LLM-tutorials

Leer hoe je recursieve retrieval in RAG-systemen implementeert met LlamaIndex om de nauwkeurigheid en relevantie van opgehaalde informatie te verbeteren, vooral bij grote documentcollecties.

Reflection Llama-3.1 70B, getraind met Reflection-Tuning, claimt beter te presteren dan GPT-4o en Claude 3.5 Sonnet, maar kampt tot nu toe met reproduceerbaarheids- en verificatieproblemen.

Leer hoe je Roo Code installeert en gebruikt, een open-source AI-coding assistant, en vergelijk de functies en mogelijkheden met Cline.

Leer hoe je een vereenvoudigde implementatie van het RStar-framework maakt met een combinatie van neurale netwerken, symbolisch redeneren en Monte Carlo Tree Search (MCTS).

Leer hoe je het snelle en efficiënte 1-bit Bonsai-model van PrismML lokaal op Windows draait, van download en setup tot WebUI-testen, met 88,6 tokens per seconde.

llama.cpp instellen om het GLM-4.7-model op een enkele NVIDIA H100 80GB GPU te draaien, tot 20 tokens per seconde via GPU-offloading, Flash Attention, geoptimaliseerde contextgrootte, efficiënte batching en afgestemde CPU-threading.

Leer hoe je Kimi K2 draait op één A100-GPU met 250 GB RAM met behulp van llama.cpp.

Draai LLaMA 3 lokaal met GPT4ALL en Ollama, en integreer het in VSCode. Bouw daarna een Q&A-retrievalsysteem met Langchain en Chroma DB.

Leer eenvoudige maar krachtige manieren om Qwen3-Coder lokaal te gebruiken.

Draai Qwen3-Coder-Next lokaal op een RTX 3090 met llama.cpp en vibe code in minuten een compleet analyticsdashboard met Qwen Code CLI.

Leer hoe je Runway Act-One gebruikt via zowel de webinterface als de API, en ontdek hoe je het combineert met Runway Gen3-Alpha.

Leer de mogelijkheden van Runway Gen-4 kennen aan de hand van praktische voorbeelden, en hoe je de beperkingen omzeilt met beeldgeneratiemodellen van GPT-4o en Gemini.