دسترسی و استفاده از LLM های از پیش آموزش دیده: راهنمای هوش مصنوعی Mistral و سایر مدل های منبع باز

جدول پیوندها

1. چکیده و مقدمه
2. SylloBio-NLI
3. ارزیابی تجربی
4. کار مرتبط
5. نتیجه گیری
6. محدودیت ها و مراجع

الف. رسمی کردن فرآیند تولید منابع SylloBio-NLI

ب. رسمی سازی وظایف 1 و 2

ج. فرهنگ عضویت ژن و مسیر

D. خط لوله مخصوص دامنه برای ایجاد نمونه های NL و دسترسی E به LLM

F. جزئیات تجربی

ز. معیارهای ارزیابی

H. درخواست LLMs – دستورات صفر شات

I. درخواست از LLM – چند اعلان

J. نتایج: دستورالعمل-پاسخ نامناسب

K. نتایج: تأثیر مبهم عوامل حواس پرتی بر استدلال

L. نتایج: مدل‌ها دانش زمینه‌ای را بر دانش زمینه اولویت می‌دهند

M شکل های تکمیلی و N جداول تکمیلی

D خط لوله مخصوص دامنه برای ایجاد نمونه های NL

E دسترسی به LLMs

برای دسترسی به این LLMها، از هوش مصنوعی Mistral (mistral) و وزن‌های منبع باز مدل‌های باقی‌مانده در HuggingFace Hub استفاده می‌کنیم.[5] مخازن:

• mistralai/Mistral-7B-v0.1

• mistralai/Mistral-7B-Instruct-v0.2

• mistralai/Mixtral-8x7B-Instruct-v0.1

• google/gemma-7b

• google/gemma-7b-it

• متا لاما/متا-لاما-3-8B

• meta-llama/Meta-Llama-3-8B-Instruct

• BioMistral/BioMistral-7B

وزنه های LLM از پیش آموزش دیده از طریق ترانسفورماتورها استفاده می شود[6] کتابخانه پایتون تمامی مدل ها با استاندارد…