llm classifier go

LLM-Klassifikator (Go)

Einführung

Dieses Projekt ist vom Lamini-ai/llm-Classifier inspiriert. Ich wollte einen LLM-Klassifikator mit einer ähnlichen Schnittstelle und größerer Unterstützung für LLMs in Go.

Dabei handelt es sich um ein wiederverwendbares Go-basiertes LLM-Klassifizierungsmodul, das zur Durchführung von Klassifizierungsaufgaben mithilfe großer Sprachmodelle (LLMs) entwickelt wurde. Das Modul ist leicht, hocheffizient und kann problemlos in jede Go-basierte Anwendung integriert werden.

Ich erwarte einen Einsatz dafür in Fällen, in denen das Training eines ML-Modells zur Klassifizierung aufgrund fehlender Daten, Fachwissen, Kosten oder fehlender Ressourcen nicht möglich ist. Gut für allgemeine und mehrdeutige Klassifizierungsaufgaben, bei denen keine Trainingsdaten verfügbar sind. Eingabeaufforderungen rein, strukturierte Daten raus.

HINWEIS: Dieses Projekt ist in Arbeit und befindet sich in der aktiven Entwicklung.

Merkmale

1. LLM-Integration: Unterstützt die Verwendung verschiedener großer Sprachmodelle.
2. Wiederverwendbar und modular: Kann mit minimaler Konfiguration problemlos in jede Go-Anwendung integriert werden.
3. Anpassbar: Unterstützt die Anpassung von Klassifizierungsmodellen für bestimmte Aufgaben.
4. Skalierbar: Entwickelt, um sowohl kleine als auch große Datensätze mit hohem Durchsatz zu verarbeiten.
5. Training in natürlicher Sprache: Trainieren Sie Ihren Klassifikator mit Eingabeaufforderungen in natürlicher Sprache. Dies ist nützlich, wenn keine Trainingsdaten verfügbar sind oder für die Klassifizierung komplexe menschliche Überlegungen erforderlich sind.

Beispiele

Die Beispiele finden Sie in examples/ . Wenn Sie ein bestimmtes Beispiel ausführen möchten, entkommentieren Sie es in main.go und führen Sie das Beispiel mit folgendem Befehl aus:

go run main.go

Führen Sie Tests durch

Das ... bedeutet, dass go bei der Überprüfung der Tests alle Unterverzeichnisse einbezieht.

go test ./...

Beitrag

Mitwirkende sind willkommen. Kontaktieren Sie mich unter meiner geschäftlichen E-Mail-Adresse. Alternativ können Sie auch das Repo forken, Ihre Änderungen vornehmen und eine PR einreichen.