zpwiki/pages/students/2022/jakub_schwarc/README.md

title	published	taxonomy
Jakub Schwarc	true	category tag author dp2027 nlp Daniel Hladek

rok začiatku štúdia: 2022

Diplomový projekt 2026

Téma:

Inštrukčné dotrénovanie jazykového modelu

Ciele na semester:

• Dotrénujte a vyhodnotte Slovak Mistral.

Stretnutie 10.6.2026

Stav:

• kódy sú na servri titan
• funguje dotrénovanie Slovak Mistral pomocou Slovak Alpaca na Titan, pomocou unsloth aj LlamaFactory. Používa sa qlora.
• po dotrénovaní to je ručne vyskúšané. Nevie odborné výrazy. Model rozumie jednoduchým inštrukciám. Model je ukecaný.

Úlohy:

• Vytvorte GIT repozitár a dajte tam kódy.
• Pre LLmamaFactory dávajte na GIT konfigurácie.
• Rozšírte trénovaciu sadu - o zdroje v https://github.com/slovak-nlp/resources Zatiaľ najlepšie vyzerá byť CohereLabs/aya_collection_language_split
• Model zverejnite na HuggingFace hube.
• Napíšte si poznámky o aktuálnych metódach PEFT a SFT. Preštudujte si vedecké články z Google Scholar.
• Vyhodnotte model pomocu lm-evaluation-harness. Pozrite si výsledky https://wandb.ai/hladek/lmeval?nw=nwuserhladek

Príkaz na vyhodnotenie je

/home/dh343ko/miniconda3/envs/transformers/bin/lm-eval --model hf --model_args pretrained=google/mt5-large --tasks arc_sk,hellaswag_sk,m_mmlu_sk,truthfulqa_sk_mc1,truthfulqa_sk_mc2,sklegal,skquad --output_path zzz --wandb_args project=lmeval_mt5-large --device cuda:0 --batch_size 8

Zásobník úloh:

• Možno bude potrebné použiť lepší HW.
• Zlepšite proces vyhodnotenia. Dá sa použiť sk bech ktorý je v príprave.
• Zistite, čo je to zarovnanie jazykových modelov. Pozrite si framework huggingface trl. Zistite, čo je to meóda DPO a RLHF. Ku tomu existuje DP práca Hyrenko.
• Strojovo preložte vybranú množinu.
• Vytvorte github repozitár so skriptami pre dotrénovanie jazykovéo modelu.

Stretnutie 27.2.

• Oboznámte sa problematikou podľa zadaných zdrojov.
• Pozrite si https://allenai.org/olmo

Úlohy:

• Oboznámte sa s problematikou veľkých jazykových modelov. Towards Data Science
• Naučte sa Python lepšie. Nainštalujte si prostredie Anaconda.
• Poučte sa o strojovom účení. Dive into deep learning.
• Vyskúšajte si framework HF Transformers.
• Oboznámte sa s repozitárom https://github.com/allenai/open-instruct, prečítajte si články
• Oboznámte sa s repozitárom https://github.com/nlp-uoregon/Okapi, prečítajte si články

Zásobník úloh:

• Pracujte na teoretickej časti: opíšte základné pojmy, metódy a dátové množiny. Používajte google scholar a bibliografické odkazy.
• Najprv pracujte s domácou GPU, ak nebude stačiť pracujte s Google Coolab, ak nebude stačiť požiadajte konzultanta.
• Naštudovať a vyskúšať PEFT-QLORA.
• Oboznámte sa s knižnicou "unsloth".
• Oboznámte sa s Huggingface TRL.
• Oboznámte sa s https://github.com/hiyouga/LLaMA-Factory