LML DAP

LML＆DAP

言語モデルデータを得た予測のためのデータセットの学習

LLMSを使用した機械学習の代替手段

注記

サポートを表示するには、リポジトリに出演してください。

なぜLML＆DAP：

• 分類タスクは通常、機械学習（ML）モデルを使用して処理されますが、これは精度と解釈可能性のバランスがありません。
• このプロジェクトでは、説明可能な方法で分類タスクに大規模な言語モデル（LLM）を使用するための新しいアプローチを紹介します。
• データクリーニングと機能エンジニアリングに大きく依存しているMLモデルとは異なり、この方法はLLMを使用してプロセスを合理化します。

LMLプロセス：

DAPプロセス：

結果：

Praneeth Vadlapatiによって作成された（@prane-eth）

？研究論文

研究論文のプレプリントはarxivで入手できます

？引用

参照のために私の論文を使用するには、以下のように引用してください。

 @misc { vadlapati2024lmldap ,
	title = { {LML-DAP: Language Model Learning a Dataset for Data-Augmented Prediction} } ,
	author = { {Praneeth Vadlapati} } ,
	year = { 2024 } ,
	eprint = { 2409.18957 } ,
	archivePrefix = { arXiv } ,
	primaryClass = { cs.CL } ,
	url = { https://arxiv.org/abs/2409.18957 }
}

クイックスタート

pip install -r requirements.txt
cp .env.example .env

次に、 .envファイルを編集して値を追加します。
ファイル実験lml.ipynbを実行します

より多くのプロジェクト

その他のプロジェクトについては、プロフィールを開きます： @pro-genai

貢献

貢献は大歓迎です！バグレポートや提案の問題を自由に作成してください。
貢献するには、リポジトリを主演させて問題を作成してください。それを解決できない場合は、誰にでもプルリクエストを作成できるようにします。

？ライセンス

Copyright©2024 Praneeth Vadlapati
詳細については、ライセンスファイルを参照してください。
私の仕事を使用する許可を要求するには、以下のリンクを使用して私に連絡してください。

ショ和免責事項

コードは、生産環境での使用を目的としていません。このコードは、教育および研究の目的のみを目的としています。このコードによって引き起こされた誤用や損害について責任を負う著者はいません。あなた自身の責任でそれを使用してください。コードは、保証または保証なしで提供されます。

謝辞

• この研究プロジェクトの時間を節約してくれた高速LLM推論について、 GROQ （https://groq.com/）に感謝します。
• 画像クレジット：
  • データベース：https：//pixabay.com/vectors/database-data-storage-cylinder-149760/
  • データの概要：https：//pixabay.com/vectors/documents-paper-text-icon-149799/
  • テストデータ：https：//pixabay.com/vectors/flask-test-tube-icon-medical-5817899/
  • チェックマーク：https：//pixabay.com/vectors/confirmation-symbol-icon-green-1152155/

？接触

個人的なクエリについては、私の連絡先の詳細をこちらをご覧ください：linktr.ee/prane.eth