በጄኔሬቲቭ AI ውስጥ የመሠረት ሞዴሎች ምንድናቸው?

በጄኔሬቲቭ AI ውስጥ የመሠረት ሞዴሎች ምንድናቸው?

አጭር መልስ ፡ የመሠረት ሞዴሎች ሰፊና ሰፊ የውሂብ ስብስቦችን በመጠቀም የሰለጠኑ ትላልቅ፣ አጠቃላይ ዓላማ ያላቸው የAI ሞዴሎች ሲሆኑ ከዚያም ለብዙ ስራዎች (በመጻፍ፣ በመፈለግ፣ በኮድ በማውጣት፣ በምስል በማስቀመጥ) ተስተካክለው እንዲሰሩ ያደርጋሉ። አስተማማኝ መልሶች ከፈለጉ፣ እንዲሰሩ ከመፍቀድ ይልቅ ከመሠረት (እንደ RAG)፣ ግልጽ ገደቦች እና ቼኮች ጋር ያጣምሯቸው።

ቁልፍ ነጥቦች፡

ፍቺ ፡- በብዙ ተግባራት ላይ በስፋት የሰለጠነ አንድ መሰረታዊ ሞዴል እንደገና ጥቅም ላይ የዋለ፣ በአንድ ሞዴል አንድ ተግባር አይደለም።

መላመድ ፡- ባህሪን ለመምራት ማበረታቻ፣ ማስተካከያ፣ LoRA/አዳፕተሮች፣ RAG እና መሳሪያዎችን ይጠቀሙ።

የጄኔሬቲቭ ተስማሚነት ፡- ጽሑፍን፣ ምስልን፣ ኦዲዮን፣ ኮድን እና ባለብዙ ሞዳል ይዘት ማመንጨትን ያጎለብታሉ።

የጥራት ምልክቶች ፡- ለቁጥጥር፣ ለአነስተኛ ቅዠቶች፣ ለብዙ ሞዳል ችሎታ እና ውጤታማ መደምደሚያ ቅድሚያ ይስጡ።

የአደጋ መቆጣጠሪያዎች ፡ በቅዠት፣ አድልዎ፣ የግላዊነት መፍሰስ እና በአስተዳደር እና በሙከራ አማካኝነት ፈጣን መርፌን ለማቀድ እቅድ ማውጣት።

በጄኔሬቲቭ አርቴፊሻል ኢንተለጀንስ ውስጥ የመሠረት ሞዴሎች ምንድናቸው?

ከዚህ ጽሑፍ በኋላ ሊያነቧቸው የሚችሏቸው ጽሑፎች፡

🔗 የአይቲ ኩባንያ ምንድን ነው?
የ AI ኩባንያዎች ምርቶችን፣ ቡድኖችን እና የገቢ ሞዴሎችን እንዴት እንደሚገነቡ ይረዱ።.

🔗 የ AI ኮድ ምን ይመስላል?
ከፓይዘን ሞዴሎች እስከ ኤፒአይዎች ድረስ የAI ኮድ ምሳሌዎችን ይመልከቱ።.

🔗 የ AI ስልተ ቀመር ምንድን ነው
የ AI ስልተ ቀመሮች ምን እንደሆኑ እና ውሳኔዎችን እንዴት እንደሚያደርጉ ይወቁ።.

🔗 የአይቲ ቴክኖሎጂ ምንድን ነው?
አውቶማቲክ፣ ትንታኔ እና ብልህ መተግበሪያዎችን የሚያጎለብቱ ዋና የAI ቴክኖሎጂዎችን ያስሱ።.

1) የመሠረት ሞዴሎች - ጭጋግ የሌለበት ፍቺ 🧠

የፋውንዴሽን ሞዴል ሰፊ መረጃ (ብዙውን ጊዜ በብዙ) ላይ የሰለጠነ ትልቅ፣ አጠቃላይ ዓላማ ያለው የAI ሞዴል ነው፣ ስለዚህ ለአንድ ብቻ ሳይሆን ለብዙ ተግባራት ሊስማማ ይችላል ( NIST ፣ Stanford CRFM )።

የተለየ ሞዴል ከመገንባት ይልቅ ለ፡

  • ኢሜይሎችን በመጻፍ ላይ

  • ጥያቄዎችን መመለስ

  • ፒዲኤፎችን ማጠቃለል

  • ምስሎችን ማመንጨት

  • የድጋፍ ትኬቶችን መመደብ

  • ቋንቋዎችን መተርጎም

  • የኮድ ጥቆማዎችን በማዘጋጀት ላይ

...አንድ ትልቅ መሰረታዊ ሞዴል "ዓለምን የሚማር" በድብቅ ስታቲስቲክስ መንገድ ታሠለጥናለህ፣ ከዚያም ከተወሰኑ ስራዎች ጋር በማስተካከል፣ በማጣራት ወይም በተጨመሩ መሳሪያዎች ታስተካክለዋለህ ቦማሳኒ እና ሌሎች፣ 2021 )።

በሌላ አነጋገር ፡ መምራት የምትችልበት አጠቃላይ ሞተር

አዎ፣ ቁልፍ ቃሉ "አጠቃላይ" ነው። ሙሉው ዘዴ ይህ ነው።.

2) በጄኔሬቲቭ አርቴፊሻል ኢንተለጀንስ ውስጥ የመሠረት ሞዴሎች ምንድን ናቸው? (በተለይ እንዴት እንደሚጣጣሙ) 🎨📝

ስለዚህ፣ በጄኔራቲቭ AI ውስጥ የመሠረት ሞዴሎች ምንድን ናቸው? እነዚህ ስርዓቶችን የሚያነቃቁ መሰረታዊ ሞዴሎች ናቸው - ጽሑፍ፣ ምስሎች፣ ድምጽ፣ ኮድ፣ ቪዲዮ እና ከጊዜ ወደ ጊዜ እየጨመረ የሚሄድ… የእነዚህ ሁሉ ድብልቅ ( NIST ፣ NIST Generative AI መገለጫ )።

ጀነሬቲቭ ኤአይ (Generative AI) እንደ “አይፈለጌ መልዕክት/አይፈለጌ መልዕክት አይደለም” ያሉ መለያዎችን መተንበይ ብቻ አይደለም። ነገር ግን በአንድ ሰው የተፈጠሩ የሚመስሉ ውጤቶችን ስለማምረት ነው።.

