» هوش مصنوعی » گوریل: LLM با API ها متصل است
هوش مصنوعی

گوریل: LLM با API ها متصل است

دی 11, 1348 1059

Gorilla یک مدل زبان بزرگ (LLM) است که قادر به فراخوانی APIها است. این در طیف گسترده ای از اسناد API آموزش دیده است و می تواند فراخوانی مناسب API را برای یک سوال زبان طبیعی معین، از جمله پارامترهای ورودی صحیح ایجاد کند. گوریل نسبت به تکنیک های قبلی برای فراخوانی API دقیق تر است و کمتر احتمال دارد که استفاده نادرست از API را توهم کند.

Gorilla LLM متصل به APIها

Gorilla یک مدل زبان بزرگ (LLM) است که با APIها متصل است. این برنامه بر روی مقدار زیادی از اسناد API آموزش دیده است و می تواند فراخوانی مناسب API را برای یک سوال زبان طبیعی مشخص، از جمله پارامترهای ورودی صحیح ایجاد کند. گوریل نسبت به تکنیک های قبلی برای فراخوانی API دقیق تر است و کمتر احتمال دارد که استفاده نادرست از API را توهم کند.

Gorilla ابزار مفیدی برای توسعه دهندگانی است که می خواهند عملیات را خودکار کنند یا برنامه ها را با استفاده از API بسازند. محققان علاقه مند به استفاده از API ها در پردازش زبان طبیعی نیز می توانند از آن استفاده کنند.

نحوه نصب مدل زبان گوریلا

  1. نصب Dependencies:
  • ترمینال یا خط فرمان خود را باز کنید.
  • برای ساختن یک محیط جدید Conda به نام “gorilla” با Python 3.10، از دستور زیر استفاده کنید:
conda create -n gorilla python=3.10
  • محیط گوریل را فعال کنید:
فعال کردن گوریل

بسته های پایتون لازم را با دستور زیر نصب کنید، با فرض اینکه فایلی به نام “requirements.txt” با وابستگی ها دارید:

pip install -r requirements.txt
  1. نصب Gorilla Delta Weights:
  2. استفاده از وزن دلتا:
    • جایگزین‌ها را در دستور پایتون زیر با مسیرهای فایل مناسب جایگزین کنید:
python apply_delta.py --base-model-path path/to/hf_llama/ --target-model-path path/to/gorilla-7b-hf-v0 --delta-path path/>
  • وزن های دلتا با این دستور به مدل LLaMA شما اعمال می شوند.
  1. استفاده از CLI برای استنتاج:
  • برای شروع تعامل با مدل گوریلا با استفاده از رابط خط فرمان (CLI)، از دستور زیر استفاده کنید:
python serve/gorilla_cli.py --model-path path/to/gorilla-7b-{hf,th,tf}-v0
  • Path/to/gorilla-7b-hf,th,tf-v0 باید با مسیر واقعی به مدل گوریلا جایگزین شود.
  1. استنتاج دسته ای در یک فایل درخواستی اختیاری است:
  • یک فایل JSONL با پرس و جوهایی که می خواهید مدل گوریلا به آنها پاسخ دهد بسازید. هر سوال باید به زبان JSON نوشته شود و دارای یک قسمت "question_id" و "text" باشد.
  • جایگزین‌ها را با مکان‌های مناسب فایل جایگزین کنید و دستور زیر را اجرا کنید:
python gorilla_eval.py --model-path path/to/gorilla-7b-hf-v0 --question-file path/to/questions.jsonl --answer-file path/to/answers.jsonl>co

این برنامه استنتاج دسته‌ای در مورد سؤالات فایل ورودی انجام می‌دهد و پاسخ‌های تولید شده را در فایل خروجی ذخیره می‌کند.

ساختار مخزن

سازمان >به عنوان دنبال کننده:

پوشه data شامل مجموعه‌های داده متنوعی از جمله اسناد API و مجموعه داده‌های APIBench است.

  • هر فایل در زیر شاخه api یک API را نشان می دهد و عنوان آن {api_name}_api.jsonl است.
  • زیر پوشه apibench شامل مجموعه داده های آموزش و ارزیابی مدل LLM است. این شامل فایل‌های {api_name}_train.jsonl و {api_name}_eval.jsonl است.
  • API های ارائه شده توسط انجمن را می توان در فهرست فرعی apizoo پیدا کرد.

پوشه eval شامل کد ارزیابی و خروجی‌ها است.

