बड़े भाषा मॉडल, समझाया गया
बड़े भाषा मॉडल, जिन्हें अक्सर LLM के रूप में संक्षिप्त किया जाता है, कई लेखन, प्रश्न-उत्तर, और संवादात्मक AI उपकरणों के पीछे होते हैं। वे टेक्स्ट को टोकन में बदलते हैं और उन टोकन के बीच संबंधों के साथ काम करते हैं।
एक बड़ा भाषा मॉडल एक डीप लर्निंग मॉडल है जिसे बड़ी मात्रा में डेटा पर प्रशिक्षित किया जाता है ताकि वह प्रॉम्प्ट को समझ सके और प्राकृतिक भाषा और अन्य सामग्री उत्पन्न कर सके।
एक LLM अगले टोकन की भविष्यवाणी करता है
एक LLM लिखना शुरू करने से पहले पूरा उत्तर तैयार नहीं करता है। यह एक टोकन की भविष्यवाणी करता है, उस टोकन को अनुक्रम में जोड़ता है, और प्रक्रिया को दोहराता है।
भविष्यवाणी प्रशिक्षण के दौरान सीखे गए पैटर्न और वर्तमान प्रॉम्प्ट में मौजूद सामग्री पर आधारित होती है। यह प्रक्रिया प्रवाहपूर्ण उत्तर उत्पन्न कर सकती है बिना यह गारंटी दिए कि प्रत्येक कथन सत्य है।
आसपास का एप्लिकेशन नियंत्रण जोड़ता है
मॉडल AI एप्लिकेशन का केवल एक हिस्सा है। एप्लिकेशन निर्देश जोड़ सकता है, व्यावसायिक दस्तावेज़ प्रदान कर सकता है, उपलब्ध क्रियाओं को सीमित कर सकता है, या किसी व्यक्ति से परिणाम को अनुमोदित करने के लिए कह सकता है।
वे नियंत्रण बदलते हैं कि मॉडल को कौन सी जानकारी मिलती है और उसके जवाब देने के बाद क्या हो सकता है। वे मॉडल के अंदर मूल अगले-टोकन प्रक्रिया को नहीं बदलते हैं।
बड़े भाषा मॉडल की शब्दावली
- Token
- टेक्स्ट की एक इकाई, जैसे कि एक शब्द, शब्द का हिस्सा, या विराम चिह्न, जिसे मॉडल प्रोसेस करता है।
- Transformer
- न्यूरल नेटवर्क डिज़ाइन जो मॉडल को टेक्स्ट के अनुक्रम में संबंधों को ट्रैक करने में मदद करता है।
- Inference
- एक प्रशिक्षित मॉडल का उपयोग करके नए प्रॉम्प्ट से उत्तर उत्पन्न करने की प्रक्रिया।
LLM प्रतिक्रिया को क्या आकार देता है
प्रॉम्प्ट
वर्तमान निर्देश और संदर्भ मॉडल को बताते हैं कि किस प्रतिक्रिया का प्रयास करना है।
प्रशिक्षण
प्रशिक्षण डेटा से सीखे गए पैटर्न यह आकार देते हैं कि मॉडल कौन से शब्दों की भविष्यवाणी करता है।
संदर्भ सीमा
मॉडल केवल उसी सामग्री पर विचार कर सकता है जो उसकी संदर्भ विंडो में फिट होती है।
बड़े भाषा मॉडल के बारे में प्रश्न
यह एक प्रॉम्प्ट को प्रोसेस करता है और टोकन का एक अनुक्रम उत्पन्न करता है। यह ड्राफ्टिंग, सारांश, टेक्स्ट वर्गीकरण, और प्रश्नों के उत्तर देने जैसे कार्यों का समर्थन करता है।
एक LLM डेटा से सीखे गए सांख्यिकीय संबंधों का उपयोग करता है। इसकी प्रवाहपूर्ण भाषा मानवीय समझ या तथ्यात्मक ज्ञान को साबित नहीं करती है।
यह प्रत्येक दावे को किसी स्रोत के विरुद्ध जांचने के बजाय संभावित टेक्स्ट की भविष्यवाणी करता है। एक एप्लिकेशन विश्वसनीय जानकारी और समीक्षा चरण जोड़ सकता है ताकि उस जोखिम को कम किया जा सके।
संबंधित शब्दावली शब्द
सरल भाषा को काम में लगाएं
Caffeine ऐप्स Internet Computer पर चलते हैं — एक पब्लिक नेटवर्क जो इसी के लिए बना है।