Tutorials & Tipps

LangChain-Praxistutorial: LLaMA2-7b-chat und gpt-3.5-turbo mit LangSmith fine-tunen und evaluieren

Originaltitel:Using LangSmith to Support Fine-tuning

KI-Zusammenfassung

LangChain hat einen Leitfaden zum Fine-Tuning und zur Evaluierung veröffentlicht. LangSmith dient dem Datensatzmanagement und der Evaluierung, LLaMA2-7b-chat wird auf CoLab mit qLoRA fine-getunt, OpenAI gpt-3.5-turbo mit 50 Beispielen. Die Testaufgabe ist die Extraktion von Tripeln aus Wissensgraphen.

Kernpunkte

  • LangChain hat einen Leitfaden zum Fine-Tuning und zur Evaluierung veröffentlicht.
  • LangSmith dient dem Datensatzmanagement und der Evaluierung,LLaMA2-7b-chat wird auf CoLab mit…
  • 5-turbo mit 50 Beispielen.
  • Die Testaufgabe ist die Extraktion von Tripeln aus Wissensgraphen.

Auf einen Blick

Veröffentlicht
Aktualisiert
Quelle
LangChain:Blog(RSS)
Kategorie
Tutorials & Tipps
KI-Bewertung
60
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

原文给出了从数据集管理到评测的完整微调流程和实测分数,读者可以据此判断小模型微调与 GPT-4 few-shot 的取舍。

Verwandte Entitäten

Quelle & Urheberrecht

Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.

Originalartikel · AIHOT-Eintrag

Zitierhinweis

Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.

Orange News: LangChain-Praxistutorial: LLaMA2-7b-chat und gpt-3.5-turbo mit LangSmith fine-tunen und evaluieren. 23. August 2023. https://new.nat6.net/de/news/cmt96t9tm0aucroly7tsytvkz/

Alle ansehen →