Fine-Tuning в ChatGPT. Как дообучить LLM (простым языком и на примере)

Подписаться 1,2 тыс.

Просмотров 5 тыс.

50% 1

Разбираем, что такое:
В видео рассказываю как устроен fine tuning в ChatGPT и других LLM.
Содержание
1:16 - про Zero-shot, one-shot, few-shots в Prompt Engineering
3:47 - что такое fine-tuning моделей
5:57 - плюсы и минус использования файн-тюнинга
8:51 - советы по подготовке дата сетов
11:45 - мой личный пример файн-тюнинга chatgpt
Presentation:
docs.google.com/presentation/...

Опубликовано:

27 авг 2023

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист

Посмотреть позже

Комментарии : 26

@xeno7828 7 дней назад

Ну наконец то нашелся вменяемый канал который по пальцам объясняет новичкам что и как устроено !)

@user-vz4vc6dy4r 19 дней назад

10 в нулевой степени это 1 10 в первой степени это 10 А видос крутой

@yarafilms 9 месяцев назад

Прям мега полезно! Как раз искал понятные материал, буду пробовать! Спасибо! ;)

@yason24ru 9 месяцев назад

Крутой видос. Спасибо большое

@TheAmadur 4 месяца назад

Это топовый видос. Очень помог, спасибо

@secondlifetools6060 Месяц назад

это охрененно полезная инфа! продолжай пожалуйста.

@dmitriyneledva4693 7 месяцев назад

очень крутое видео!

@user-ud3rv5xo6z 8 месяцев назад

Спасибо

@kiryllshynharow9058 7 месяцев назад

2:39 Чтоооо? 10^1 это ну уж точно не сотня. Математически это 10, но судя о масштабе по подписи "Number of Examples in Context (K)" по горизонтальной оси отложены тысячи примеров

@Singularity_is_Coming 7 месяцев назад

спасибо за комментарий, верно заметили! там 10 примеров а не 100

@moresevas 9 месяцев назад

Отличный видос! Хотелось бы обсудить вот что: всегда ли возможны другие режимы, кроме zero-shot? Например, работаем через API чтобы оценивать ответы студентов на тест по физике, допустим из 20 заданий. Каким образом мы можем проапгрейдить zero-shot(s), если от раза к разу у нас разные 20 заданий по разным темам физики?

@Singularity_is_Coming 9 месяцев назад

в файн тюнинге зеро-шот под такую задачу идеально зайдет, нужно побольше примеров из разных тем и LLM будет справляться с разными темами без проблем. для файтюнинга я бы делал 1 запрос = 1 задание и собрал датасет хотя бы на 200-300 задач с ответами. а как улучшить уже сам zero-shot промпт рассказал в новом видео: ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-B71fdZPZT7M.html

@povezlo46 4 месяца назад

Спасибо за полезный урок, Денис. Однозначно подписка. А что там по деньгам получилось? во сколько обошлось тебе обучить эту модель писать в стиле Нориса?

@Singularity_is_Coming 4 месяца назад

Поскольку база небольшая, вышло недорого, что-то около 1$

@wmsl3944 5 месяцев назад

Привет, какой у тебя Git?

@Roman-hv3ss 2 месяца назад

Огонь! С огромным интересом посмотрел. Подписка. А можно таким образом дообучить локальные нейронки?

@Singularity_is_Coming 2 месяца назад

Да, можно и локальные конечно, но ресурсов нужно много для этого, если модели большие

@DizroAI 6 месяцев назад

У меня есть небольшая база данных, и я пытаюсь разработать процесс обработки больших новостных текстов. Какую модель лучше всего использовать в этом случае, и как ее правильно настроить? На вход модели будет подаваться обширный новостной контент, а требуется получить отформатированный и сокращенный вариант текста.

@Singularity_is_Coming 6 месяцев назад

лучше всего конечно GPT-4, но нужно смотреть насколько существенная разница в качестве, т.к. разница в цене существенная - ~5-10 раз

@MrStepanok 5 дней назад

Привет! Подскажи пожалуйста, что это может быть. Я сделал файнтюнинг модели, причем прям на сайте, там сейчас появились для этого инструменты (возможно они были и раньше) но моя модель не отображается в playground. Что это может быть?

@Singularity_is_Coming 5 дней назад

Должна появиться через время. А по API она доступна? В любом случае это скорее вопрос в поддержку, похоже на баг.

@MrStepanok 4 дня назад

@@Singularity_is_Coming Разобрался! Я тренировал через организацию, и в ней вообще ничего кроме gpt3.5turbo выбрать было нельзя. Перетренил в обычном аккаунте и сразу все ок ок. Спасибо!!!