Improving Accuracy of LLM Applications

提高LLM应用的准确性

欢迎使用“ LLM应用程序的提高准确性”课程！该课程提供了一种系统的方法来增强LLM应用程序的准确性和可靠性。

课程摘要

许多开发人员在LLM应用程序中遇到不一致的结果。 ？本课程旨在通过通过评估，及时的工程，自我反思和微调技术来提高精度来解决这些挑战。

你会做什么：

1. ？ SQL代理开发：构建文本到SQL代理，并模拟其幻觉以开始评估过程的情况。

2. 评估框架：创建一个强大的框架，以系统地衡量性能，包括良好评估的标准，最佳实践和制定评估得分。

3. 教学微调：了解指导如何微调帮助LLMS更准确地遵循指示，以及记忆如何嵌入事实以减少幻觉。
4. 性能高效的微调（PEFT） ：发现高级适应（LORA）和记忆专家（MOME）的混合物，以减少训练时间，同时改善模型性能。
5. 迭代微调：遍历生成培训数据，微调和应用实用技巧以提高模型准确性的迭代过程。

？关键点

• 系统的改进：学习开发步骤，从评估，提示，自我反省和微调，以提高模型的可靠性和准确性。
• ？内存调整：通过嵌入事实以减少幻觉来增强模型的性能。
• ？ Llama模型：使用Llama 3-8B模型来构建一个LLM应用程序，该应用程序将文本转换为使用自定义模式的SQL。

？‍？关于讲师

• Sharon Zhou ：Lamini的联合创始人兼首席执行官，Sharon带来了她在LLM开发和微调方面的专业知识。
• Amit Sangani ：Meta的合作伙伴工程高级总监，Amit分享了有关工程可靠LLM应用程序的宝贵见解。

？要注册课程或以获取更多信息，请访问DeepLearning.AI。