  • فایل README.md به احتمال زیاد حاوی دستورالعمل‌ها یا داده‌های مربوط به فرآیند ارزیابی است.
  • برای دریافت پاسخ از مدل‌های LLM، از اسکریپت get_llm_responses.py استفاده کنید.
  • دایرکتوری فرعی eval-scripts شامل اسکریپت های ارزیابی برای هر API است، مانند ast_eval_{api_name}.py.
  • دایرکتوری فرعی eval-data شامل سوالات و پاسخ های ارزیابی است.
    • فایل‌های سؤال در زیرپوشه questions بر اساس نام API و معیار ارزیابی سازمان‌دهی شده‌اند.
      • در زیر شاخه questions ، هر پوشه API دارای فایل هایی با عنوان questions_{api_name}_{eval_metric}.jsonl است.
    • فایل‌های پاسخ نیز در زیرپوشه responses بر اساس نام API و معیار ارزیابی سازمان‌دهی می‌شوند.
      • در پاسخ به زیرپوشه، هر پوشه API حاوی فایل‌هایی با عنوان responses_{api_name}Gorilla_FT{eval_metric}.jsonl و responses_{api_name}Gorilla_RT{eval_metric}.jsonl است.

پوشه inference حاوی کدی برای اجرای محلی Gorilla است.

  • فایل README.md این پوشه به احتمال زیاد حاوی دستورالعمل‌هایی برای اجرای کد استنتاج است.
  • دایرکتوری فرعی serve حاوی اسکریپت های رابط خط فرمان گوریلا (CLI) و یک الگوی چت است.
  • پوشه قطار برچسب "به زودی خواهد آمد!" و به احتمال زیاد قرار است شامل کد آموزشی مدل گوریلا باشد. با این حال، به نظر می رسد که این پوشه اکنون در دسترس نیست.

شما می‌توانید به

همچنین بخوانید:

محدودیت‌ها و تأثیرات اجتماعی

آنها APIهای ML را به دلیل شباهت های عملکردی آنها برای ایجاد یک مجموعه داده سخت انتخاب کردند. نقطه ضعف بالقوه APIهای متمرکز بر ML ظرفیت آنها برای ارائه پیش‌بینی‌های جانبدارانه زمانی است که بر روی داده‌های ناهموار آموزش داده می‌شوند، شاید برای برخی از گروه‌های فرعی مضر باشد. برای رفع این نگرانی و ترویج درک بهتر این APIها، آنها مجموعه داده بزرگی را با بیش از 11000 جفت دستورالعمل-API منتشر می کنند. این منبع با خدمت به عنوان یک ابزار عالی برای تحقیق و ارزیابی APIهای فعلی، به استفاده عادلانه تر و بهینه تر از یادگیری ماشین منجر می شود.

سؤالات متداول برای گوریلا: LLM متصل با APIها

گوریل چیست؟

Gorilla یک مدل زبان بزرگ (LLM) است که به چندین API مرتبط است. این امر گوریل را قادر می‌سازد اطلاعات را از منابع متعددی به دست آورد و تفسیر کند، و آن را به ابزاری همه کاره برای طیف وسیعی از مشاغل تبدیل می‌کند.

آیا نسخه دارای مجوز Apache 2.0 وجود دارد؟

بله! آنها یک مدل گوریلا را با مجوز آپاچی 2.0 تا 5 ژوئن منتشر خواهند کرد.

آیا می توانیم از Gorilla با Langchain، Toolformer، AutoGPT و برنامه های دیگر استفاده کنیم؟

مطمئنا! Gorilla یک مدل end-to-end است که به ویژه برای ارائه تماس های API مناسب بدون نیاز به کد بیشتر طراحی شده است. در نظر گرفته شده است که به عنوان بخشی از یک اکوسیستم بزرگتر عمل کند و به راحتی با فناوری های دیگر مرتبط شود.

برخی از کارهایی که گوریل می تواند انجام دهد چیست؟

گوریلا را می‌توان برای کارهای مختلفی استفاده کرد، از جمله:
ایجاد متن، ترجمه زبان، پاسخ به پرسش‌ها، ایجاد بسیاری از انواع مطالب خلاقانه، دسترسی و پردازش اطلاعات از منابع مختلف

چگونه از Gorilla LLM متصل با APIها استفاده کنم

گوریل ممکن است از طریق انواع API ها استفاده شود. گوریلا API رایج ترین راه برای استفاده از گوریلا است. Gorilla API دسترسی به ویژگی های Gorilla را از طریق طیف وسیعی از زبان های برنامه نویسی فراهم می کند.

این مقاله به شما کمک می‌کند تا Gorilla: LLM Connected with APIs را یاد بگیرید. ما اطمینان داریم که برای شما مفید بوده است. لطفاً نظرات و انتقادات خود را در بخش نظرات زیر به اشتراک بگذارید.

به این نوشته امتیاز بدهید!

افراد نیوز

افراد نیوز

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

  • ×