ఎప్పుడు tuning చేయడం మంచిదో నిర్ణయించుకోండి

What this lesson is about

అధిక భాగం పనులకు tuning చేసిన మోడల్ కంటే మెరుగైన సూచనలు అవసరం. tuning అవసరమయ్యే కొన్ని పనులను గుర్తించడం నేర్చుకోండి.

చిన్న మోడల్ మీ మరాఠీ ఫిర్యాదులలో సగం మాత్రమే సరైన విభాగంలో ఉంచుతుంది. మీ సహచరుడు ఒక వారం శిక్షణ ప్రారంభించాలని అనుకుంటున్నాడు. ఇప్పుడు ఏమి చేయాలి?

Why this matters

Hugging Face కోర్సు చెబుతుంది, prompting ఇచ్చే దానికంటే ఎక్కువ అవసరం ఉన్నప్పుడు మాత్రమే tuning గురించి ఆలోచించండి. ఎక్కువ భాగం లోపాలు స్పష్టమైన సూచనలు మరియు అభ్యర్థనలో కొన్ని ఉదాహరణలతో సరిచేయబడతాయి, ఇది ఒక మధ్యాహ్నం సమయం తీసుకుంటుంది. tuningకి ఒక వారం మరియు యంత్రం అవసరం, కాబట్టి అది చివరికి వస్తుంది.

రెండు కొలిచిన సంఖ్యలతో పని tuning అవసరమో లేదా మెరుగైన అభ్యర్థన మాత్రమే కావలసినదో నిర్ణయించుకోండి.

tuning అవసరమని కనిపించే ఎక్కువ భాగం పనులకు మెరుగైన సూచనలు మరియు ఉదాహరణలు అవసరం.
క్రమంగా ప్రయత్నించండి: స్పష్టమైన సూచనలు, అభ్యర్థనలో ఉదాహరణలు, ఆపై tuning.
పని స్థిరమైన ఆకారంలో ఉండి, కొన్ని వందల జాగ్రత్తగా తయారుచేసిన ఉదాహరణలు ఉన్నప్పుడు tuning ఉపయోగపడుతుంది.

Task

మరాఠీ ఫిర్యాదులను మూడు ఖాళీలుగా వర్గీకరించడానికి చిన్న మోడల్ tuning చేయాలా నిర్ణయించండి.

Weak approach సాధారణ సూచనలు సగం మాత్రమే ఫిర్యాదులను సరైన విభాగంలో ఉంచినందున, ట్యూనింగ్ వారం రోజుల పాటు ప్రారంభిస్తారు. సూచనను మళ్లీ రాయరు, ఎటువంటి ఉదాహరణలు జోడించరు.

Stronger approach ముందుగా సూచనలను తిరిగి రాస్తాడు, ఆపై అభ్యర్థనలో ఆరు ఉదాహరణలు పెడతాడు. ప్రతి సారి అదే 50పై స్కోరు చేసి రెండు సంఖ్యలను రాస్తాడు.

Why the stronger approach works బలహీన నిర్ణయం ఒక మధ్యాహ్నం సమయం చెప్పే విషయాన్ని ఒక వారం నేర్చుకోవడానికి ఖర్చు చేస్తుంది. బలమైనది ఖర్చు పెట్టకముందే రెండు కొలిచిన సంఖ్యలు కలిగి ఉంటుంది.

Try a changed situation ఒక సహచరుడు మోడల్ tuning చేయాలని కోరుకుంటున్నాడు ఎందుకంటే దాని జవాబులు చాలా పొడవుగా ఉంటాయి. మిగతా అన్ని సరిగా ఉన్నాయి. మీరు అతనికి ఏమి చెప్పాలి?

Make something yourself ఒక పని ఎంచుకోండి. మీరు మొదట ఏమి ప్రయత్నించారో, మీ 50 ఉదాహరణలపై దాని ప్రభావం ఏమిటో, tuning చేస్తారా లేదా రాయండి. అంచనా కాకుండా రెండు సంఖ్యలు ఇవ్వండి.

Read the primary or official source: Hugging Face LLM course · supervised fine-tuning