Skapa träningsexempel
Ditt team håller på att bygga en kundtjänstchattbot, och du skapar en pipeline för att förbehandla en datamängd som senare ska användas för att finjustera en språkmodell. Målet är att modellen ska kunna förutsäga avsikten bakom en kunds fråga och vidarebefordra ärendet till rätt team.
Du har tillgång till en datamängd där kundens fråga och avsikt finns i separata kolumner. Du vill förbehandla datamängden så att varje exempel – frågan och avsikten – slås ihop till en enda sträng med din formaterade prompt.
Datamängden är redan inläst i dataset. Den innehåller kolumnen instruction med kundfrågan och kolumnen intent med användarens avsikt.
Den här övningen är en del av kursen
Finjustering med Llama 3
Övningsinstruktioner
- Skapa en promptsträng med instruktionen och avsikten i formatet
"Query: {instruction}\nIntent: {intent}". - Fyll i funktionsanropet med datamängden för att tillämpa
create_intent_examplepå varje rad. - Extrahera och skriv ut värdet i kolumnen
intent_exampleför den första raden i datamängden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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[____][____])