Sakhanda Wire
NVDA $154.51 -1.04% MSFT $506.49 -2.22% GOOGL $281.27 -0.86% META $621.51 -0.78% AMZN $256.90 -0.33%
← Към новините

Hugging Face представя модели за структурирани решения

Hugging Face публикува обзор на моделите за решения — подход за приложения, които се нуждаят от структурирани избори, а не от генериран текст. На базата на състояние, набор от въпроси и предварително зададени отговори такъв модел връща решения заедно с вероятностни разпределения. В статията интерфейсът е обобщен като „Състояние + Въпроси + Допустими отговори → Решения + Вероятности“.

Публикацията разграничава моделите за решения от традиционната класификация и класификацията с нулево обучение. Традиционните класификатори имат фиксирани класове, докато при нулево обучение кандидат-етикетите могат да се подават при изпълнение. Моделите за решения добавят възможност за няколко именувани въпроса и различни типове отговори. Примитивите включват Choice за избор между алтернативи, Score за оценка по подредена скала чрез очакваната стойност на разпределението и Noul за вероятността двоично твърдение да е вярно.

Според статията директният избор между известни опции може да избегне излишното авторегресивно генериране и част от проблемите със схемите при заявка към LLM за JSON. Демонстрацията използва decision pipeline в Transformers и модела autotrust/GEV-26B-Decide с пример от обслужване на клиенти. Отговорите тип Choice и Score могат да съдържат и показател за увереност.

Текстът е изготвен от ИИ на Sakhanda Wire по материал на Hugging Face. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.

Първоначално публикувано от Hugging Face на

Прочетете оригинала в Hugging Face ↗

Репортажът и изображението принадлежат на Hugging Face и са посочени по-горе с връзка към оригинала; текстът на тази страница е собствено изложение на Sakhanda Wire.

← Към новините

Още новини

Всички последни новини