Tutoriel pratique LangChain : affiner et évaluer LLaMA2-7b-chat et gpt-3.5-turbo avec LangSmith
Titre original:Using LangSmith to Support Fine-tuning
Résumé IA
LangChain publie un guide d'affinage et d'évaluation utilisant LangSmith pour la gestion des jeux de données et l'évaluation, avec un affinage qLoRA de LLaMA2-7b-chat sur CoLab et un affinage de gpt-3.5-turbo d'OpenAI sur 50 échantillons, la tâche de test étant l'extraction de triplets de graphes de connaissances.
Points clés
- LangChain publie un guide d'affinage et d'évaluation utilisant LangSmith pour la gestion des jeux…
- avec un affinage qLoRA de LLaMA2-7b-chat sur CoLab et un affinage de gpt-3.
- 5-turbo d'OpenAI sur 50 échantillons,la tâche de test étant l'extraction de triplets de graphes de…
En bref
- Publié
- Mis à jour
- Source
- LangChain:Blog(RSS)
- Catégorie
- Tutoriels et astuces
- Score IA
- 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Tutoriel pratique LangChain : affiner et évaluer LLaMA2-7b-chat et gpt-3.5-turbo avec LangSmith. 23. août 2023. https://new.nat6.net/fr/news/cmt96t9tm0aucroly7tsytvkz/