LLM-tutorials

Beslissingsmodellen scoren een vaste set antwoorden in plaats van tekst te schrijven. Zie hoe ze werken, hoe Jev zich verhoudt en wat onafhankelijke tests vonden.

Een praktische RAG‑evaluatietutorial in Python. Bouw een evaluatiedataset, scoreer die met de 4 kernmetriek van Ragas, koppel een kwaliteitshek aan CI, genereer synthetische testvragen en track scores over commits, zodat je een retrievalfout van een generatiefout kunt onderscheiden vóór je gebruikers dat doen.

Volg deze OpenAI Agents API Computer Use-tutorial om een Python QA-agent te bouwen die een checkout test in een gehoste browser en een fix in dezelfde sessie hertest.

Draai een enorm MoE-model lokaal door GPU VRAM, systeem-RAM, SGLang en KTransformers te combineren voor heterogene CPU-GPU-inferentie.

Bouw een AI-incidentresponsagent met GPT-6.1 Sol, de OpenAI Agents API en een gehoste sandbox om incidenten te onderzoeken, checks uit te voeren en gestructureerde rapporten te genereren.

Leer hoe je een aangepast AI-agentharnas bouwt met Python, ReAct-loops en duurzame state.

Leer over de nieuwe Amazon Nova-modellen (Micro, Lite, Pro, Premier, Canvas, Reel), hoe je er toegang toe krijgt via de Bedrock Playground en API, en hoe je een demo multi-agent-app bouwt.

Ga aan de slag met Apple’s DCLM-7B large language model en leer hoe je het instelt, gebruikt en fijnstemt voor specifieke taken.

Leer hoe je een fitness-app maakt en publiceert met Bolt.new, met adaptieve trainingsschema’s.

Een uitgebreide tutorial over het bouwen van multi-tool LangChain-agents om taken in Python te automatiseren met LLM’s en chatmodellen van OpenAI.

De ArXiv Explorer MCP-server bouwen, testen en integreren.

Bouw een chatapp die tekst, afbeeldingen, audio en documenten kan begrijpen en ook Python-code kan uitvoeren. Echt een multimodale applicatie dichter bij AGI.