Обзор Эта модель предназначена для улучшения соблюдения предоставленного контекста (например, для приложений RAG) и уменьшения галлюцинаций, вдохновленных контекстно-зависимым форматом вопросов и ответов airoboros. Я знаю, что это немного многословно и раздражает, но после долгих проб и ошибок использование этих явных разделителей помогает модели понять, где найти ответы и как связать с ними конкретные источники. — BEGININPUT — обозначает новый входной блок — BEGINCONTEXT — обозначает блок контекста (пары ключ/значение метаданных), который будет связан с текущим входным блоком — ENDCONTEXT — обозначает конец блока метаданных для текущего ввода — [текст] — Вставьте любой текст, который вы хотите, для входного блока, столько абзацев, сколько может поместиться в контексте. — ENDINPUT — обозначает конец текущего входного блока — [повторите столько входных блоков в этом формате, сколько хотите] — BEGININSTRUCTION — обозначает начало списка (или одной) инструкции(й), на которые нужно ответить для всех входных блоков выше. — [инструкция(и)] — ENDINSTRUCTION — обозначает конец набора инструкций. Как показано в примере, набор данных включает в себя множество примеров включения сведений об источнике в ответ, когда вопрос запрашивает…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: TroyDoesAI
Теги: phi3, conversational, custom_code, text-generation-inference, endpoints_compatible
Лайков: 31 | Загрузок: 13
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
