AI 모델 설명

다양한 모델은 다양한 종류의 관계를 나타냅니다. 선형 모델은 가중치 기능을 결합합니다. 의사결정 트리는 학습된 분할을 따릅니다. 신경망은 여러 계층에 걸쳐 매개변수화된 변환을 결합합니다. 그 중에서 선택하는 것은 문제, 사용 가능한 예제, 계산 한계 및 사용자에게 필요한 설명의 종류에 따라 달라집니다. 학습에서는 매개변수 값을 선택합니다. 트리 깊이 제한이나 학습률과 같은 초매개변수는 학습 절차나 모델 구조를 제어하며 일반적으로 검증을 통해 선택됩니다. 이 두 가지를 혼동하면 실험을 재현하기가 어려워집니다. 기초 모델은 여러 작업에 맞게 조정될 수 있지만 이러한 유연성으로 인해 평가 요구 사항이 제거되는 것은 아닙니다. 프롬프트, 미세 조정 및 검색은 시스템의 다양한 부분을 변경합니다. 검색된 문서는 가중치를 변경하지 않고 사용 가능한 증거를 업데이트할 수 있습니다. 미세 조정은 현재 정보를 보장하지 않고 가중치를 변경합니다. 고정된 대표 입력 세트에 대해 후보를 비교합니다. 리더보드 점수뿐만 아니라 오류, 대기 시간, 메모리 및 오류 처리도 기록합니다. 작업 요구 사항을 충족하는 가장 간단한 옵션을 선호합니다. 모델 버전을 변경하는 경우 동작이 변경되는 동안 인터페이스가 안정적으로 유지될 수 있으므로 비교를 반복하십시오.