zpwiki/pages/students/2022/tetiana_mohorian

title	published	taxonomy
Tetiana Mohorian	true	category tag author bp2025 rag nlp Daniel Hladek

rok začiatku štúdia: 2022

Bakalárska práca 2025

• Spolupráca P. Pokrivčák
• Python
• Hate Speech

Rozpoznávanie nenávistnej reči pomocou veľkých jazykových modelov.

Zadanie:

1. Vypracujte prehľad veľkých jazykových modelov s podporou slovenčiny.
2. Vypracujte prehľad dostupných textových korpusov pre rozpoznávanie nenávistnej reči.
3. Vyberte model a metódu rozpoznávania nenávistnej reči. Vyhodnoťte presnosť rozpoznávania nenávistnej reči na vybranej množine.
4. Navrhnite zlepšenia vybranej metódy.

Návrh na tému:

• Oboznámte sa s existujúcimi veľkými jazykovými modelmi - uzatvorenými aj otvorenými.
• Aplikujte existujúci model na úlohu detekcie nenávistnej reči.
• Na adaptáciu použite "prompting" a "LORA".
• Vyhodnotte model pomocou overovacej množiny.

Stretnutie 28.3.

Stav:

• Práca na stránke, frontend backend
• Práca na Telegram bot, vyhodnotenie s priateľmi.
• Few Shot Learning: 0.7 F1. Slovak T5-small model.
• Práca na lm-eval-harness, zatiaľ sa to nepodarilo. Task zatiaľ nefunguje, framework funguje.
• Pripravená aj TK Inter aplikácia.
• Pripravte webovú aplikáciu na zverejnenie pomocou Docker.

Úlohy:

• Vedúci môže pomôcť s Task na LM E H - pripomente mi to ďalší týždeň.
• Využite iný model. Napr. Slovak T5 large alebo base. Alebo Slovak MIstral.
• Updatujte kódy na GITE.
• Do práce môžete dať screenshoty z Vašej aplikácie

Zásobník úloh:

• Zverejnite Vašu aplikáciu napr. pomocou TUKE Cloud.

Stretnutie 13.2.2025

Stav:

• Dotrénovaný t5 small na HS
• Vyhodnotené viaceré modely pre úlohu detekcie HS
• Navrhnutý prompt.
• Práca web. deme. Funguje frontend (react), zatiaľ nefunguje backend (django).
• Práca na telegram bote - upozornenie diskutujúcich na "nevhodné" výrazy.
• Práca na texte.

Úlohy:

• Pokračujte v písaní. Je potrebné zlepšiť jazyk, vyradiť príliš všeobecné časti, pridať odkazy na odbornú literatúru, zrozumiteľne opísať experimenty a výsledky.
• Pripravte experiment s "few shot" a veľkým jazykovým modelom. Môžete použiť lm-eval-harness.
• Skripty dajte na kemt git.

Zásobník úloh:

• Pripravte DEMO s pomocou Docker.

Stretnutie 12.11.2024

Stav:

• Vyskúšané few shot Distillbert, BERT, GPT3, T5, najlepšie výsledky mal DistillBERT : 65F1. Problém je, že tieto modely nevedia po slovensky.
• Na vyhodnotenie použitý svoj skript a framework llm-eval-harness.
• Pokračuje písanie.

Úlohy:

• Pošlite mi draft BP na ďalšie stretnutie.
• Urobte si repozitár na KEMT GIT a dajte tam zdrojové kódy na spustenie experimentov.
• Pokračujte v písaní.
• [-] Vyskúšajte vyhodnotiť modely v rôznych veľkostiach (small, base, large, 1B, 3B, 7B): mt5, slovak-t5-base, slovak-t5-small, Qwen2.5, Slovak Mistral, LLama3, SlovakBERT .
• Napíšte ChatGPT prompt na detekciu nenávistnej reči.
• Ak Vám nebude stačiť GPU Vášho počítača, vedúci Vám pridelí prístup na školský server alebo môžete vyskúšať Google Colab.

Zásobník úloh:

• Zistite čo je to PEFT a kvantizácia a ako sa to používa.
• Dotrénujte jazykový model pre rozponávanie HS pomocou metódy PEFT.

Stretnutie 18.10.2024

Stav:

• Urobené 3 prehľadové tabuľky s modelmi - architektúra, presnosť, multilinguaglita.
• Pozretá kniha DDIP3 a d2dl. Poznámky na 20 strán.
• Nainštalovaná OLLama, Transformers, vyskúšaný Mistral.
• Urobené všetko.

Úlohy:

• Pokračujte v písaní bakalárskej práce. Postupujte od definície úlohy, prehľad súčasného stavu, Vaše riešenie, experimenty a závery. Používajte odkazy na odbornú literatúru (vedecké články cez Google Scholar).
• Navrhnite promt (može byť aj viac rôznych) pre veľký jazykový model pre detekciu nenávistnej reči.
• Pomocou množiny vyhodnotte model pre detekciu HS v zero shot alebo v few shot scenári. Na vyhodnotenie použite metriku Precision-Recall-F1.
• Oboznámte sa ako funguje overenie veľkých jazykových modelov pomocu Eleuther lm-evaluation-harness.

Zásobník úloh:

• Dotrénujte vybrané modely na úlohu detekcie nenávistnej reči. Model bude vykonávať binárnu klasifikáciu.
• Pripravte skript pre overenie LLM na úlohe rozpoznávanie nenávistnej reči. Pripravte postup pre overenie pomocu existujúceho frameworku pre overenie.

Stretnutie 3.10.2024

Úlohy:

• Oboznámte sa s existujúcimi veľkými jazykovými modelmi - uzatvorenými aj otvorenými. Urobte si poznámky a napíšte prehľad.
• Prejdite si knihu Dive Deep into Python 3.
• Prečítajte si knihu https://d2l.ai/ a napíšte si poznámky.
• Zistite čo je to "prompting", a "few shot learning". Napíšte si poznámky.
• Oboznámte sa s OPEN AI Python API.
• Nainštalujte si prostredie Anaconda.
• Nainštalujte si Pytorch, a huggingface transformers a oboznámte sa ako funguje táto knižnica.
• Nainštalujte si prostredie OLLAMA a vyskúšajte lokálne jazykové modely

Zásobník úloh:

• Nainštalujte si knižnicu LangChain a pozrite si ako fungujú ChatModely