  • አንቀጾች

  • ግጥሞች

  • የምርት መግለጫዎች

  • ምሳሌዎች

  • ዜማዎች

  • የመተግበሪያ ፕሮቶታይፖች

  • ሰው ሰራሽ ድምጾች

  • እና አንዳንድ ጊዜ በማይታመን ሁኔታ በራስ መተማመን ከንቱ ነገር 🙃

የመሠረት ሞዴሎች በተለይ ጥሩ ናቸው ምክንያቱም

እነሱ "የመሠረት ንብርብር" ናቸው - ልክ እንደ ዳቦ ሊጥ። እንደ ባጌት፣ ፒዛ ወይም ቀረፋ ጥቅልል ​​ልትጋግሩት ትችላላችሁ… ፍጹም ዘይቤ አይደለም፣ ግን ታውቃላችሁ 😄

3) ሁሉንም ነገር ለምን እንደለወጡ (እና ሰዎች ስለእነሱ ማውራት የማያቆሙበት ምክንያት) 🚀

ከመሠረታዊ ሞዴሎች በፊት፣ ብዙ የ AI ተግባራትን የሚመለከቱ ነበሩ፡

  • የስሜት ትንተና ሞዴልን ማሰልጠን

  • ሌላውን ለትርጉም አሠልጥኑ

  • ለምስል ምደባ ሌላ አሰልጥኑ

  • ለተሰየመ አካል እውቅና ሌላ ሰው ማሰልጠን

ያ ሰርቷል፣ ግን ቀርፋፋ፣ ውድ እና በተወሰነ ደረጃ… ብልሽት የሚፈጥር ነበር።.

የመሠረት ሞዴሎች ገልብጠውታል፦

  • አንድ ጊዜ አስቀድመው ይለማመዱ (ትልቅ ጥረት)

  • በሁሉም ቦታ እንደገና መጠቀም (ትልቅ ክፍያ) ( Bommasani et al., 2021 )

ያ እንደገና ጥቅም ላይ ማዋል ማባዣ ነው። ኩባንያዎች በአንድ የሞዴል ቤተሰብ ላይ 20 ባህሪያትን መገንባት ይችላሉ፣ ጎማውን 20 ጊዜ እንደገና ከመፍጠር ይልቅ።.

እንዲሁም የተጠቃሚው ተሞክሮ የበለጠ ተፈጥሯዊ ሆኗል፦

  • "ክላሲፋየር አትጠቀምም"

  • ሞዴሉን እንደ አጋዥ የስራ ባልደረባ ነው የምታወራው፤ እሱም እንቅልፍ የማይተኛ ይመስል ☕🤝

አንዳንድ ጊዜ ሁሉንም ነገር በልበ ሙሉነት በተሳሳተ መንገድ የሚረዳ የስራ ባልደረባ ነው፣ ግን ሄይ። እድገት።.

4) ዋናው ሀሳብ፡ ቅድመ-ስልጠና + መላመድ 🧩

ሁሉም ማለት ይቻላል የመሠረት ሞዴሎች አንድ ንድፍ ይከተላሉ ( ስታንፎርድ CRFM ፣ NIST )

ቅድመ-ስልጠና ("ኢንተርኔትን የመምጠጥ" ምዕራፍ) 📚

ሞዴሉ በራስ የሚተዳደር ትምህርት ( NIST ) በመጠቀም ግዙፍ እና ሰፊ የውሂብ ስብስቦችን በመጠቀም የሰለጠነ ነው። ለቋንቋ ሞዴሎች፣ ይህ ማለት ብዙውን ጊዜ የጎደሉ ቃላትን ወይም የሚቀጥለውን ቶከን መተንበይ ማለት ነው ( ዴቭሊን እና ሌሎች፣ 2018 ፣ ብራውን እና ሌሎች፣ 2020 )።

ዋናው ነገር አንድ ተግባር ማስተማር አይደለም። ዋናው ነገር አጠቃላይ ውክልናዎችን ነው

  • ሰዋሰው

  • እውነታዎች (ዓይነት)

  • የማመዛዘን ቅጦች (አንዳንድ ጊዜ)

  • የአጻጻፍ ስልቶች

  • የኮድ መዋቅር

  • የጋራ የሰው ልጅ ፍላጎት

መላመድ (“ተግባራዊ ያድርጉት” ምዕራፍ) 🛠️

ከዚያም ከሚከተሉት ውስጥ አንዱን ወይም ከዚያ በላይ በመጠቀም ማስተካከል ይችላሉ፦

  • ማበረታቻ (በቀላል ቋንቋ የተዘጋጁ መመሪያዎች)

  • መመሪያን ማስተካከል (መመሪያዎችን እንዲከተል ማሰልጠን) ( ዌይ እና ሌሎች፣ 2021 )

  • ማስተካከያ (በጎራዎ ውሂብ ላይ ስልጠና)

  • ሎራ / አዳፕተሮች (ቀላል ክብደት ማስተካከያ ዘዴዎች) ( ሁ እና ሌሎች፣ 2021 )

  • RAG (የማምረት-የተጨመረ ትውልድ - ሞዴሉ ሰነዶችዎን ያማክራል) ( ሉዊስ እና ሌሎች፣ 2020 )

  • የመሳሪያ አጠቃቀም (የጥሪ ተግባራት፣ የውስጥ ስርዓቶችን ማሰስ፣ ወዘተ)

ለዚህም ነው ተመሳሳዩ መሰረታዊ ሞዴል የፍቅር ትዕይንት ሊጽፍ የሚችለው… ከዚያም ከአምስት ሰከንዶች በኋላ የSQL መጠይቅን ለማረም የሚረዳው 😭

5) የመሠረት ሞዴል ጥሩ ስሪት የሚያደርገው ምንድን ነው? ✅

ይህ ክፍል ሰዎች የሚዘለሉት እና በኋላ የሚጸጸቱበት ክፍል ነው።.

“ጥሩ” የመሠረት ሞዴል “ትልቅ” ብቻ አይደለም። ትልቅ ነገር ይረዳል፣ በእርግጥ… ግን ብቸኛው ነገር አይደለም። ጥሩ የመሠረት ሞዴል ስሪት ብዙውን ጊዜ የሚከተሉትን ያካትታል፡

ጠንካራ አጠቃላይነት 🧠

ለተግባር ብቻ የተወሰነ ዳግም ስልጠና ሳያስፈልገው በብዙ ተግባራት ላይ በጥሩ ሁኔታ ይሰራል ( ቦማሳኒ እና ሌሎች፣ 2021 )።

መሪነት እና ቁጥጥር 🎛️

እንደሚከተሉት ያሉ መመሪያዎችን በአስተማማኝ ሁኔታ መከተል ይችላል፡

  • "አጭር ይሁኑ"

  • "ነጥብ ነጥቦችን ይጠቀሙ"

  • "በወዳጅነት ስሜት ጻፍ"

  • "ሚስጥራዊ መረጃዎችን አትግለጥ"

አንዳንድ ሞዴሎች ብልህ ናቸው ግን የሚያዳልጡ ናቸው። ልክ እንደ ሳሙና በሻወር ውስጥ ለመያዝ መሞከር። ጠቃሚ ነው፣ ግን ያልተስተካከለ ነው 😅

ዝቅተኛ የቅዠት ዝንባሌ (ወይም ቢያንስ ግልጽ የሆነ እርግጠኛ አለመሆን) 🧯

ማንኛውም ሞዴል በቅዠት አይጋለጥም፣ ጥሩዎቹ ግን፡

ጥሩ የመልቲሚዲያ ሞዳል ችሎታ (አስፈላጊ በሚሆንበት ጊዜ) 🖼️🎧

ምስሎችን የሚያነቡ፣ ገበታዎችን የሚተረጉሙ ወይም ኦዲዮን የሚረዱ ረዳቶችን እየገነቡ ከሆነ፣ መልቲሞዳል በጣም አስፈላጊ ነው ( ራድፎርድ እና ሌሎች፣ 2021 )።

ውጤታማ መደምደሚያ ⚡

መዘግየትና ወጪ ወሳኝ ነው። ጠንካራ ግን ቀርፋፋ የሆነ ሞዴል ልክ እንደ ጎማው የተነፈሰ የስፖርት መኪና ነው።.

