TAPO

Tapo: Adaptasi yang dirujuk tugas untuk optimasi yang cepat

[ICASSP'2025] Kode implementasi resmi tapo.

Coba sekarang!

Kami menyediakan file ipynb di folder 'demo' untuk dengan mudah menggunakan tapo.

Untuk menjalankan cuplikan kode yang disediakan, Anda perlu menyediakan kredensial akses tertentu. Inilah rincian dari apa yang Anda butuhkan:

1. Token akses hub hub wajah :

   • Anda perlu mendapatkan token akses dari Hugging Face Hub.
   • Ganti 'YOUR_ACCESS_TOKEN' dengan token Anda yang sebenarnya di fungsi login :

      from huggingface_hub import login
     login ( 'YOUR_ACCESS_TOKEN' , add_to_git_credential = True )

   • Token ini digunakan untuk mengotentikasi dan mengakses sumber daya yang tersedia di Face Memeluk.

2. Kunci API Openai :

   • Anda memerlukan kunci API dari OpenAI untuk menggunakan layanan mereka.
   • Ganti 'YOUR_API_KEY' dengan kunci API Anda yang sebenarnya dalam pengaturan klien OpenAI :

      from openai import OpenAI
     client = OpenAI ( api_key = 'YOUR_API_KEY' )

3. ID Model :

   • Tentukan ID Model yang ingin Anda gunakan dari OpenAI.
   • Ganti 'YOUR_MODEL_ID' dengan ID model spesifik:

      model_id = 'YOUR_MODEL_ID'

Pastikan Anda mengatur kredensial ini di lingkungan Anda untuk berhasil mengotentikasi dan menjalankan kode.

Sturcture kode

• Data |- Dataset |- gsm.py |- mutation_prompts.py |- thinking_styles.py |- type.py
• Tapo_main.ipynb: notebook mendemonstrasikan tapo

Deskripsi Format Dataset

Dalam basis kode ini, setiap catatan dalam dataset disimpan dalam format JSON dan berisi dua bidang utama: question dan answer . Di bawah ini adalah deskripsi terperinci dari format:

{
  "question" : "A robe takes 2 bolts of blue fiber and half that much white fiber. How many bolts in total does it take?" ,
  "answer" : "It takes 2/2=<<2/2=1>>1 bolt of white fiber n So the total amount of fabric is 2+1=<<2+1=3>>3 bolts of fabric n #### 3"
}