Improving Accuracy of LLM Applications

提高LLM應用的準確性

歡迎使用“ LLM應用程序的提高準確性”課程！該課程提供了一種系統的方法來增強LLM應用程序的準確性和可靠性。

課程摘要

許多開發人員在LLM應用程序中遇到不一致的結果。 ？本課程旨在通過通過評估，及時的工程，自我反思和微調技術來提高精度來解決這些挑戰。

你會做什麼：

1. ？ SQL代理開發：構建文本到SQL代理，並模擬其幻覺以開始評估過程的情況。

2. 評估框架：創建一個強大的框架，以系統地衡量性能，包括良好評估的標準，最佳實踐和製定評估得分。

3. 教學微調：了解指導如何微調幫助LLMS更準確地遵循指示，以及記憶如何嵌入事實以減少幻覺。
4. 性能高效的微調（PEFT） ：發現高級適應（LORA）和記憶專家（MOME）的混合物，以減少訓練時間，同時改善模型性能。
5. 迭代微調：遍歷生成培訓數據，微調和應用實用技巧以提高模型準確性的迭代過程。

？關鍵點

• 系統的改進：學習開發步驟，從評估，提示，自我反省和微調，以提高模型的可靠性和準確性。
• ？內存調整：通過嵌入事實以減少幻覺來增強模型的性能。
• ？ Llama模型：使用Llama 3-8B模型來構建一個LLM應用程序，該應用程序將文本轉換為使用自定義模式的SQL。

？ ‍？關於講師

• Sharon Zhou ：Lamini的聯合創始人兼首席執行官，Sharon帶來了她在LLM開發和微調方面的專業知識。
• Amit Sangani ：Meta的合作夥伴工程高級總監，Amit分享了有關工程可靠LLM應用程序的寶貴見解。

？要註冊課程或以獲取更多信息，請訪問DeepLearning.AI。