dspy

DSPY: البرمجة - لا تقدم - نماذج مطلقة

الوثائق: مستندات DSPY

---

DSPY هو الإطار المفتوح المصدر للبرمجة-من النماذج المطلوبة-النماذج . يتيح لك التكرار بسرعة على بناء أنظمة AI المعيارية ويوفر خوارزميات لتحسين المطالبات والأوزان الخاصة بها ، سواء كنت تقوم ببناء مصنفات بسيطة أو خطوط أنابيب خرقة متطورة أو حلقات الوكيل.

DSPY يرمز إلى بيثون التفريغ الذاتي. بدلاً من المطالبات الهشة ، تكتب رمز الثعبان التركيبي واستخدام أدوات DSPY لتعليم LM الخاص بك لتقديم مخرجات عالية الجودة . هذه المحاضرة مقدمة مفاهيمية جيدة. تعرف على المجتمع ، أو طلب المساعدة ، أو البدء في المساهمة عبر Github Repo هنا وخادم Discord الخاص بنا.

الوثائق: dspy.ai

يرجى الذهاب إلى مستندات DSPY على dspy.ai

تثبيت

pip install dspy

لتثبيت الأحدث من main :

pip install git+https://github.com/stanfordnlp/dspy.git

الاقتباس وقراءة المزيد

[Jun'24] تحسين الإرشادات والمظاهرات لبرامج نموذج اللغة متعددة المراحل
[Oct'23] DSPY: تجميع نموذج اللغة التعريفية يستدعي خطوط أنابيب تحسس ذاتيا
[Jul'24] التحسين الدقيق والتحسين السريع: خطوتين رائعتان يعملان بشكل أفضل معًا
[Jun'24] يطالب بمثابة فرط التدريب المحسّن تلقائيًا
[FEB'24] المساعدة في كتابة مقالات تشبه ويكيبيديا من الصفر مع نماذج لغة كبيرة
[Jan'24] التعلم داخل السياق لتصنيف متعدد العلامات
[DEC'23] تأكيدات DSPY: القيود الحسابية لخطوط أنابيب نموذج اللغة
[DEC'22] أظهر-SEREACH-PREFERICT: تأليف نماذج استرجاع ولغة لـ NLP كثيفة المعرفة

للبقاء على اطلاع دائم أو معرفة المزيد ، اتبع LateInterAction على Twitter.

تم تصميم شعار DSPY بواسطة Chuyi Zhang .

إذا كنت تستخدم DSPY أو DSP في ورقة بحثية ، فيرجى الاستشهاد بعملنا على النحو التالي:

 @inproceedings{khattab2024dspy,
  title={DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines},
  author={Khattab, Omar and Singhvi, Arnav and Maheshwari, Paridhi and Zhang, Zhiyuan and Santhanam, Keshav and Vardhamanan, Sri and Haq, Saiful and Sharma, Ashutosh and Joshi, Thomas T. and Moazam, Hanna and Miller, Heather and Zaharia, Matei and Potts, Christopher},
  journal={The Twelfth International Conference on Learning Representations},
  year={2024}
}
@article{khattab2022demonstrate,
  title={Demonstrate-Search-Predict: Composing Retrieval and Language Models for Knowledge-Intensive {NLP}},
  author={Khattab, Omar and Santhanam, Keshav and Li, Xiang Lisa and Hall, David and Liang, Percy and Potts, Christopher and Zaharia, Matei},
  journal={arXiv preprint arXiv:2212.14024},
  year={2022}
}