Finjustera Llama för kundtjänst-QA
Du arbetar på ett företag som bygger chattbotar för kundtjänst. Ditt team använder Llama-modeller i er kundtjänstbot, och du vill förbättra modellen genom att finjustera den på en fråge- och svarsdatamängd kopplad till kundtjänst. För att få ut så mycket som möjligt av modellerna ska ditt team finjustera en Llama-modell för den här uppgiften med hjälp av bitext-datamängden.
Träningsskriptet är nästan färdigt – det enda som saknas är det sista steget där du sätter ihop modellen, tokeniseraren, träningsdatamängden och träningsargumenten och startar träningen.
Den här övningen är en del av kursen
Finjustering med Llama 3
Övningsinstruktioner
- Importera klassen som används för övervakad finjustering från dess bibliotek.
- Instansiera klassen för övervakad finjustering genom att skicka in
model,tokenizer,datasetochtraining_arguments. - Anropa instansmetoden för att starta finjusteringen av din modell.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import the supervised fine-tuning class
from ____ import ____
# Instantiate fine-tuning class
trainer = ____(
# Pass necessary arguments
____=____,
____=____,
____=____,
____=____,
)
# Start training
trainer.____()