dspy

DSPY: การเขียนโปรแกรม - ไม่แจ้งเตือน - โมเดลการก่อสร้าง

เอกสาร: เอกสาร DSPY

---

DSPY เป็นเฟรมเวิร์กโอเพนซอร์ซสำหรับ การเขียนโปรแกรม-แทนที่จะกระตุ้น-โมเดลภาษา ช่วยให้คุณย้ำอย่างรวดเร็วใน การสร้างระบบ AI แบบแยกส่วน และให้อัลกอริทึมสำหรับ การเพิ่มประสิทธิภาพและน้ำหนักของพวกเขา ไม่ว่าคุณจะสร้างตัวจําแนกอย่างง่าย ๆ , ท่อผ้าขี้ริ้วที่ซับซ้อนหรือลูปเอเจนต์

DSPY ย่อมาจาก Python ที่พัฒนาตนเอง แทนที่จะเป็นพรอมต์เปราะคุณเขียน รหัส Python แบบองค์ประกอบและใช้เครื่องมือของ DSPY เพื่อ สอน LM ของคุณเพื่อส่งเอาต์พุตคุณภาพสูง การบรรยายครั้งนี้เป็นการแนะนำแนวคิดที่ดี พบกับชุมชนขอความช่วยเหลือหรือเริ่มมีส่วนร่วมผ่าน GitHub Repo ของเราที่นี่และเซิร์ฟเวอร์ Discord ของเรา

เอกสาร: dspy.ai

กรุณาไปที่เอกสาร dspy ที่ dspy.ai

การติดตั้ง

pip install dspy

เพื่อติดตั้งล่าสุดจาก main :

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

การอ้างอิงและอ่านเพิ่มเติม

[Jun'24] การเพิ่มประสิทธิภาพคำแนะนำและการสาธิตสำหรับโปรแกรมโมเดลภาษาหลายขั้นตอน
[Oct'23] DSPY: การรวบรวมรูปแบบภาษาที่ประกาศลงในท่อที่ปรับปรุงตัวเอง
[Jul'24] การปรับแต่งและการเพิ่มประสิทธิภาพที่รวดเร็ว: สองขั้นตอนที่ยอดเยี่ยมที่ทำงานได้ดีขึ้นด้วยกัน
[Jun'24] แจ้งให้เป็น Hyperparameters การฝึกอบรมอัตโนมัติที่ปรับอัตโนมัติ
[FEB'24] ช่วยในการเขียนบทความคล้ายวิกิพีเดียตั้งแต่เริ่มต้นด้วยรูปแบบภาษาขนาดใหญ่
[Jan'24] การเรียนรู้ในบริบทสำหรับการจำแนกประเภทหลายฉลาก
[Dec'23] การยืนยัน DSPY: ข้อ จำกัด ด้านการคำนวณสำหรับท่อโมเดลภาษาที่ปรับตัวเองได้ด้วยตนเอง
[Dec'22] แสดงให้เห็นถึงการค้นหา-การคาดการณ์: การเขียนแบบจำลองการดึงและภาษาสำหรับ NLP ที่ใช้ความรู้มาก

หากต้องการติดตามข้อมูลล่าสุดหรือเรียนรู้เพิ่มเติมให้ติดตาม @LateInteraction บน Twitter

โลโก้ DSPY ออกแบบโดย Chuyi Zhang

หากคุณใช้ DSPY หรือ DSP ในรายงานการวิจัยโปรดอ้างอิงงานของเราดังนี้:

 @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}
}