Tiếp theoHướng dẫn tiếp theo
Mô hình dự thảo giải mã suy đoán
Ngôn ngữ AI
HƯỚNG DẪN AI về ngôn ngữ
Hình phạt lặp lại và kiểm soát giải mã
Điều khiển giải mã là các nút quyết định cách mô hình ngôn ngữ chọn từng từ tiếp theo từ phân bố xác suất của nó.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Các cài đặt như nhiệt độ, top-p và hình phạt lặp lại sẽ định hình xem đầu ra có mang lại cảm giác sáng tạo, tập trung hay bị mắc kẹt trong các vòng lặp hay không.
Lặn sâu
Mô hình ngôn ngữ không xuất văn bản trực tiếp; nó đưa ra xác suất cho mọi mã thông báo tiếp theo có thể có. Giải mã là chiến lược biến những xác suất đó thành từ ngữ thực tế. Nhiệt độ định hình lại sự phân phối: các giá trị thấp làm sắc nét nó theo hướng mã thông báo có nhiều khả năng nhất (tập trung, mang tính quyết định), các giá trị cao làm phẳng nó (đa dạng, rủi ro). Top-k chỉ giữ k mã thông báo có khả năng xảy ra cao nhất; top-p (lấy mẫu hạt nhân) giữ tập hợp nhỏ nhất có tổng xác suất đạt đến ngưỡng như 0,9. Hình phạt lặp lại sẽ chia điểm số của các mã thông báo đã được sử dụng, khiến mô hình không thể lặp lại chính nó. Các biện pháp kiểm soát liên quan bao gồm hình phạt tần suất (được tính theo tần suất xuất hiện mã thông báo) và hình phạt hiện diện (hình phạt cố định khi mã thông báo xuất hiện). Việc điều chỉnh những điều này sẽ ngăn chặn cả vòng lặp robot và sự lan man không mạch lạc.
Triển khai trong thế giới thực
Một ứng dụng viết sáng tạo sẽ tăng nhiệt độ và top-p để tạo ra những phần tiếp theo câu chuyện đa dạng, đáng ngạc nhiên.
Một trợ lý mã hóa giảm nhiệt độ xuống gần bằng 0 để nó trả về khả năng hoàn thành mã xác định duy nhất có khả năng xảy ra nhất.
Một chatbot áp dụng hình phạt lặp lại khoảng 1,2 để ngăn nó lặp đi lặp lại cùng một cụm từ.
Người dùng API đặt ra hình phạt tần suất để ngăn cản người tóm tắt lạm dụng cùng một từ thông dụng trong một tài liệu dài.
Tương lai của hình phạt lặp lại và kiểm soát giải mã
Giải mã là một lĩnh vực nghiên cứu tích cực. Các phương pháp mới hơn như tìm kiếm tương phản, lấy mẫu điển hình, lấy mẫu eta và lấy mẫu min-p nhằm cân bằng sự mạch lạc và đa dạng một cách thông minh hơn so với các ngưỡng cố định. Giải mã suy đoán sử dụng một mô hình dự thảo nhỏ để tăng tốc độ tạo. Mong đợi các hệ thống trong tương lai sẽ điều chỉnh linh hoạt các tham số giải mã theo ngữ cảnh và hiển thị các điều khiển cấp cao đơn giản hơn để người dùng có thể yêu cầu 'sáng tạo hơn' hoặc 'chính xác hơn' mà không phải xử lý nhiệt độ và các hình phạt theo cách thủ công.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Tốc độ và tỷ lệ. Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
- Truy cập và tiếp cận. Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
- Quyết định rõ ràng hơn. Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
coi chừng
- Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
- Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
- Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Các bước tiếp theo
- Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
- Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
- Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
- Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Repetition Penalty and Decoding Controls quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Hình phạt lặp lại và kiểm soát giải mã là gì?
Điều khiển giải mã là các nút quyết định cách mô hình ngôn ngữ chọn từng từ tiếp theo từ phân bố xác suất của nó. Các cài đặt như nhiệt độ, top-p và hình phạt lặp lại sẽ định hình xem đầu ra có mang lại cảm giác sáng tạo, tập trung hay bị mắc kẹt trong các vòng lặp hay không.
Việc tăng thông số 'nhiệt độ' có tác dụng gì đối với đầu ra của mô hình?
Nhiệt độ cao hơn làm phẳng phân bố xác suất, khiến các token ít có khả năng cạnh tranh hơn và sản lượng trở nên đa dạng và khó đoán hơn.
Việc lấy mẫu top-p (hạt nhân) quyết định nên xem xét mã thông báo nào?
Top-p chọn nhóm mã thông báo hàng đầu nhỏ nhất có xác suất tích lũy đạt đến ngưỡng (ví dụ: 0,9), do đó nhóm ứng viên sẽ thích ứng với ngữ cảnh.
Hình phạt tái phạm thường có hiệu lực ở giai đoạn nào?
Hình phạt lặp lại sẽ sửa đổi nhật ký (điểm thô) của mã thông báo đã được sử dụng trước khi chúng được chuyển đổi thành xác suất, làm giảm cơ hội lựa chọn của chúng.
In OpenAI’s text-generation API, how do presence and frequency penalties differ?
OpenAI’s API guide describes frequency penalty as proportional to prior token count and presence penalty as a one-off adjustment for tokens already sampled.
For code completion where deterministic sampling is desired, which setting best matches the guide?
A temperature near zero reduces sampling randomness and makes output more deterministic; it does not guarantee that the selected code is correct.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này