- 博客(8)
- 收藏
- 关注
RSS订阅原创 RAGAS
（对生成的答案有害性和正确性进行评估）其目的是根据预定义的方面（例如和）评估提交。此外，用户可以灵活地定义自己的方面，以便根据自己的具体标准评估提交内容。方面批评的输出是二进制的，指示提交是否与定义的方面一致。该评估是使用“答案”作为输入来执行的。LLM 评估员内部的批评根据所提供的方面评估提交的内容。Ragas Critiques 提供了一系列预定义的方面，例如正确性、有害性等（请参阅以获取完整列表）。如果您愿意，您还可以创建自定义方面来根据您的独特要求评估提交内容。strictness。
2024-01-12 10:12:29
887
1
原创 交叉熵损失
loss = F.cross_entropy(logits, targets) 中首先将logits经过softmax转化为词表中对应词的预测概率probs，将targets展平之后化为one-hot向量与生成的概率求-sum(targets* log(probs))，其等价于直接对logits取log_softmax，然后取其中label作为index的值在log_softmax中取值，最后将这些取值求和取平均得到最后的loss值。
2024-01-12 10:10:57
368
2
原创 LongNet: Scaling Transformers to 1,000,000,000 Tokens
通过修改attention机制拓展token长度
2023-07-12 16:50:40
451
1
原创 LoRA: Low-Rank Adaptation of Large Language Models低秩自适应
通过矩阵分解降低LLM中的模型参数
2023-02-23 16:45:42
5197
原创 AttributeError: ‘Transformer‘ object has no attribute ‘embedding‘
'xxxx' object has no attribute 'xxxx' 错误
2023-02-06 20:56:29
898
空空如也
关于卷积核数值的问题，如何解决？
2022-09-15
TA创建的收藏夹 TA关注的收藏夹
TA关注的人