የደህንነት እና የአሰላለፍ ባህሪ 🧩

"ሁሉንም ነገር እምቢ ማለት" ብቻ ሳይሆን፥

  • ጎጂ መመሪያዎችን ያስወግዱ

  • አድልዎ መቀነስ

  • ስሱ ጉዳዮችን በጥንቃቄ ይያዙ

  • መሰረታዊ የ jailbreak ሙከራዎችን ይቃወሙ (በተወሰነ ደረጃ…) ( NIST AI RMF 1.0 ፣ NIST Generative AI መገለጫ )

ሰነዳዊነት + ሥነ-ምህዳር 🌱

ይህ ደረቅ ይመስላል፣ ግን እውነት ነው፡

  • የመሳሪያ መሳሪያዎች

  • የኢቫል ማሰሪያዎች

  • የማሰማራት አማራጮች

  • የድርጅት መቆጣጠሪያዎች

  • የማጣሪያ ማስተካከያ ድጋፍ

አዎ፣ “ሥነ-ምህዳር” ግልጽ ያልሆነ ቃል ነው። እኔም እጠላዋለሁ። ግን አስፈላጊ ነው።.

6) የንፅፅር ሰንጠረዥ - የተለመዱ የመሠረት ሞዴል አማራጮች (እና ለምን ጥሩ እንደሆኑ) 🧾

ከዚህ በታች ተግባራዊ፣ ትንሽ ፍፁም ያልሆነ የንጽጽር ሰንጠረዥ አለ። “አንድ እውነተኛ ዝርዝር” አይደለም፣ ይልቁንም ሰዎች በዱር ውስጥ የሚመርጡትን ይመስላል።.

የመሳሪያ / የሞዴል አይነት ታዳሚዎች ዋጋ-አይነት ለምን እንደሚሰራ
የባለቤትነት መብት ያለው LLM (የቻት-ስታይል) ፍጥነት እና ፖሊሽ የሚፈልጉ ቡድኖች በአጠቃቀም ላይ የተመሰረተ / የደንበኝነት ምዝገባ ጥሩ መመሪያ መከተል፣ ጠንካራ አጠቃላይ አፈጻጸም፣ ብዙውን ጊዜ “ከሳጥን ውጭ” ምርጥ 😌
ክፍት ክብደት ያለው LLM (በራስ የሚስተናገድ) ቁጥጥር የሚፈልጉ ግንበኞች የኢንፍራሬድ ወጪ (እና ራስ ምታት) ሊበጅ የሚችል፣ ለግላዊነት ተስማሚ፣ በአካባቢው ሊሰራ ይችላል… እኩለ ሌሊት ላይ ታይኪንግ ማድረግ የሚወዱ ከሆነ
የስርጭት ምስል ጀነሬተር የፈጠራ ባለሙያዎች፣ የዲዛይን ቡድኖች ከክፍያ ነፃ መሆን እጅግ በጣም ጥሩ የምስል ውህደት፣ የቅጥ ልዩነት፣ ተደጋጋሚ የስራ ፍሰቶች (እንዲሁም: ጣቶች ሊጠፉ ይችላሉ) ✋😬 ( ሆ እና ሌሎች፣ 2020 ፣ ሮምባች እና ሌሎች፣ 2021 )
ባለብዙ ሞዳል "የእይታ ቋንቋ" ሞዴል ምስሎችን + ጽሑፍ የሚያነቡ መተግበሪያዎች በአጠቃቀም ላይ የተመሰረተ ስለ ምስሎች፣ ቅጽበታዊ ገጽ እይታዎች፣ ዲያግራሞች ጥያቄዎችን እንዲጠይቁ ያስችልዎታል - በሚያስደንቅ ሁኔታ ጠቃሚ ነው ( ራድፎርድ እና ሌሎች፣ 2021 )
የመሠረት ሞዴልን መክተት ፍለጋ + RAG ስርዓቶች በአንድ ጥሪ ዝቅተኛ ዋጋ ጽሑፍን ለትርጉም ፍለጋ፣ ለክላስተር፣ ለምክር ወደ ቬክተሮች ይቀይራል - ጸጥ ያለ የMVP ኃይል ( ካርፑኪን እና ሌሎች፣ 2020 ፣ ዱዝ እና ሌሎች፣ 2024 )
የንግግር-ወደ-ጽሑፍ የመሠረት ሞዴል የጥሪ ማዕከላት፣ ፈጣሪዎች በአጠቃቀም ላይ የተመሰረተ / አካባቢያዊ ፈጣን የጽሑፍ ግልባጭ፣ ባለብዙ ቋንቋ ድጋፍ፣ ለጫጫታ ድምጽ በቂ (ብዙውን ጊዜ) 🎙️ ( ሹክሹክታ )
የጽሑፍ-ወደ-ንግግር መሠረት ሞዴል የምርት ቡድኖች፣ ሚዲያ በአጠቃቀም ላይ የተመሰረተ ተፈጥሯዊ የድምፅ ማመንጨት፣ የድምፅ ቅጦች፣ ትረካ - አስፈሪ እውነተኛ ሊሆኑ ይችላሉ ( ሼን እና ሌሎች፣ 2017 )
ኮድ-ተኮር LLM ገንቢዎች በአጠቃቀም ላይ የተመሰረተ / የደንበኝነት ምዝገባ በኮድ ቅጦች፣ በማረም እና በማደስ የተሻለ… አሁንም የአእምሮ አንባቢ አይደለሁም 😅

“የመሠረት ሞዴል” “ቻትቦት” ማለት ብቻ እንዳልሆነ ልብ ይበሉ። የኢምቤዲንግ እና የንግግር ሞዴሎች ሰፊ እና በተለያዩ ተግባራት ውስጥ እንደገና ጥቅም ላይ ሊውሉ ስለሚችሉ መሰረታዊ ሊሆኑ ይችላሉ ( ቦማሳኒ እና ሌሎች፣ 2021 ፣ NIST )።

