Vote majoritaire sur plusieurs sources de données

Votre équipe développe un modèle d’IA pour générer automatiquement des rapports de contrôle qualité (QC) de smartphones. Pour cela, vous avez collecté des données de préférence provenant de trois sources de contrôle qualité : un « Automated Vision System », un « Human Inspector » et des « Customer Feedback ». Chacune a étiqueté des paires d’exemples de texte comme « chosen » et « rejected ». Chaque paire possède un « id » unique, et chaque entrée met en avant un avis QC préféré.

quality_df est un DataFrame combiné chargé avec pandas. Il contient les données issues des trois sources différentes. De plus, la classe Counter a déjà été importée depuis le module collections.

Cet exercice fait partie du cours

Reinforcement Learning from Human Feedback (RLHF)

Afficher le cours

Instructions

Comptez les occurrences de chaque paire (chosen, rejected) dans la fonction de vote.
Trouvez la paire (chosen, rejected) ayant le plus grand nombre de votes.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

def majority_vote(df):
  	# Count occurrences of each (chosen, rejected) pair
    votes = ____
    # Find the (chosen, rejected) pair with the highest vote count
    winner = ____
    return winner

final_preferences = quality_df.groupby(['id']).apply(majority_vote)

print(final_preferences)

Modifier et exécuter le code

Cet exercice fait partie du cours

Reinforcement Learning from Human Feedback (RLHF)

AvancéNiveau de compétence

4.8+

Commencer le cours gratuitement

Ce chapitre présente les bases du Reinforcement Learning with Human Feedback (RLHF), une approche qui s’appuie sur des retours humains pour aider les modèles d’IA à apprendre plus efficacement. Commencez avec le RLHF en comprenant en quoi il diffère de l’apprentissage par renforcement classique et pourquoi les retours humains peuvent améliorer les performances de l’IA dans divers domaines.

Exercise 1: Introduction au RLHF Exercise 2: Génération de texte avec RLHF Exercise 3: Classer du texte généré pour le RLHF Exercise 4: RL vs RLHF Exercise 5: Explorer les LLM préentraînés Exercise 6: Tokeniser un jeu de données textuel Exercise 7: Ajustement fin pour la classification des avis Exercise 8: Préparer les données pour le RLHF Exercise 9: Préparer le jeu de données de préférences Exercise 10: Extraire les prompts

Découvrez comment mettre en place des systèmes de collecte de retours humains dans ce chapitre. Apprenez les bonnes pratiques pour constituer des données de haute qualité — des comparaisons par paires à l’échantillonnage par incertitude — et explorez des stratégies pour renforcer votre collecte de données.

Exercise 1: Méthodes pour collecter des retours de haute qualité Exercise 2: Comprendre la comparaison et l’évaluation en RLHF Exercise 3: Comparer des slogans pour une campagne de salle de sport Exercise 4: Mesurer la qualité et la pertinence des retours Exercise 5: Faible confiance Exercise 6: K-means pour le regroupement des retours Exercise 7: Apprentissage actif Exercise 8: Mettre en place un pipeline d’active learning Exercise 9: Boucle d’active learning

Dans ce chapitre, vous entrerez au cœur de l’entraînement en Reinforcement Learning from Human Feedback. Vous explorerez notamment le fine-tuning avec PPO, des techniques pour s’entraîner efficacement et la gestion des divergences possibles par rapport aux objectifs de vos métriques.

Exercise 1: Exploration des modèles de récompense Exercise 2: Initialiser la récompense Exercise 3: Configurer le formateur de récompense Exercise 4: Entraîner avec PPO Exercise 5: Initialiser l’entraîneur PPO Exercise 6: Ajustement fin avec PPO Exercise 7: Un réglage fin efficace en RLHF Exercise 8: Préparer l’entraînement en 8 bits Exercise 9: Entraîner avec LoRA

Explorez les techniques essentielles pour évaluer et améliorer les performances des modèles dans ce dernier chapitre sur le Reinforcement Learning from Human Feedback (RLHF) : des métriques de fine-tuning à l’intégration de sources de retours variées, vous disposerez d’une boîte à outils complète pour affiner vos modèles avec efficacité.

Exercise 1: Métriques et ajustements du modèle Exercise 2: Atténuer une divergence KL négative Exercise 3: Vérifier le modèle de récompense Exercise 4: Intégrer des sources de retour d’information variées Exercise 5: Vote majoritaire sur plusieurs sources de données

Exercice en cours

Exercise 6: Identifier une source de données peu fiable Exercise 7: Évaluer des modèles RLHF Exercise 8: Interpréter des courbes Exercise 9: Évaluer le RLHF avec des métriques Exercise 10: Conclusion de votre parcours RLHF