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
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.
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/