7) ቀረብ ያለ እይታ፡ የቋንቋ መሰረት ሞዴሎች እንዴት እንደሚማሩ (የስሜቱ ስሪት) 🧠🧃

የቋንቋ ፋውንዴሽን ሞዴሎች (ብዙውን ጊዜ LLMs ተብለው ይጠራሉ) በተለምዶ በትላልቅ የጽሑፍ ስብስቦች ላይ የሰለጠኑ ናቸው። ቶከኖችን በመተንበይ ይማራሉ ( ብራውን እና ሌሎች፣ 2020 )። በቃ። ምንም ሚስጥራዊ የሆነ የተረት አቧራ የለም።

ነገር ግን አስማቱ የቶከን ትንበያ ሞዴሉን መዋቅር እንዲማር ማስገደዱ ( CSET ):

  • ሰዋሰው እና አገባብ

  • የርዕስ ግንኙነቶች

  • እንደ አመክንዮአዊ ቅጦች (አንዳንድ ጊዜ)

  • የተለመዱ የአስተሳሰብ ቅደም ተከተሎች

  • ሰዎች ነገሮችን እንዴት እንደሚያብራሩ፣ እንደሚከራከሩ፣ ይቅርታ እንደሚጠይቁ፣ እንደሚደራደሩ፣ እንደሚያስተምሩ

ልክ ሰዎች እንደሚያደርጉት "ሳይረዱ" በሚሊዮን የሚቆጠሩ ውይይቶችን መኮረጅን መማር ነው። ይህ ደግሞ መስራት የሌለበት ይመስላል… ሆኖም ግን መስራቱን ቀጥሏል።.

አንድ መለስተኛ የተጋነነ አባባል፡ በመሠረቱ የሰውን ጽሑፍ ወደ ግዙፍ ፕሮባቢሊስት አንጎል ከመጨመቅ ጋር ተመሳሳይ ነው።
እንደገና፣ ያ ዘይቤ ትንሽ የተረገመ ነው። ግን እንንቀሳቀሳለን 😄

8) የቅርብ እይታ፡ የስርጭት ሞዴሎች (ምስሎች ለምን በተለየ መንገድ ይሰራሉ) 🎨🌀

የስርጭት ይጠቀማሉ ( ሆ እና ሌሎች፣ 2020 ፣ ሮምባች እና ሌሎች፣ 2021 )።

ሻካራው ሀሳብ፦

  1. ምስሎቹ በመሠረቱ የቴሌቪዥን ስታቲስቲክስ እስኪሆኑ ድረስ ድምጽ ይጨምሩ

  2. ያንን ድምጽ ደረጃ በደረጃ እንዲቀለበስ ሞዴልን አሰልጥኑ

  3. በሚፈጠርበት ጊዜ፣ በጫጫታ ይጀምሩ እና በጥያቄ የሚመራ ምስል ወደ "denoise" ይጀምሩ ( ሆ እና ሌሎች፣ 2020 )

ለዚህም ነው የምስል ማመንጨት ፎቶን "ማልማት" የሚመስለው፣ ፎቶው በሱፐርማርኬት መተላለፊያ ውስጥ ያለ ዘንዶ ጫማ የለበሰ ከሆነ በስተቀር 🛒🐉

የስርጭት ሞዴሎች ጥሩ ናቸው ምክንያቱም

  • ከፍተኛ ጥራት ያላቸውን ምስሎች ያመነጫሉ

  • በጽሑፍ በጥብቅ ሊመሩ ይችላሉ

  • ተደጋጋሚ ማሻሻያ (ልዩነቶች፣ የቀለም ቅብ፣ የማሳደግ) ይደግፋሉ ( ሮምባች እና ሌሎች፣ 2021 )

እንዲሁም አንዳንድ ጊዜ ከሚከተለው ጋር ይቸገራሉ፦

  • የጽሑፍ አተረጓጎም በምስሎች ውስጥ

  • ጥሩ የአናቶሚ ዝርዝሮች

  • ወጥ የሆነ የባህሪ ማንነት በተለያዩ ትዕይንቶች (እየተሻሻለ ነው፣ ግን አሁንም)

9) ቅርብ እይታ፡ ባለብዙ ሞዳል የመሠረት ሞዴሎች (ጽሑፍ + ምስሎች + ድምጽ) 👀🎧📝

የመልቲሞዳል የመሠረት ሞዴሎች በተለያዩ የውሂብ ዓይነቶች ላይ ለመረዳት እና ለማመንጨት ያለሙ ናቸው፡

  • ጽሑፍ

  • ምስሎች

  • ኦዲዮ

  • ቪዲዮ

  • አንዳንድ ጊዜ እንደ ዳሳሽ ያሉ ግብዓቶች ( NIST Generative AI Profile )

ይህ በእውነተኛ ህይወት ውስጥ ለምን አስፈላጊ ነው?

  • የደንበኛ ድጋፍ ቅጽበታዊ ገጽ እይታዎችን መተርጎም ይችላል

  • የተደራሽነት መሳሪያዎች ምስሎችን ሊገልጹ ይችላሉ

  • የትምህርት መተግበሪያዎች ንድፎችን ሊያብራሩ ይችላሉ

  • ፈጣሪዎች ቅርጸቶችን በፍጥነት እንደገና ማዋሃድ ይችላሉ

  • የንግድ መሳሪያዎች የዳሽቦርድ ቅጽበታዊ ገጽ እይታን "ማንበብ" እና ማጠቃለል ይችላሉ

በኮፍያ ስር፣ የመልቲሞዳል ስርዓቶች ብዙውን ጊዜ ውክልናዎችን ያስተካክላሉ፡

  • ምስልን ወደ መክተቻዎች ይቀይሩት

  • ጽሑፍን ወደ መክተቻዎች ይቀይሩ

  • "ድመት" የድመት ፒክስል የሚዛመድበት የጋራ ቦታ ይማሩ 😺 ( ራድፎርድ እና ሌሎች፣ 2021 )

ሁልጊዜ የሚያምር አይደለም። አንዳንድ ጊዜ እንደ ብርድ ልብስ አንድ ላይ ተሰፍቷል። ግን ይሰራል።.

10) ማስተካከያ ከማሳየት ጋር ሲነጻጸር RAG (የመሠረት ሞዴሉን እንዴት ማስተካከል እንደሚቻል) 🧰

ለተወሰነ ጎራ (ህጋዊ፣ ህክምና፣ የደንበኛ አገልግሎት፣ ውስጣዊ እውቀት) የመሠረት ሞዴልን ተግባራዊ ለማድረግ እየሞከሩ ከሆነ፣ ጥቂት ጠቃሚ ምክሮች አሉዎት፡

አበረታች 🗣️

በጣም ፈጣኑ እና ቀላሉ።.

  • ጥቅሞች፡ ዜሮ ስልጠና፣ ፈጣን ድግግሞሽ

  • ጉዳቶች፡ ወጥነት የጎደለው፣ የአውድ ገደቦች፣ ፈጣን ድክመት ሊሆን ይችላል

ማስተካከያ 🎯

በምሳሌዎችዎ ላይ ሞዴሉን የበለጠ ያሠለጥኑ።.

