Επικοινωνήστε μαζί μας
 Διάρκεια 7 Ώρες

Εξέλιξη Κομματιού

Από τη Γενίκευση Κειμένου στην Τυποποιημένη Απόφαση

  • Τι επιστρέφει ένα μοντέλο αποφάσεων
  • Αποφάσεις System one σε αντίθεση με LLMs σκέψης
  • Profil κόστους και καθυστέρησης των πεπερασμένων αποφάσεων

Το Τοπίο των Μοντέλων Αποφάσεων με Ανοιχτά Βάρη

  • Strands Decider 2B από τα AWS Labs
  • Οικογένειες ανοιχτών βαρών JEV και GEV
  • Pplx-Decider, Liquid D1 και Clef
  • Διαφορές σε άδειες χρήσης και διαployment

Μέσα σε Ένα Μοντέλο Αποφάσεων

  • Τορσός (torso) LLM χωρίς κεφαλή μοντελοποίησης γλώσσας
  • Κεφαλή δείκτη (pointer head) που βαθμολογεί πάνω από υποψήφιες επιλογές
  • Πού προέρχεται ο σκορ εμπιστοσύνης

Εκτέλεση των Πρώτων Αποφάσεων

  • Τοπική ρύθμιση σε CPU και κατανεμημένη GPU
  • Φόρμουλα ερωτήσεων και σετ επιλογών
  • Τέσσερις ερωτήσεις σε ένα μόνο πέρασμα (pass)
  • Όρια απόφασης (thresholds) και συμπεριφορά fallback

Αξιολόγηση της Ποιότητας της Απόφασης

  • JevBench και benchmarks αποφάσεων
  • Ακρίβεια σε αντίθεση με απόδοση (calibration)
  • Σκορ Brier και αξιοπιστία της εμπιστοσύνης
  • Κάστορα όπου ένα μοντέλο αποφάσεων είναι το λάθος εργαλείο

Απαιτήσεις

  • Βασική εξοικείωση με τα μεγάλα μοντέλα γλωσσών (LLMs) και εφαρμογές βασισμένες σε προτροπές (prompt-based).
  • Εξοικείωση με τη γραμμή εντολών και τα σενάρια Python.
  • Δεν απαιτείται εμπειρία στην εκπαίδευση machine learning.

Στόχος Κοινό

  • Μηχανικοί AI που αξιολογούν μοντέλα αποφάσεων για ροές εργασίας πρακτόρων
  • Προγραμματιστές λογισμικού που αντικαθιστούν κλήσεις LLM με πεπερασμένες αποφάσεις
  • Αρχιτέκτονες λύσεων και πλατφορμών που σχεδιάζουν αρχιτεκτονικές πρακτόρων
  • Τεχνικοί διαχειριστές προϊόντων που αξιολογούν επιλογές μοντέλων αποφάσεων

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Εφεξής Μαθήματα

Σχετικές Κατηγορίες