Создание обучающих примеров
В рамках разработки чат-бота для службы поддержки клиентов вы создаёте конвейер для предобработки набора данных, который в дальнейшем будет использоваться для дообучения языковой модели. Цель — научить модель определять намерение клиента по его вопросу и направлять запросы в нужный отдел для обработки.
Вам предоставлен набор данных, в котором вопрос клиента и его намерение хранятся в отдельных столбцах. Необходимо выполнить предобработку: объединить вопрос и намерение в единую строку в соответствии с заданным шаблоном.
Набор данных уже загружен в переменную dataset. Он содержит столбец instruction с вопросом клиента и столбец intent с намерением пользователя.
Это упражнение является частью курса
Файн-тюнинг с Llama 3
Инструкции к упражнению
- Создайте строку запроса, включающую инструкцию и намерение, в формате
"Query: {instruction}\nIntent: {intent}". - Заполните вызов функции, передав набор данных, чтобы применить функцию
create_intent_exampleк каждой строке. - Извлеките и выведите значение из столбца
intent_exampleдля первой строки набора данных.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
def create_intent_example(row):
# Fill out the columns in the prompt
row['intent_example'] = ____
return row
# Call the ds method to apply our preprocessing function to all rows
processed_dataset = dataset.____(____)
# Print the intent_example in the first row of the processed data
print(processed_dataset[____][____])