Большие языковые модели в вопросно-ответных системах: от трансформера до собственного чат бота

Большие языковые модели (LLM) стали важным направлением в области искусственного интеллекта и компьютерной лингвистики. Они используются для генерации текста, перевода, ответов на вопросы и многих других задач обработки естественного языка. Современные LLM, такие как GPT-3, LLaMa, Mistral могут генерировать связные и качественные тексты. Одним из типичных сценариев использования LLM являются вопросно-ответные системы, в которых языковая модель выступает в качестве эксперта для ответа на вопросы пользователя. Однако, в порожденных моделью ответах на вопросы встречаются так называемые галлюцинации - случаи генерации выдуманных фактов, событий и концепций. Помимо этого существует взаимосвязанная проблема отсутствия нужных знаний в модели. Одним из способов борьбы с этими проблемами является использование информационно-поисковых систем, из которых извлекаются релевантные вопросу фрагменты текста, которые подаются в качестве подсказки / помощи в языковые модели. По этим причинам, в курсе будут рассмотрены современные подходы к информационному поиску и поиску ответов на вопросы на основе LLM, а также современная технология комбинирования LLM и информационного поиска Retrieval Augmented Generation (RAG).

Основная цель курса — предоставить студентам знания как в теоретических основах, архитектуре, так и методах обучения и применении больших языковых моделей. Курс содержит существенную практическую составляющую и направлен на то, чтобы студенты смогли:

1. Понять принципы работы трансформеров;

2. Освоить методы применения, обучения и тонкой настройки LLM на различных задачах обработки естественного языка;

3. Изучить способы комбинирования информационного поиска и LLM в задаче генерации ответов на вопросы, в частности технологию Retrieval Augmented Generation (RAG);

4. Разработать собственные проекты с использованием LLM и оценить их эффективность.

Требования к студентам:

• Базовые знания machine learning;
• Базовые знания deep learning, pytorch;
• Базовые знания natural language processing;
• Python.

Набор 2024

Занятия проводятся в ауд. 607 (2ой ГУМ) на факультете вычислительной математики и кибернетики МГУ им. М. В. Ломоносова

В программе курса 12 занятий: 11 лекций, 1 семинар, а также 5 практических домашних заданий

Формат проведения: офлайн

Старт курса: 15 февраля 2024 года

Занятия будут проходить по четвергам с 18:00 до 19:35

Набор на курс 2023/2024 года закрыт

Занятия проводятся в ауд. 607 (2ой ГУМ) на факультете вычислительной математики и кибернетики МГУ им. М. В. Ломоносова

В программе курса 12 занятий: 11 лекций, 1 семинар, а также 5 практических домашних заданий

Формат проведения: офлайн

Старт курса: 15 февраля 2024 года

Занятия будут проходить по четвергам с 18:00 до 19:35

Набор на курс 2023/2024 года закрыт