Эта Ваша святая обязанность - предоставление достоверных данных. Мне Ваш уровень понятен и понятна степень доверия к Вашим данным, но если во время предзащиты Вам будут задавать вопросы, то ... Наблюдал такое не один раз
Если Вы не знакомы с Доверительными Интервалами, то Вы не имеете права оценивать (сравнивать, обсуждать тенденции, зависимости и т.д.) полученные результаты. Обычно - это тема первого занятия по лабораторным работам нормального ВУЗа. Работа даже не студенческая и даже не школьная. Без оценки доверительных интервалов все приведенные графики и цифры являются информационным шумом, а выводы - не обоснованными. Цель вычислений не цифры, а понимание. Вначале определяете закон распределения данных и потом считаете доверительные интервалы и потом делаете выводы.
Очень интересно как уважаемые Коллеги оценивают работы Anthropic по объяснимости результатов LLM, например при переводе с одного языка на другой или при написании стихов?
Спасибо Автору за интересную статью, на хабре таких статей очень мало. К вопросу об участии LLM в написании статей. Фразу """Короче говоря, всякий раз, когда вы видите в развертывании модель только для декодера, существует разумная вероятность того, что модель только для кодера также является частью системы. """ читал несколько раз и попросил Qwen перевести на русский, вот что получилось:
Иными словами, если в системе используется модель только для декодера, велика вероятность, что где-то в этой же системе применяется и модель только для кодера.
Или ещё проще:
Если вы видите модель только для декодера, скорее всего, модель только для кодера тоже участвует в системе — просто не так заметно.
Или нейтрально и ясно:
На практике, когда в системе используется декодерная модель, часто вместе с ней задействована и кодерная модель, даже если это не очевидно.
Очень хорошая статья с демонстрацией применения трансформеров для классификации картинок. Сравнивать с LeNet некорректно. Обратите внимание, что автор получил неплохие метрики классификации для 10 классов по 1000 (!!!) картинкам в каждом классе. К сожалению, по приведенным графикам ничего нельзя сказать о переобучении. График Train Loss приведен, а графика Test Loss нет, а этот график самый интересный
Спасибо за то, что поделились своими интересными результатами! Интересно, какой формат исходных данных: pdf, txt или другой; какова степень сложности исходных данных: главы, статьи, пункты, подпункты; предобработку исходных данных делали?
На HuggingFace выложена Модель с 14В, которая генерит видео с разрешением 720х1280. Интересно, на RTX5090 за ночь "Войну и Мир" сколько серий настрогает?
Представляю, как киношники резко полюбили айтишников
Не цифрам и не к графикам, а к результатам. Для "некоторых данных" в пределах погрешности достоверного отличия нет
Эта Ваша святая обязанность - предоставление достоверных данных. Мне Ваш уровень понятен и понятна степень доверия к Вашим данным, но если во время предзащиты Вам будут задавать вопросы, то ... Наблюдал такое не один раз
Если Вы не знакомы с Доверительными Интервалами, то Вы не имеете права оценивать (сравнивать, обсуждать тенденции, зависимости и т.д.) полученные результаты. Обычно - это тема первого занятия по лабораторным работам нормального ВУЗа. Работа даже не студенческая и даже не школьная. Без оценки доверительных интервалов все приведенные графики и цифры являются информационным шумом, а выводы - не обоснованными. Цель вычислений не цифры, а понимание. Вначале определяете закон распределения данных и потом считаете доверительные интервалы и потом делаете выводы.
"спорт как-то влияет на количество сна " - судя по доверительным интервалам, приведенных на графике - это не достоверно.
"«нейро-профиля» конкретных судей на основе решений " - с огнём играете... Если развить этот алгоритм, много чего интересного можно будет узнать
Спасибо, интересна оценка точности
Очень интересно как уважаемые Коллеги оценивают работы Anthropic по объяснимости результатов LLM, например при переводе с одного языка на другой или при написании стихов?
Спасибо Автору за интересную статью, на хабре таких статей очень мало. К вопросу об участии LLM в написании статей. Фразу """Короче говоря, всякий раз, когда вы видите в развертывании модель только для декодера, существует разумная вероятность того, что модель только для кодера также является частью системы. """ читал несколько раз и попросил Qwen перевести на русский, вот что получилось:
Или ещё проще:
Или нейтрально и ясно:
Спасибо, попробую на даче. Это работает под Win10/11?
Очень хорошая статья с демонстрацией применения трансформеров для классификации картинок. Сравнивать с LeNet некорректно. Обратите внимание, что автор получил неплохие метрики классификации для 10 классов по 1000 (!!!) картинкам в каждом классе. К сожалению, по приведенным графикам ничего нельзя сказать о переобучении. График Train Loss приведен, а графика Test Loss нет, а этот график самый интересный
"но если добавить в документ пробел - начинает работу" - поясните, не понял
Локально развернули?
Спасибо за то, что поделились своими интересными результатами! Интересно, какой формат исходных данных: pdf, txt или другой; какова степень сложности исходных данных: главы, статьи, пункты, подпункты; предобработку исходных данных делали?
# Создаём FAISS векторное хранилище из документовvectore_store = Chroma.from_documents(documents, embeddings)???На HuggingFace выложена Модель с 14В, которая генерит видео с разрешением 720х1280. Интересно, на RTX5090 за ночь "Войну и Мир" сколько серий настрогает?
Представляю, как киношники резко полюбили айтишников
Проезжая мимо Мосфильма, вспомним про SkyReels V2 и про Союз Кинематографистов
Интересно узнать как написать промпт, используя LLM
Вы имеете ввиду ReRanker CrossEncoder?
"Как ты борешься с галлюцинациями rag систем?" - тут только GraphRAG поможет
Спасибо, интересно!