  • ጥቅሞች፡ የበለጠ ወጥነት ያለው ባህሪ፣ የተሻለ የጎራ ቋንቋ፣ የጥያቄውን ርዝመት ሊቀንስ ይችላል

  • ጉዳቶች፡ ወጪ፣ የውሂብ ጥራት መስፈርቶች፣ ከመጠን በላይ የመገጣጠም አደጋ፣ ጥገና

ቀላል ክብደት ማስተካከያ (LoRA / አዳፕተሮች) 🧩

የበለጠ ቀልጣፋ የሆነ የጥራት ማስተካከያ ስሪት ( Hu et al., 2021 )።

  • ጥቅሞች: ርካሽ፣ ሞዱላር፣ ለመለዋወጥ ቀላል

  • ጉዳቶች፡ አሁንም የሥልጠና መስመር እና ግምገማ ያስፈልገዋል

RAG (የማምጣት-የጨመረ ትውልድ) 🔎

ሞዴሉ ከእውቀትዎ መሰረት እና ከመልሶቹ ውስጥ ተዛማጅ ሰነዶችን ያወጣል ( ሉዊስ እና ሌሎች፣ 2020 )።

  • ጥቅሞች፡ ወቅታዊ እውቀት፣ በውስጥ የተጠቀሱ ጥቅሶች (ከተተገበሩት)፣ ያነሰ እንደገና ማሰልጠን

  • ጉዳቶች፡- የመመለሻ ጥራት ሊያደርገው ወይም ሊያበላሸው ይችላል፣ ጥሩ መቆራረጥ እና መክተቻዎች ያስፈልጉታል

እውነተኛ ወሬ፡ ብዙ ስኬታማ ስርዓቶች ማበረታቻን + RAGን ያጣምራሉ። ማስተካከያ ኃይለኛ ነው፣ ግን ሁልጊዜ አስፈላጊ አይደለም። ሰዎች በጣም በፍጥነት ወደ እሱ ይሄዳሉ ምክንያቱም አስደናቂ ይመስላል 😅

11) አደጋዎች፣ ገደቦች እና “እባክዎ ይህንን በጭፍን አታሰራጩት” የሚለውን ክፍል 🧯😬

የመሠረት ሞዴሎች ኃይለኛ ናቸው፣ ነገር ግን እንደ ባህላዊ ሶፍትዌር የተረጋጉ አይደሉም። የበለጠ… እንደ… በራስ የመተማመን ችግር ያለበት ተሰጥኦ ያለው ተለማማጅ ናቸው።.

ለማቀድ የሚያስፈልጉ ቁልፍ ገደቦች፡

ቅዠቶች 🌀

ሞዴሎች የሚከተሉትን ሊፈጥሩ ይችላሉ

  • የውሸት ምንጮች

  • የተሳሳቱ እውነታዎች

  • አሳማኝ ግን የተሳሳቱ እርምጃዎች ( ጂ እና ሌሎች፣ 2023 )

ማቃለያዎች፡

  • RAG ከመሠረት አውድ ጋር ( ሉዊስ እና ሌሎች፣ 2020 )

  • የተገደቡ ውጤቶች (ንድፎች፣ የመሳሪያ ጥሪዎች)

  • ግልጽ "አትገምቱ" መመሪያ

  • የማረጋገጫ ንብርብሮች (ደንቦች፣ የመስቀል-ፍተሻዎች፣ የሰው ግምገማ)

አድልዎ እና ጎጂ ቅጦች ⚠️

የሥልጠና መረጃ ሰዎችን ስለሚያንፀባርቅ፣ የሚከተሉትን ማግኘት ይችላሉ፦

  • የተዛቡ አመለካከቶች

  • በቡድኖች መካከል ያልተመጣጠነ አፈፃፀም

  • ደህንነቱ ያልተጠበቀ ማጠናቀቂያ ( NIST AI RMF 1.0 ፣ Bommasani et al., 2021 )

ማቃለያዎች፡

  • የደህንነት ማስተካከያ

  • ቀይ-ቡድን ማድረግ

  • የይዘት ማጣሪያዎች

  • ጥንቃቄ የተሞላበት የጎራ ገደቦች ( NIST Generative AI መገለጫ )

የውሂብ ግላዊነት እና መፍሰስ 🔒

ሚስጥራዊ መረጃዎችን ወደ ሞዴል የመጨረሻ ነጥብ የሚያስተዋውቁ ከሆነ የሚከተሉትን ማወቅ ያስፈልግዎታል፦

  • እንዴት እንደተከማቸ

  • ለስልጠና ጥቅም ላይ የዋለ እንደሆነ

  • ምን አይነት መዝገብ አለ

  • የድርጅትዎን ፍላጎቶች የሚቆጣጠረው ምንድን ነው ( NIST AI RMF 1.0 )

ማቃለያዎች፡

  • የግል የማሰማራት አማራጮች

  • ጠንካራ አስተዳደር

  • አነስተኛ የውሂብ ተጋላጭነት

  • ውስጣዊ ብቻ RAG ከጥብቅ የመዳረሻ ቁጥጥር ጋር ( NIST Generative AI Profile ፣ Carlini et al.፣ 2021 )

ፈጣን መርፌ (በተለይም RAG) 🕳️

ሞዴሉ የማይታመን ጽሑፍ የሚያነብ ከሆነ፣ ያ ጽሑፍ ሊያዛባው ሊሞክር ይችላል፡

ማቃለያዎች፡

  • የመለያየት ስርዓት መመሪያዎች

  • የተገኘውን ይዘት ያጽዱ

  • በመሳሪያ ላይ የተመሰረቱ መመሪያዎችን ይጠቀሙ (ጥያቄዎችን ብቻ ሳይሆን)

  • በተቃዋሚ ግብዓቶች ( OWASP Cheat Sheet ፣ NIST Generative AI መገለጫ )

ለማስፈራራት እየሞከርኩ አይደለም። በቃ… የወለል ሰሌዳዎቹ የት እንደሚጮሁ ማወቅ የተሻለ ነው።.

