大模型技术方向夏令营1期-对话分角色要素提取挑战赛

#AI夏令营 #Datawhale #夏令营

一、 baseline

跑通 Baseline 本身挑战性有限，关键是熟悉 LLM-centric 相关任务 coding 层面的流程方法，比如:

• 大模型 API（这里为科大讯飞 Spark）调用
• token消耗的理解
• 如何调用大模型实现针对给定 prompt 的反馈

  拥抱 LLM-centric Research 的到来～

  二、精读 baseline

  分享嘉宾给出的 baseline 精读相当有帮助，基本涵盖了任务的主要问题：

  • LLM 可能给出带有 markdown 格式的 “json” 标志
  • LLM 可能给出不符合格式的结果，即使 prompt 对格式已做要求，需要做二次检查和纠正
  • Prompt 设计颇有讲究，值得学习

    三、构思 baseline 提升 idea

    • 微调也许有用，但其一是需要算力，二是需要数据。对原始数据的清洗和prompt 的设计也许是这个题目上分的关键
    • Prompt 设计可以常识让 LLM 注意连续的对话之间的关系

      这个夏令营不简单 #AI夏令营 #Datawhale #夏令营