თქვით თქვენი ყველაზე საინტერესო პროექტი NLP და LLM სფეროში, მათ შორის არქიტექტურა და გადაწყვეტილების შეფასება.

ჩემი NLP და LLM პროექტებიდან ერთში, მე ვმუშაობდი ავტომატური ტექსტის ანალიზისა და გენერაციის სისტემაზე, რომელიც ემსახურებოდა მომხმარებელთა მხარდაჭერას. არქიტექტურა მოიცავდა რამდენიმე კომპონენტს:

• მონაცემების წინასწარი დამუშავება: ტექსტების სუფთავება და ნორმალიზება.
• პასუხების გენერაციისთვის ტრანსფორმატორებზე დაფუძნებული მოდელი (მაგ., GPT-ს მსგავსი არქიტექტურა).
• პასუხების ხარისხის შეფასების მოდული, რომელიც იყენებს perplexity და BLEU მეტრიკებს.

მოდელის სწავლებისთვის გამოიყენეს დიდი დიალოგების კორპუსები და სპეციალიზებული მონაცემთა ნაკრები. შედეგად, პასუხების სიზუსტე გაუმჯობესდა და მომხმარებელთა მოთხოვნების დამუშავების დრო შემცირდა. გადაწყვეტილების შეფასება განხორციელდა როგორც რაოდენობრივად (საფასური მეტრიკები), ასევე ხარისხობრივად (მომხმარებელთა უკუკავშირი).