12) ለአጠቃቀም መያዣዎ የመሠረት ሞዴል እንዴት እንደሚመርጡ 🎛️

የመሠረት ሞዴል (ወይም በአንዱ ላይ እየገነቡ ከሆነ) የሚመርጡ ከሆነ፣ በሚከተሉት ጥያቄዎች ይጀምሩ፡

ምን እያመነጩ እንደሆነ ይግለጹ 🧾

  • ጽሑፍ ብቻ

  • ምስሎች

  • ኦዲዮ

  • የተቀላቀለ ባለብዙ ሞዳል

የእውነታ አሞሌዎን ያዘጋጁ 📌

ከፍተኛ ትክክለኛነት (ፋይናንስ፣ ጤና፣ ሕጋዊ፣ ደህንነት) ከፈለጉ፡

የዘገየነት ኢላማዎን ይወስኑ ⚡

ቻት ወዲያውኑ ነው። የቡድን ማጠቃለያ ቀርፋፋ ሊሆን ይችላል።
ፈጣን ምላሽ የሚያስፈልግዎ ከሆነ የሞዴል መጠን እና የማስተናገጃው ጉዳይ አስፈላጊ ነው።

የካርታ ግላዊነት እና የተገዢነት ፍላጎቶች 🔐

አንዳንድ ቡድኖች የሚከተሉትን ይፈልጋሉ፦

  • በቅድመ-ውስጥ / የቪፒሲ ማሰማራት

  • የውሂብ ማቆየት የለም

  • ጥብቅ የኦዲት ምዝግብ ማስታወሻዎች

  • የመዳረሻ መቆጣጠሪያ በሰነድ ( NIST AI RMF 1.0 ፣ NIST Generative AI መገለጫ )

የበጀት ሚዛን - እና የኦፕሬሽን ትዕግስት 😅

ራስን ማስተናገድ ቁጥጥር ይሰጣል ነገር ግን ውስብስብነትን ይጨምራል።
የሚተዳደሩ ኤፒአይዎች ቀላል ናቸው ነገር ግን ውድ እና ብዙም ሊበጁ የማይችሉ ሊሆኑ ይችላሉ።

ትንሽ ተግባራዊ ምክር፡ መጀመሪያ ቀላል ነገር ያለው ፕሮቶታይፕ፣ ከዚያም በኋላ ጠንክሮ መሥራት። በ"ፍጹም" ማዋቀር መጀመር ብዙውን ጊዜ ሁሉንም ነገር ያዘገየዋል።.

13) በጄኔራቲቭ አርቴፊሻል ኢንተለጀንስ ውስጥ የመሠረት ሞዴሎች ምንድናቸው? (ፈጣን የአእምሮ ሞዴል) 🧠✨

እስቲ መልሰን እናምጣው። በጄኔራቲቭ አርቴፊሻል ኢንተለጀንስ ውስጥ የመሠረት ሞዴሎች ምንድናቸው?

እነዚህም፦

  • ሰፊ፣ አጠቃላይ ሞዴሎች በሰፊው መረጃ ላይ የሰለጠኑ ( NIST ፣ Stanford CRFM )

  • ይዘትን (ጽሑፍ፣ ምስሎች፣ ኦዲዮ፣ ወዘተ) ማመንጨት የሚችል ( NIST Generative AI Profile )

  • በጥያቄዎች፣ በጥራት ማስተካከያ እና መልሶ ማግኛ አማካኝነት ለብዙ ተግባራት ተስማሚ ( Bommasani et al., 2021 )

  • አብዛኛዎቹን ዘመናዊ የጄኔሬተር AI ምርቶችን የሚያንቀሳቅሰው የመሠረት ንብርብር

እነሱ አንድ አይነት አርክቴክቸር ወይም የምርት ስም አይደሉም። እንደ መድረክ የሚመስሉ የሞዴሎች ምድብ ናቸው።.

የመሠረት ሞዴል እንደ ካልኩሌተር ሳይሆን እንደ ኩሽና ነው። በውስጡ ብዙ ምግቦችን ማብሰል ይችላሉ። ትኩረት ካልሰጡ ቶስትንም ማቃጠል ይችላሉ… ግን ወጥ ቤቱ አሁንም በጣም ምቹ ነው 🍳🔥

14) ማጠቃለያ እና የሚወሰድ ✅🙂

የመሠረት ሞዴሎች የጄኔሬቲቭ AI እንደገና ጥቅም ላይ ሊውሉ የሚችሉ ሞተሮች ናቸው። በሰፊው የሰለጠኑ ሲሆን ከዚያም በማነሳሳት፣ በማጣራት እና በማውጣት ለተወሰኑ ተግባራት ይላመዳሉ ( NIST ፣ Stanford CRFM )። አስደናቂ፣ ያልተስተካከሉ፣ ኃይለኛ እና አልፎ አልፎ አስቂኝ ሊሆኑ ይችላሉ - ሁሉም በአንድ ጊዜ።

ማጠቃለያ፡

  • የመሠረት ሞዴል = አጠቃላይ-ዓላማ መሰረታዊ ሞዴል ( NIST )

  • ጀነሬቲቭ AI = የይዘት ፈጠራ፣ ምደባ ብቻ አይደለም ( NIST Generative AI መገለጫ )

  • የማጣጣሚያ ዘዴዎች (ማነሳሳት፣ RAG፣ ማስተካከያ) ተግባራዊ ያደርጉታል ( ሉዊስ እና ሌሎች፣ 2020 ፣ ሁ እና ሌሎች፣ 2021 )

  • ሞዴል መምረጥ ስለ ትይዩነቶች ነው፡ ትክክለኛነት፣ ወጪ፣ መዘግየት፣ ግላዊነት፣ ደህንነት ( NIST AI RMF 1.0 )

በጄኔሬቲቭ AI ማንኛውንም ነገር እየገነቡ ከሆነ፣ የመሠረት ሞዴሎችን መረዳት አማራጭ አይደለም። ሕንፃው የቆመበት ሙሉ ወለል ነው… እና አዎ፣ አንዳንድ ጊዜ ወለሉ ትንሽ ይንቀጠቀጣል 😅

ተደጋጋሚ ጥያቄዎች

የመሠረት ሞዴሎች፣ በቀላል አነጋገር

የፋውንዴሽን ሞዴል ሰፊ በሆነ መረጃ ላይ የሰለጠነ ሰፊ፣ አጠቃላይ ዓላማ ያለው የAI ሞዴል ሲሆን ለብዙ ተግባራት እንደገና ጥቅም ላይ ሊውል ይችላል። በአንድ ሥራ አንድ ሞዴል ከመገንባት ይልቅ፣ በጠንካራ “ቤዝ” ሞዴል ይጀምራሉ እና እንደ አስፈላጊነቱ ያስተካክሉት። ያ መላመድ ብዙውን ጊዜ የሚከናወነው በማነሳሳት፣ በማጣራት፣ በማጣራት፣ በማምጣት (RAG) ወይም በመሳሪያዎች ነው። ማዕከላዊው ሀሳብ ስፋት እና መምራት ነው።.

የመሠረት ሞዴሎች ከባህላዊ ተግባር-ተኮር የ AI ሞዴሎች እንዴት እንደሚለያዩ

ባህላዊ የአዕምሮ ህክምና (AI) ብዙውን ጊዜ ለእያንዳንዱ ተግባር የተለየ ሞዴል ያሠለጥናል፣ ለምሳሌ የስሜት ትንተና ወይም ትርጉም። የመሠረት ሞዴሎች ያንን ንድፍ ይገለብጣሉ፡ አንድ ጊዜ አስቀድመው ያሠለጥኑ፣ ከዚያም በብዙ ባህሪያት እና ምርቶች ላይ እንደገና ጥቅም ላይ ያውሉ። ይህ የተባዛ ጥረትን ሊቀንስ እና አዳዲስ ችሎታዎችን አቅርቦት ሊያፋጥን ይችላል። ውዝግብ ገደቦችን እና ሙከራዎችን ካልጨመሩ በስተቀር ከክላሲክ ሶፍትዌር ያነሰ ሊተነበዩ የሚችሉ ናቸው።.

