ভাষা এআই গাইড

উপসর্গ টিউনিং

উপসর্গ টিউনিং হল একটি হিমায়িত ভাষা মডেলকে মানিয়ে নেওয়ার একটি পরামিতি-দক্ষ উপায় যা প্রতিটি স্তরের ইনপুটে প্রিপেন্ড করা ধারাবাহিক ভেক্টরের একটি ছোট সেটকে প্রশিক্ষণ দিয়ে।

2 মিনিট পঠিতসর্বশেষ আপডেট করা হয়েছে

ওভারভিউ

It lets you customize giant models for new tasks while updating less than 1% of parameters.

গভীর ডুব

প্রিফিক্স টিউনিং, 2021 সালে স্ট্যানফোর্ড গবেষক লি এবং লিয়াং দ্বারা প্রবর্তিত, একটি পূর্বপ্রশিক্ষিত ট্রান্সফরমারকে এর ওজন স্পর্শ না করেই মানিয়ে নেয়। সমস্ত পরামিতিগুলিকে সূক্ষ্ম-টিউন করার পরিবর্তে, এটি প্রতিটি মনোযোগ স্তরে কী এবং মানগুলির সাথে প্রশিক্ষণযোগ্য 'ভার্চুয়াল টোকেন' (উপসর্গ) এর একটি ক্রম প্রিপেন্ড করে। হিমায়িত মডেলটি এই উপসর্গটিতে উপস্থিত থাকে যেন এটি বাস্তব প্রসঙ্গ, একটি লক্ষ্য কাজের দিকে তার আচরণকে পরিচালনা করে। যেহেতু শুধুমাত্র উপসর্গ ভেক্টর শেখা হয়, আপনি একটি সম্পূর্ণ মডেল অনুলিপির পরিবর্তে একটি টাস্ক প্রতি একটি ক্ষুদ্র উপসর্গ সংরক্ষণ করতে পারেন। এটি অনেকগুলি কাজকে সস্তা করে তোলে এবং সম্পূর্ণ ফাইন-টিউনিংয়ের স্টোরেজ ব্লআপ এড়ায়। এটি টেবিল-টু-টেক্সট এবং সংক্ষিপ্তকরণের মতো প্রজন্মের কাজগুলিতে বিশেষভাবে ভাল সঞ্চালন করে, প্রায়শই উচ্চ-ডেটা সেটিংসে সম্পূর্ণ সূক্ষ্ম-টিউনিংয়ের সাথে মিলে যায়।

প্রযুক্তিগত অন্তর্দৃষ্টি

প্রম্পট টিউনিংয়ের বিপরীতে, যা শুধুমাত্র ইনপুট এম্বেডিং স্তরে ভেক্টর যোগ করে, প্রিফিক্স টিউনিং প্রতিটি ট্রান্সফরমার স্তরের স্ব-মনোযোগে প্রশিক্ষণযোগ্য কী/মান ভেক্টরকে ইনজেক্ট করে। প্রশিক্ষণকে স্থিতিশীল করার জন্য, উপসর্গটি সাধারণত সরাসরি অপ্টিমাইজ করার পরিবর্তে একটি ছোট ফিড-ফরোয়ার্ড নেটওয়ার্ক (একটি পুনঃপ্যারামিটারাইজেশন কৌশল) দ্বারা তৈরি করা হয়; শুধুমাত্র শেখা উপসর্গ ম্যাট্রিক্স রেখে সেই নেটওয়ার্কটি প্রশিক্ষণের পরে বাতিল করা হয়। শুধুমাত্র এই উপসর্গ পরামিতিগুলি গ্রেডিয়েন্টগুলি গ্রহণ করে - সমগ্র মেরুদণ্ড হিমায়িত থাকে।

কৌশলগত প্রভাব

গতি এবং স্কেল

ভাষার কর্মপ্রবাহ ধারাবাহিকতাকে ত্যাগ না করে দ্রুত অগ্রসর হতে পারে।

অ্যাক্সেস এবং পৌঁছানো

এটি ভাষা এবং যোগাযোগ শৈলী জুড়ে অ্যাক্সেস প্রসারিত করে।

সুস্পষ্ট সিদ্ধান্ত

অটোমেশন পুনরাবৃত্তি পরিচালনা করার সময় দলগুলি বিচারে আরও বেশি সময় ব্যয় করতে পারে।

উপসর্গ টিউনিং এর ভবিষ্যত

উপসর্গ টিউনিং প্যারামিটার-দক্ষ ফাইন-টিউনিং (PEFT) তরঙ্গ চালু করতে সাহায্য করেছে এবং Hugging Face PEFT এর মতো লাইব্রেরিতে একটি বিল্ডিং ব্লক হিসাবে রয়ে গেছে। বেস মডেলগুলি শত শত বিলিয়ন প্যারামিটারে পরিণত হওয়ার সাথে সাথে প্রিফিক্সের মতো লাইটওয়েট অ্যাডাপ্টারগুলি মাল্টি-টেন্যান্ট সার্ভিং এবং অন-ডিভাইস ব্যক্তিগতকরণের জন্য ক্রমবর্ধমান আকর্ষণীয়। ক্রমাগত হাইব্রিড পদ্ধতির প্রত্যাশা করুন যা LoRA-শৈলীর নিম্ন-র্যাঙ্ক আপডেটগুলির সাথে উপসর্গগুলিকে মিশ্রিত করে এবং সম্পূর্ণ মডেলগুলিকে পুনরায় প্রশিক্ষণ না দিয়ে শৈলী, ব্যক্তিত্ব এবং নিরাপত্তা আচরণ নিয়ন্ত্রণে ক্রমবর্ধমান ব্যবহার।

