Публикации по теме 'ml-so-good'
Как учат модель большого языка вести себя?
Большие языковые модели и плохое поведение
Большие языковые модели (LLM) — невероятно мощные инструменты, которые могут генерировать текст на основе огромного количества обучающих данных. Однако, как и в случае с языком в целом, LLM также могут вести себя плохо. Они могут создавать токсичный, агрессивный или даже опасный текст. Чтобы убедиться, что LLM соответствуют человеческим ценностям, важно сосредоточиться на таких качествах, как готовность помочь, честность и безвредность (HHH)...
Машинное обучение — Интуиция неравенства Бернштейна
В предыдущих статьях мы рассмотрели неравенства Маркова , Чебышева и Неравенства Хёффдинга . Все эти неравенства помогают нам ограничить вероятность определенных событий. Эта статья предназначена для понимания неравенства за границей, так называемого неравенства Бернштейна. Мы постараемся получить как хорошее интуитивное, так и математическое понимание этого, и в конце возьмем наглядный пример.
Повторное посещение случайных величин
Введение в скрытую марковскую модель (HMM) с простой NER
Простой пример использования скрытой марковской модели распознавания именованных объектов
В этом руководстве мы представим и применим Скрытую марковскую модель (HMM) к простой проблеме распознавания именованных объектов (NER), а именно к граничной сегментации именованных объектов в тексте.
Статистическое тестирование
Разве это не очень сбивает с толку, когда понимаешь тему, но иногда чувствуешь себя совершенно не понятым. Ну, статистика может быть одним из них.
Давайте изучать одну тему за раз. Сегодня мы взялись за статистическое тестирование.
Любое статистическое тестирование помогает определить взаимосвязь и работает как доказательство или против гипотезы.
Чтобы получить общее представление о статистике, обратитесь к..
Обучение ИИ в масштабе
Обучение ИИ в масштабе
Это часть серии сообщений в блогах, посвященных внедрению искусственного интеллекта. Если вас интересует предыстория этой истории или ее развитие:
На прошлой неделе мы рассмотрели, как использовать параметр chips, отвечающий за сужение результатов, запрашивая изображения с определенной высотой в SerpApi’s Google Images Scraper API для обучения моделей машинного обучения. На этой неделе мы изучим автоматическое обновление набора данных изображения..
Регуляризация
При разработке модели машинного обучения ваша цель состоит в том, чтобы сделать ее такой, чтобы она хорошо обобщала и имела высокую производительность на невидимых данных. Настройка модели, а затем ее обучение — это действительно поиск подходящей функции из определенного набора функций. Выбор здесь имеет большое значение, и вот почему.
Если набор функций, который вы выбираете, плохой и если ни одна из моделей в наборе не имеет относительно небольшой усредненной ошибки, нельзя ожидать,..
Хорошее вино против плохого вина: как оценить модели классификации машинного обучения с помощью Python (в 5…
Учебное пособие о том, как оценивать модели классификации с помощью Python для прогнозирования качества вина.
Алгоритмы классификации предсказывают дискретные переменные, такие как 0 и 1 или хорошие и плохие. Существует множество способов оценки моделей классификации. В этой статье мы оценим модель с помощью…