በጄኔሬቲቭ AI ውስጥ የመሠረት ሞዴሎች

በጄኔሬቲቭ ኤአይ (AI) ውስጥ፣ የመሠረት ሞዴሎች እንደ ጽሑፍ፣ ምስሎች፣ ኦዲዮ፣ ኮድ ወይም ባለብዙ ሞዳል ውጤቶች ያሉ አዳዲስ ይዘቶችን ማምረት የሚችሉ መሰረታዊ ስርዓቶች ናቸው። በመሰየም ወይም በመመደብ ብቻ የተገደቡ አይደሉም፤ ከሰው ሰራሽ ስራ ጋር የሚመሳሰሉ ምላሾችን ያመነጫሉ። በቅድመ ስልጠና ወቅት ሰፊ ቅጦችን ስለሚማሩ፣ ብዙ የጥያቄ ዓይነቶችን እና ቅርጸቶችን ማስተናገድ ይችላሉ። እነሱ ከአብዛኛዎቹ ዘመናዊ የጄኔሬቲቭ ልምዶች በስተጀርባ ያሉት “መሰረታዊ ንብርብር” ናቸው።.

የመሠረት ሞዴሎች በቅድመ-ስልጠና ወቅት እንዴት እንደሚማሩ

አብዛኛዎቹ የቋንቋ መሰረት ሞዴሎች እንደ ቀጣዩ ቃል ወይም በጽሑፍ ውስጥ የጎደሉ ቃላት ያሉ ቶከኖችን በመተንበይ ይማራሉ። ያ ቀላል ዓላማ እንደ ሰዋሰው፣ ዘይቤ እና የተለመዱ የማብራሪያ ቅጦች ያሉ መዋቅሮችን ወደ ውስጣዊ ሁኔታ እንዲቀይሩ ይገፋፋቸዋል። እንዲሁም ብዙ የዓለም እውቀትን ሊወስዱ ይችላሉ፣ ምንም እንኳን ሁልጊዜ አስተማማኝ ባይሆንም። ውጤቱ በኋላ ላይ ወደተለየ ሥራ ሊመሩ የሚችሉ ጠንካራ አጠቃላይ ውክልና ነው።.

በማነሳሳት፣ በማጣራት፣ በሎራ እና በRAG መካከል ያለው ልዩነት

መመሪያን በመጠቀም ባህሪን ለመምራት ፈጣኑ መንገድ ነው፣ ነገር ግን ደካማ ሊሆን ይችላል። ማጣራት ሞዴሉን በምሳሌዎችዎ ላይ የበለጠ ወጥነት ያለው ባህሪ እንዲኖረው የበለጠ ያሠለጥነዋል፣ ነገር ግን ወጪን እና ጥገናን ይጨምራል። LoRA/አዳፕተሮች ብዙውን ጊዜ ርካሽ እና የበለጠ ሞዱላር የሆነ ቀላል የማጣራት አቀራረብ ናቸው። RAG ተዛማጅ ሰነዶችን ያወጣል እና የሞዴል መልስ በዚያ አውድ በመጠቀም አለው፣ ይህም ትኩስነትን እና መሰረትን ይረዳል።.

ከማጣራት ይልቅ RAG መቼ መጠቀም እንዳለበት

RAG ብዙውን ጊዜ በአሁኑ ሰነዶችዎ ወይም በውስጣዊ የእውቀት መሰረትዎ ላይ የተመሰረቱ መልሶችን ሲፈልጉ ጠንካራ ምርጫ ነው። ሞዴሉን በትውልድ ጊዜ ተገቢ አውድ በማቅረብ "ግምትን" ሊቀንስ ይችላል። ወጥ የሆነ ዘይቤ፣ የጎራ ሀረጎች ወይም ማበረታቻ በአስተማማኝ ሁኔታ ሊያመጣ የማይችል ባህሪ ሲፈልጉ ማጣራት የተሻለ ተስማሚ ነው። ብዙ ተግባራዊ ስርዓቶች ከማጣራት በፊት ማጣራት + RAGን ያጣምራሉ።.

ቅዠቶችን እንዴት መቀነስ እና የበለጠ አስተማማኝ መልሶችን ማግኘት እንደሚቻል

የተለመደው አካሄድ ሞዴሉን በሪሰፕቴምበር (RAG) መሰረት ማድረግ ሲሆን ይህም ከተሰጠው አውድ ጋር እንዲቀራረብ ማድረግ ነው። እንዲሁም ውጤቶችን በንድፎች መገደብ፣ ቁልፍ እርምጃዎችን ለመፈፀም የመሳሪያ ጥሪዎችን መጠየቅ እና ግልጽ የሆኑ “አትገምቱ” መመሪያዎችን ማከል ይችላሉ። የማረጋገጫ ንብርብሮችም አስፈላጊ ናቸው፣ ለምሳሌ የደንብ ፍተሻዎች፣ የመስቀል-ፍተሻ እና ለከፍተኛ-ደረጃ አጠቃቀም ጉዳዮች የሰው ግምገማ። ሞዴሉን እንደ አማራጭ ረዳት አድርገው ይመለከቱት፣ በነባሪነት የእውነት ምንጭ አይደለም።.

በምርት ውስጥ የመሠረት ሞዴሎች ትልቁ አደጋዎች

የተለመዱ አደጋዎች ቅዠቶችን፣ ከስልጠና ውሂብ የሚመጡ አድልዎ ወይም ጎጂ ቅጦችን እና ሚስጥራዊ መረጃዎች በአግባቡ ካልተያዙ የግላዊነት መፍሰስን ያካትታሉ። በተለይም ሞዴሉ ከሰነዶች ወይም ከድር ይዘት የማይታመን ጽሑፍ ሲያነብ ስርዓቶች ለፈጣን መርፌ ተጋላጭ ሊሆኑ ይችላሉ። ቅነሳዎች በተለምዶ አስተዳደርን፣ ቀይ-ቡድን፣ የመዳረሻ መቆጣጠሪያዎችን፣ ደህንነቱ የተጠበቀ የማነሳሳት ቅጦችን እና የተዋቀረ ግምገማን ያካትታሉ። በኋላ ላይ ከማስተካከል ይልቅ ለእነዚህ አደጋዎች ቀደም ብለው ያቅዱ።.

