cocktail DyG prompting

Readme

Persiapan data

Pastikan parameter n, p, dan t konsisten di seluruh graph_data/graph_generator.py , text_data/text_generator.py , dan text_data/text_filter.py . Harap perbarui jalur di file -file ini ke jalur penyimpanan Anda sendiri.

Langkah 1: Generator Grafik

Jalankan python graph_data/graph_generator.py untuk menghasilkan grafik.

Langkah 2: Generator Teks

Jalankan python text_data/text_generator.py untuk menghasilkan tugas berdasarkan grafik dari langkah 1.

Langkah 3: Filter Teks

Jalankan python text_data/text_filter.py untuk memfilter data menggunakan teks dari langkah 2 dan dapatkan jumlah tugas yang sama dengan dan tanpa jawaban.

Dorongan

Langkah 1: Menerapkan kelas LLM Anda sendiri

Terapkan kelas LLM Anda sendiri yang mirip dengan yang ada di api_LLM.py dan api.py Pastikan implementasi memungkinkan penggunaan llm() untuk percakapan dan clear_history() untuk menghapus riwayat percakapan.

Langkah 2: Infer

Jalankan perintah di bawah ini untuk menggunakan template coretan yang berbeda. Parameter COT sesuai dengan permintaan yang berbeda.

python infer.py --model_name Llama3.1 --COT NO --api_key your_api_key

Langkah 3: Evaluasi

Jalankan perintah di bawah ini untuk mendapatkan tingkat akurasi.

python acc.py --model_name Llama3.1 --COT NO