredito únicoExamine generalidade, desempenho e adaptação antes de usar um rótulo.
AprenderO que um resultado permite concluirPasse de uma impressão convincente para uma comparação reproduzível.
ConfigurarPreparar um projeto ChatGPTUm objetivo claro, contexto útil e instruções que você pode usar.
ConfigurarEscolher para sua tarefaComece pela sua necessidade. Compare acessos e resultados, sem classificações universais de modelos.
ConfigurarTornar seu pedido verificávelTransforme uma intenção em objetivo, contexto e critérios de sucesso.
ConfigurarColocar a informação no lugar certoDiferencie regras de trabalho, recursos da tarefa e memória gerenciada pelo produto.
ConfigurarPreparar um ambiente de desenvolvimentoDefina o papel do modelo, as capacidades do ambiente e os acessos necessários.
ConfigurarCompor um procedimento de desenvolvimentoOrganize preparação, alterações, verificação e relato. Reutilize as etapas úteis.
ConfigurarPreparar uma missão e verificar o resultadoUm exemplo reproduzível, uma lista de verificação e um registro das suas observações.
Programas públicosTentacularUsos, funções e recursos disponíveis publicamente.