fragaria

Fragaria - от R -R в клубнике до сложных проблем с решением проблем

Рассудивание API Advanced of Geand of Monder (COT) с обучением подкрепления (RL)

Fragaria - это мощная и гибкая цепочка мышления (COT) API, которая использует различные поставщики различных языковых моделей (LLM) и включает в себя методы обучения подкреплению (RL) для решения сложных проблем и ответа на сложные вопросы. Названная в честь ботанического рода клубники, Fragaria отдает дань уважения знаменитому «Сколько» в клубнике? » Проблема, символизируя его способность решать как простые, так и сложные запросы с равной изяществом.

Оглавление

• Функции
• Установка
• Конфигурация
• Использование
• Документация API
• Примеры
• Внося
• Лицензия

Функции

• Поддержка с несколькими проваленными : беспрепятственно переключается между OpenAI, Groq и вместе. AI в качестве поставщиков LLM.
• Цепочка мышления : Используйте сложные методы кроватки, чтобы разбить и решить сложные проблемы.
• Подкрепление обучения : используйте алгоритмы RL, чтобы постоянно улучшать стратегии решения проблем и адаптироваться к новым проблемам.
• Адаптивное обучение : повышение производительности с течением времени благодаря системе оценки на основе SQLite, интегрированной с методами RL.
• Настраивается : простой для обновления файл конфигурации YAML для гибкой настройки параметров LLM и RL.
• Документация OpenAPI : Комплексная документация по API с Swagger UI и Redoc.
• Поддержка CORS : встроенный обмен ресурсами кросс-аоригина для легкой интеграции с веб-приложениями.

Установка

1. Клонировать репозиторий:

    git clone https://github.com/terraprompt/fragaria.git
   cd fragaria
   

2. Создайте виртуальную среду (необязательно, но рекомендуется):

    python -m venv venv
   source venv/bin/activate  # On Windows, use `venvScriptsactivate`
   

3. Установите требуемые зависимости:

    pip install -r requirements.txt
   

Конфигурация

1. Скопируйте файл config.yaml.example в config.yaml :

    cp config.yaml.example config.yaml
   

2. Откройте config.yaml и обновите следующие настройки:

   • Установите свой предпочтительный llm_provider (OpenAI, GROQ или вместе)
   • Добавьте свои клавиши API для соответствующих поставщиков
   • При необходимости отрегулируйте имена моделей
   • При необходимости измените путь пути к базе данных и настройки сервера

Использование

1. Запустите сервер API Fragaria:

    python main.py
   

2. API будет доступен по адресу http://localhost:8000 (или хост/порт, указанный в вашей конфигурации).

3. Теперь вы можете отправить запросы на почту на http://localhost:8000/v1/chat/completions чтобы использовать цепочку мышления мышления.

Документация API

Fragaria предоставляет комплексную документацию API:

• Swagger UI: http://localhost:8000/docs
• Redoc: http://localhost:8000/redoc
• Openapi Json Schema: http://localhost:8000/openapi.json

Примеры

Вот некоторые проблемы примера, которые вы можете решить, используя Fragaria:

1. Классическая проблема с клубникой:

   {
     "model" : " faragia-dev " ,
     "messages" : [
       { "role" : " user " , "content" : " How many 'r's in strawberry? " }
     ]
   }

2. Более сложная возрастная головоломка:

   {
     "model" : " faragia-dev " ,
     "messages" : [
       { "role" : " user " , "content" : " A princess is as old as the prince will be when the princess is twice as old as the prince was when the princess's age was half the sum of their present age. What is the age of prince and princess? Provide all solutions to that question. " }
     ]
   }

Чтобы решить эти проблемы, отправьте запрос сообщения в /v1/chat/completions с приведенными выше полезными нагрузками JSON.

Как это работает

Fragaria использует сложную цепочку мышления (COT) процесс рассуждений, улучшенной за счет обучения подкреплением:

1. Классификация проблем : классифицирует проблему ввода на известные или новые типы проблем.
2. Генерация пути COT : создает несколько подходов к рассуждениям для типа проблемы, под влиянием прошлых результатов.
3. Параллельное выполнение : применяет каждую траекторию кренку к проблеме одновременно.
4. Комбинация результатов : синтезирует результаты разных путей.
5. Оценка : оценки эффективности каждого подхода.
6. Обновление подкрепления обучения : использует оценки оценки в качестве вознаграждений для обновления политики RL, влияя на будущие выборы путей и поколения.
7. Адаптивное обучение : обновляет базу данных оценивания и модель RL для повышения будущей производительности.

Этот процесс, усиленный RL, позволяет Fragaria не только решать широкий спектр проблем, но и учиться и адаптировать свои стратегии с течением времени, становясь все более эффективным в решении как знакомых, так и новых типов проблем.

Внося

Мы приветствуем вклад в Fragaria! Пожалуйста, следуйте этим шагам, чтобы внести свой вклад:

1. Вилка репозитория.
2. Создайте новую ветку для вашей функции или исправления ошибок.
3. Сделайте свои изменения и совершите их с помощью четких, описательных сообщений.
4. Встаньте свои изменения в свою вилку.
5. Отправьте запрос на привлечение в основной репозиторий Fragaria.

Пожалуйста, убедитесь, что ваш код придерживается стандартов кодирования проекта и включите тесты для новых функций.

Лицензия

Fragaria выпускается по лицензии MIT. Смотрите файл лицензии для получения подробной информации.

Цитирование

Если вы используете Fragaria в своем исследовании или хотите обратиться к ней в своих публикациях, используйте следующую запись Bibtex:

 @software { fragaria2024 ,
  author       = { {Dipankar Sarkar} } ,
  title        = { Fragaria: Advanced Chain of Thought Reasoning API with Reinforcement Learning } ,
  year         = 2024 ,
  publisher    = { GitHub } ,
  journal      = { GitHub repository } ,
  howpublished = { url{https://github.com/terraprompt/fragaria} } ,
}

Что касается академических работ, вы можете цитировать Fragaria как:

Дипанк Саркар. (2024). Fragaria: передовая цепочка мышления API с учетом подкрепления [компьютерное программное обеспечение]. https://github.com/terraprompt/fragaria

---

Fragaria поддерживается командой Terraprompt. Для любых вопросов или поддержки, пожалуйста, откройте проблему в репозитории GitHub.