รวบรวมข้อมูลอ้างอิง LLM (Large Language Model) ที่มีประโยชน์

ฉันกำลังเรียนรู้เพิ่มเติมเกี่ยวกับ LLM และฉันคิดว่าฉันจะบันทึกข้อมูลอ้างอิงที่เป็นประโยชน์เมื่อฉันไป ฉันขอขอบคุณคำแนะนำเพิ่มเติม

ในขณะนี้ ฉันกำลังเข้าใกล้สิ่งนี้ในฐานะเลเยอร์ต่างๆ:

1. วิศวกรรมพรอมต์ มุมมองของผู้ใช้ระดับสูง
2. ฝึกอบรม / ปรับแต่ง LLM ของคุณเอง มุมมองของนักพัฒนาแอปพลิเคชัน
3. วิธีการทำงานของ LLM ทำความเข้าใจว่าเทคโนโลยีพื้นฐานทำงานอย่างไร
4. กลยุทธ์ / หัวข้อที่กว้างขึ้น

• ChatGPT Prompt Engineering สำหรับนักพัฒนาโดย DeepLearning.AI
• บทนำเกี่ยวกับวิศวกรรมพรอมต์โดย Microsoft
• เทคนิคทางวิศวกรรมที่รวดเร็วโดย Microsoft
• เรียนรู้พร้อมท์
• Prompt Engineering ใน ChatGPT: หลักสูตรปริญญาโทที่ครอบคลุมโดย The Prompt Artisan
• ซูโดแลง “SudoLang เป็นภาษาปลอมที่ออกแบบมาสำหรับการโต้ตอบกับ LLM มีอินเทอร์เฟซที่เป็นมิตรกับผู้ใช้ซึ่งผสมผสานการแสดงออกของภาษาธรรมชาติเข้ากับโครงสร้างการเขียนโปรแกรมอย่างง่าย ทำให้ง่ายต่อการใช้งานสำหรับทั้งโปรแกรมเมอร์มือใหม่และผู้มีประสบการณ์”

• ปรับแต่งโมเดลภาษาขนาดใหญ่ด้วย Hugging Face และ DeepSpeed ​​โดย Sean Owen ที่ Databricks
• ปรับแต่ง 20B LLM ด้วย RLHF บน GPU สำหรับผู้บริโภคขนาด 24GBโดย Hugging Face
• xturingโดย Stochastic AI “ xturingให้การปรับแต่ง LLM อย่างรวดเร็ว มีประสิทธิภาพและง่ายดาย เช่น LLaMA, GPT-J, Galactica และอื่นๆ”

• ChatGPT ทำงานอย่างไรในทางเทคนิค | วิดีโอ สถาปัตยกรรม ChatGPTโดย ByteByteGo
• แปดเรื่องน่ารู้เกี่ยวกับโมเดลภาษาขนาดใหญ่โดย Samuel R. Bowman
• แนวทางปฏิบัติสำหรับโมเดลภาษาขนาดใหญ่ “รายการทรัพยากรแนวทางปฏิบัติของ LLM ที่คัดสรร (ยังคงปรับปรุงอย่างต่อเนื่อง)”
• Transformers จาก Scratchโดย Brandon Rohrer

• หมดยุคของโมเดล AI ขนาดใหญ่แล้ว | โดย อัลแบร์โต โรเมโร | เม.ย. 2566 | ปานกลาง