ПочатиПочніть безкоштовно

Створення тренувальних прикладів

У межах чатбота служби підтримки, який розробляє ваша команда, ви створюєте конвеєр для попередньої обробки набору даних. Його зрештою буде використано для тонкого налаштування мовної моделі, щоб вона могла передбачати намір запитання клієнта та спрямовувати звернення до відповідної команди для опрацювання.

Вам надано набір даних, де запит клієнта та намір зберігаються в окремих стовпцях. Ви хочете підготувати набір даних так, щоб об'єднати кожен приклад із запитанням і наміром в один рядок за допомогою вашого відформатованого підказу.

Набір даних уже завантажено в dataset. Він містить стовпці instruction із запитанням клієнта та intent із наміром користувача.

Ця вправа є частиною курсу

Тонке налаштування з Llama 3

Переглянути курс

Інструкції до вправи

  • Створіть рядок підказу з інструкцією та наміром у формі "Query: {instruction}\nIntent: {intent}".
  • Заповніть виклик функції з набором даних, щоб застосувати create_intent_example до кожного рядка.
  • Видобудьте та виведіть значення у стовпці intent_example в першому рядку набору даних.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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[____][____])
Редагувати та запускати код