ፈጣን መርፌ እና በ RAG ስርዓቶች ውስጥ ለምን አስፈላጊ ነው

ፈጣን መርፌ ማለት ያልታመነ ጽሑፍ እንደ “ቀደም ሲል ያሉትን አቅጣጫዎች ችላ ማለት” ወይም “ምስጢሮችን መግለጥ” ያሉ መመሪያዎችን ለመሻር ሲሞክር ነው። በRAG ውስጥ፣ የተገኙ ሰነዶች እነዚያን ተንኮል አዘል መመሪያዎች ሊይዙ ይችላሉ፣ እና ካልተጠነቀቁ ሞዴሉ ሊከተላቸው ይችላል። የተለመደው አካሄድ የስርዓት መመሪያዎችን መለየት፣ የተገኙ ይዘቶችን ማጽዳት እና ጥያቄዎችን ብቻ ሳይሆን በመሳሪያ ላይ በተመሰረቱ ፖሊሲዎች ላይ መታመን ነው። በተቃዋሚ ግብዓቶች መሞከር ደካማ ቦታዎችን ለማሳየት ይረዳል።.

ለአጠቃቀም ጉዳይዎ የመሠረት ሞዴል እንዴት እንደሚመረጥ

ምን ማመንጨት እንዳለቦት በመግለጽ ይጀምሩ፡ ጽሑፍ፣ ምስሎች፣ ኦዲዮ፣ ኮድ ወይም ባለብዙ ሞዳል ውጤቶች። ከዚያም የእውነታ አሞሌዎን ያዘጋጁ - ከፍተኛ-ትክክለኛነት ጎራዎች ብዙውን ጊዜ መሬት ላይ ማረፍ (RAG)፣ ማረጋገጫ እና አንዳንድ ጊዜ የሰው ግምገማ ያስፈልጋቸዋል። መዘግየት እና ወጪን ያስቡበት፣ ምክንያቱም ቀርፋፋ ወይም ውድ የሆነ ጠንካራ ሞዴል ለመላክ አስቸጋሪ ሊሆን ይችላል። በመጨረሻም፣ የካርታ ግላዊነት እና ተገዢነት አማራጮችን እና መቆጣጠሪያዎችን ለማሰማራት የሚያስፈልጉትን ነገሮች ይፈልጋል።.

ማጣቀሻዎች

  1. ብሔራዊ የደረጃዎች እና የቴክኖሎጂ ተቋም (NIST) - የመሠረት ሞዴል (የቃላት መፍቻ ቃል) - csrc.nist.gov

  2. ብሔራዊ የደረጃዎች እና የቴክኖሎጂ ተቋም (NIST) - NIST AI 600-1፡ የጄኔሬቲቭ AI መገለጫ - nvlpubs.nist.gov

  3. ብሔራዊ የደረጃዎች እና የቴክኖሎጂ ተቋም (NIST) - NIST AI 100-1፡ የAI ስጋት አስተዳደር ማዕቀፍ (AI RMF 1.0) - nvlpubs.nist.gov

  4. የስታንፎርድ የመሠረት ሞዴሎች ምርምር ማዕከል (CRFM) - ሪፖርት - crfm.stanford.edu

  5. arXiv - በመሠረት ሞዴሎች እድሎች እና አደጋዎች (Bommasani et al., 2021) - arxiv.org

  6. arXiv - የቋንቋ ሞዴሎች ጥቂት-ተኩስ ተማሪዎች ናቸው (ብራውን እና ሌሎች፣ 2020) - arxiv.org

  7. arXiv - ለእውቀት-ከፍተኛ የNLP ተግባራት መልሶ ማግኛ-የተሻሻለ ትውልድ (ሉዊስ እና ሌሎች፣ 2020) - arxiv.org

  8. arXiv - LoRA: የትላልቅ የቋንቋ ሞዴሎች ዝቅተኛ ደረጃ መላመድ (Hu et al., 2021) - arxiv.org

  9. arXiv - BERT: ለቋንቋ ግንዛቤ ጥልቅ ባለሁለት አቅጣጫ ትራንስፎርመሮች ቅድመ-ስልጠና (Devlin et al., 2018) - arxiv.org

  10. arXiv - የተጣመሩ የቋንቋ ሞዴሎች ዜሮ-ሾት ተማሪዎች ናቸው (ዌይ እና ሌሎች፣ 2021) - arxiv.org

  11. የኤሲኤም ዲጂታል ቤተ መጻሕፍት - በተፈጥሮ ቋንቋ ማመንጨት ውስጥ የቅዠት ቅኝት (ጂ እና ሌሎች፣ 2023) - dl.acm.org

  12. arXiv - ከተፈጥሮ ቋንቋ ቁጥጥር ሊተላለፉ የሚችሉ የእይታ ሞዴሎችን መማር (ራድፎርድ እና ሌሎች፣ 2021) - arxiv.org

  13. arXiv - ዲኖይዚንግ ዲፍፉዥን ፕሮባቢሊስቲክ ሞዴሎች (ሆ እና ሌሎች፣ 2020) - arxiv.org

  14. arXiv - ከፍተኛ ጥራት ያለው የምስል ውህደት ከድብቅ ስርጭት ሞዴሎች ጋር (ሮምባች እና ሌሎች፣ 2021) - arxiv.org

  15. arXiv - ለክፍት-ጎራ ጥያቄ መልስ ጥቅጥቅ ያለ የመተላለፊያ መልሶ ማግኛ (Karpukhin et al., 2020) - arxiv.org

  16. arXiv - የፋይስ ቤተ-መጽሐፍት (Douze et al., 2024) - arxiv.org

  17. OpenAI - Whisperን በማስተዋወቅ ላይ - openai.com

  18. arXiv - በሜል ስፔክትሮግራም ትንበያዎች ላይ ኮንዲሽኒንግ ዌቭኔትን በመጠቀም የተፈጥሮ TTS ውህደት (ሼን እና ሌሎች፣ 2017) - arxiv.org

  19. የደህንነት እና አዳዲስ ቴክኖሎጂዎች ማዕከል (CSET)፣ የጆርጅታውን ዩኒቨርሲቲ - የቀጣይ ቃል ትንበያ አስገራሚ ኃይል፡ ትላልቅ የቋንቋ ሞዴሎች ተብራርተዋል (ክፍል 1) - cset.georgetown.edu

  20. USENIX - ከትላልቅ የቋንቋ ሞዴሎች የሥልጠና መረጃዎችን ማውጣት (ካርሊኒ እና ሌሎች፣ 2021) - usenix.org

  21. OWASP - LLM01: ፈጣን መርፌ - genai.owasp.org

  22. arXiv - ከጠየቁት በላይ፡ በመተግበሪያ-የተዋሃዱ ትላልቅ የቋንቋ ሞዴሎች ላይ ስለሚደርሱ አዳዲስ ፈጣን መርፌ ስጋቶች አጠቃላይ ትንተና (Greshake et al., 2023) - arxiv.org

  23. የ OWASP የማጭበርበር ወረቀት ተከታታይ - የ LLM ፈጣን መርፌ መከላከያ የማጭበርበር ወረቀት - cheatsheetseries.owasp.org

የቅርብ ጊዜውን የ AI ኦፊሴላዊ የ AI ረዳት መደብር ያግኙ

ስለ እኛ

ወደ ጦማር ተመለስ