Środowisko aktywne (v2.4)
/eksperymenty · wizualizacje · symulacje · narzędzia matematyczne
4dostępnych
·
2w przygotowaniu
·
WebGL 2.0 / WebGPU
6 laboratoriów w katalogu
Computational runtime & algorithmic workbench

Laboratorium idei, algorytmów i sztucznej inteligencji

Interaktywne eksperymenty, wizualizacje i narzędzia pozwalające zobaczyć w czasie rzeczywistym, jak operują algorytmy, modele AI oraz fundamentalna matematyka napędzająca współczesne oprogramowanie.

Architektura obliczeniowaClient-side
100% In-Browser/ zero-latency
Pamięć WASM: 512MBEngine: WebGPU/Canvas
⌘K
Matematyka / Algorytmy
Dostępne
Solver: 19 ms · 54 naklejki / 9 orbit
◉Three.js WebGL

Rubik / graph lab

R³

Jeden ruch. Trzy reprezentacje. Interaktywna kostka Rubika pokazana jednocześnie jako trójwymiarowy model 3D, zbalansowany graf kołowy orbit oraz sieć powiązań naklejek.

Three.jsGrafy orbitKociemba 2-PhaseSolver 19ms
18 ruchów / rotacjeOtwórz
AI / Architektura LLM
Dostępne
Query-Key-Value dot product: Softmax(QKᵀ / √d_k)Head 04/12
Tokeny wejściowe: 6Wagi uwagi: znormalizowane

Attention Lab

QKᵀ

Interaktywna dekonstrukcja mechanizmu Self-Attention w modelach Transformer. Wizualizacja wag uwagi, wektorów Q, K, V oraz wielogłowicowej agregacji kontekstu.

TransformersSelf-AttentionWizualizacja macierzyCanvas 2D
12 głowic uwagiOtwórz
AI / Przestrzenie wektorowe
Dostępne
Redukcja wymiarowości: UMAP 3Ddim=1536 → 3
cos_sim: 0.814
Klaster 1: semantyka koduKlaster 2: język naturalny

Embedding Space

ℝⁿ

Eksploracja wektorów semantycznych i miar podobieństwa w przestrzeni wielowymiarowej. Projekcja t-SNE / PCA, klasteryzacja pojęć i arytmetyka embeddingów.

Embeddingst-SNE / UMAPCosine SimWebGPU
10,000 wektorów 3DOtwórz
Uczenie maszynowe
Eksperymentalne
Propagacja w przód: MLP [4, 8, 8, 2]Epoch: 1,420
Loss: 0.0412 (Cross-Entropy)Accuracy: 98.4%

Neural Network Lab

MLP

Wizualizacja propagacji w przód, wag synaptycznych oraz aktywacji neuronów w czasie rzeczywistym. Badanie zbieżności funkcji kosztu i granic decyzyjnych w 2D.

Deep LearningBackpropTensorFlow.jsInteraktywny model
Dynamiczne wagi synaptyczneOtwórz
LLM / Przetwarzanie języka
Dostępne
BPE Tokenizer: cl100k_base (GPT-4)Tokens: 6 / Bytes: 24
AutomationLab::Tokenizer
IDs:[8421, 23912, 10244, 492, 12891]
Kompresja: 4.0 znaków/tokenUnicode bytes view

Token Lab

BPE

Badanie tokenizacji i wewnętrznej reprezentacji tekstu w nowoczesnych modelach językowych. Porównanie algorytmów BPE, WordPiece i analizy gęstości słownika.

TokenizacjaBPETiktokenSłowniki LLM
5 algorytmów podziałuOtwórz
AI / Systemy RAG
W budowie
Pipeline: Ingestion → Chunking → Re-Rankv0.9.1-alpha
📄Docs
→
▦Chunk
→
⌕Hybrid
→
◈Prompt
Hybryda: BM25 + Vector SearchRe-ranker: Cohere rerank-v3

RAG Lab

RAG

Interaktywna symulacja przepływu danych w Retrieval-Augmented Generation: od chunkingu dokumentów, przez wyszukiwanie hybrydowe, po syntezę kontekstu w oknie promptu.

RAGChunkingVector SearchHybrid Retrieval
Premiera wkrótce
Filozofia projektowa i architektura

Każdy moduł laboratorium wykonuje obliczenia bezpośrednio w Twojej przeglądarce (client-side), bez ukrytych opóźnień sieciowych. Wykorzystujemy WebGL/WebGPU oraz kompilację C++/Rust do WebAssembly dla natywnej płynności 60fps.

Stack: Next.js 16·TypeScript·Tailwind CSS·shadcn/ui·Three.js·WebGPU / WASM