DSPy: نگرش یادگیری ماشین نسبت به درخواست LLM

کد کامل در پروژه طبقه بندی LLM یک توقف شما

در اینجا پیوندی به یک ویدیوی کوتاه یوتیوب با خلاصه کد وجود دارد

هدف من این است که فناوری های پیچیده را از طریق موارد استفاده غیر ضروری به نمایش بگذارم. این بار من تمرکز چارچوب DSPy را انتخاب کردم. دلیل وجودی آن (دلیل وجود) انتزاع، کپسوله کردن و بهینه سازی منطقی است که برای تعیین تکلیف خروجی های LLM مورد نیاز است.

DSPy به کدنویس ها اجازه می دهد تا ورودی ها و خروجی ها را برای یک کار LLM مشخص کنند و به چارچوب اجازه می دهد تا بهترین دستور ممکن را بنویسد.

چرا باید اهمیت بدی؟

می توانید در طول ناهار درباره آن لاف بزنید بهبود خوانایی کد بهبود خروجی های وظیفه LLM

این اولین قسمت از یک سری است که در آن بر پیاده سازی طبقه بندی کننده مبتنی بر LLM تمرکز خواهیم کرد. در قسمت بعدی بهینه سازی واقعی را عمیق تر می کنیم.

DSPy چیست؟ چرا DSPy؟ مورد استفاده: طبقه بندی کننده هدف LLM برای خدمات مشتری

DSPy چارچوبی است که توسط تحقیقات استنفورد ایجاد شده است. من عاشق روشی هستم که اسناد رسمی توضیح می دهند، بنابراین آن را در اینجا پیوست می کنم:

DSPy بر برنامه نویسی به جای اعلان تاکید می کند. این تکنیک‌ها را برای تحریک و تنظیم دقیق LMها و همچنین بهبود آنها با استدلال و تقویت ابزار/بازیابی یکپارچه می‌کند که همه از طریق یک… وبلاگ کامل را به صورت رایگان در Medium بخوانید.

منتشر شده از طریق به سمت هوش مصنوعی