বাস্তব-বিশ্ব বাস্তবায়ন

ওয়েবএনএলজি ডেটাসেটে একটি ছোট উপসর্গ প্রশিক্ষণের মাধ্যমে টেবিল-টু-টেক্সট তৈরির জন্য একটি হিমায়িত GPT-2 ব্যাকবোনকে মানিয়ে নেওয়া

একটি একক ভাগ করা মডেল থেকে কয়েক ডজন গ্রাহক-নির্দিষ্ট সারসংক্ষেপ শৈলী পরিবেশন করা হচ্ছে, প্রতিটি একটি অদলবদলযোগ্য উপসর্গ ফাইল হিসাবে

একটি চ্যাটবটের জন্য একটি ভাষা মডেলের টোন বা ব্যক্তিত্ব স্টিয়ারিং বেস ওজন পুনরায় প্রশিক্ষণ ছাড়া

লো-ডেটা ডোমেন অ্যাডাপ্টেশন, যেমন আইনি বা মেডিকেল টেক্সট জেনারেশন, যেখানে সম্পূর্ণ ফাইন-টিউনিং ওভারফিট হবে

ঝুঁকি এবং প্রহরী

হ্যালুসিনেটেড ফ্যাক্টগুলি শান্তভাবে রিপোর্ট, সমর্থন প্রবাহ, বা গবেষণা আউটপুট প্রবেশ করতে পারে।

প্রম্পট সংবেদনশীলতা অনুরূপ অনুরোধ জুড়ে অসামঞ্জস্যপূর্ণ ফলাফল তৈরি করতে পারে।

অ্যাক্সেস কন্ট্রোল দুর্বল হলে সংবেদনশীল পাঠ্য ডেটা উন্মুক্ত হতে পারে।

বাস্তবায়ন রোডম্যাপ

1

রোলআউট করার আগে আউটপুট ফর্ম্যাট, টোন এবং মানের মান নির্ধারণ করুন।

2

যখনই নির্ভুলতা গুরুত্বপূর্ণ তখন বিশ্বস্ত উত্সের সাথে গ্রাউন্ড প্রতিক্রিয়া।

3

উচ্চ-স্টেকের আউটপুটগুলির জন্য একটি মানব পর্যালোচনা চেকপয়েন্ট রাখুন।

4

ব্যর্থতার নিদর্শনগুলি ট্র্যাক করুন এবং প্রম্পট বা ওয়ার্কফ্লোগুলিকে নিয়মিতভাবে পুনরায় প্রশিক্ষণ দিন।

অন্বেষণ চালিয়ে যান

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Prefix Tuning quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

কুইজ শুরু করুন

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

পরবর্তী গাইড

প্রত্যাখ্যান স্যাম্পলিং ফাইন-টিউনিং

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

What is Prefix Tuning?

উপসর্গ টিউনিং হল একটি হিমায়িত ভাষা মডেলকে মানিয়ে নেওয়ার একটি পরামিতি-দক্ষ উপায় যা প্রতিটি স্তরের ইনপুটে প্রিপেন্ড করা ধারাবাহিক ভেক্টরের একটি ছোট সেটকে প্রশিক্ষণ দিয়ে। এটি আপনাকে 1% এর কম প্যারামিটার আপডেট করার সময় নতুন কাজের জন্য দৈত্য মডেলগুলি কাস্টমাইজ করতে দেয়৷

উপসর্গ টিউনিং আসলে কি প্রশিক্ষণ দেয়?

উপসর্গ টিউনিং ব্যাকবোন হিমায়িত করে এবং এটিকে পরামিতি-দক্ষ রেখে অবিচ্ছিন্ন উপসর্গ ভেক্টরের একটি ছোট সেট শিখে।

উপসর্গ ভেক্টর কোথায় ইনজেক্ট করা হয়?

উপসর্গ টিউনিং প্রতিটি ট্রান্সফরমার স্তরের স্ব-মনোযোগে প্রশিক্ষিত কী/মান ভেক্টরগুলিকে প্রিপেন্ড করে, শুধু ইনপুট নয়।

উপসর্গ টিউনিং কে চালু করেন এবং মোটামুটি কখন?

2021 সালে স্ট্যানফোর্ডে জিয়াং লিসা লি এবং পার্সি লিয়াং প্রিফিক্স টিউনিং প্রস্তাব করেছিলেন।

উপসর্গ টিউনিং কেন অনেক কাজের জন্য আকর্ষণীয়?

কারণ শুধুমাত্র ছোট উপসর্গটি টাস্ক-নির্দিষ্ট, আপনি পুরো মডেলের নকল না করে প্রতি টাস্কে একটি ছোট ফাইল সংরক্ষণ করেন।

উপসর্গ প্রশিক্ষণ স্থিতিশীল করতে প্রায়ই কোন কৌশল ব্যবহার করা হয়?

একটি ছোট MLP স্থিতিশীলতার জন্য প্রশিক্ষণের সময় উপসর্গ তৈরি করে, তারপর ফেলে দেওয়া হয়, শুধুমাত্র শেখা উপসর্গ ম্যাট্রিক্সগুলি রেখে।