dmytro_ushatenko/pages/students/2020/pavol_hudak/README.md

title	published	taxonomy
Pavol Hudák	true	category tag author dp2025 ir Daniel Hladek

rok začiatku štúdia: 2020

Diplomová práca 2025

Ciel:

• Vylepšiť slovenský veľký jazykový model. Vylepšiť RAG - retrieval augmented generation pre slovenčinu.
• Dotrénovanie LLM pre zlepšenie jeho schopnosti odpovedať na otázku v slovenskom jazyku.

Ciele na semester:

• Zobrať veľký jazykový model (základný alebo instruct alebo chat).
• Skúsiť ho dotrénovať metódou PEFT pre úlohu Question Answering na korpuse SK QUAD. Vieme sa inšpirovať výsledkami E. Matovka.
• Strojovo preložiť vybranú databázu otázok a odpovedí a pomocou nej skúsiť vylepšiť model.
• Vyhodnotiť presnosť QA dotrénovaného modelu.

Ďalšie nápady:

• Automaticky zlepšiť "prompt" pre QA.

Vybrať jednu z úloh:

• Tvorba instruct datasetu - Anotácia alebo preklad množín
• Dotrénovanie LLM na dostupnom hardvéri - LORA-PEFT

Stretnutie 7.6.2024

Stav:

• Práca na dotrénovaní LLama3 a Phi2 cez kaggle, zatiaľ nefunguje.

Stretnutie 5.4.

Stav:

• Nainštalované PrivateGPT.
• Nainštalovaná Anaconda a Python, aj štúdium a príprava.
• Oboznámenie sa s LangChain a SlovakAlpaca aj PEFT.

Úlohy:

• Skúste dotrénovať veľký jazykový model metódou PEFT s množinou SlovakAlpaca. Vyberte vhodný model.
• Vyskúšajte modely cez ollama.
• Prihláste sa na quadro.kemt.fei.tuke.sk tam nainštalujte anaconda. Vedúci Vám musí urobiť prístup.
• Kandidáti sú UMT5, TinyLLama, LLama3, Mistral, mt0, Phi alebo iné.
• Vyhodnote presnosť dotrénovania (BLEU - založené na porovnávaní ngramov výsledku a očakávania).
• Robte si poznámky o tom ako funguje veľký jazykový model a metóda PEFT.

Zásobník úloh:

• Strojovo preložiť databázu OpenORCA.

Stretnutie 23.2.

Stav:

• Rozbehané prostredie s Pytorch aj CUDA Anaconda na vlastnom PC.
• Vyskúšaný HF google/t5 ... na úlohu strojového prekladu

Úlohy:

• Pokračujte v štúdiu podľa otvorených úloh.
• Nainštalujte a vyskúšajte softvér PrivateGPT.
• Prihláste sa na systém IDOC a nainštalujte si tam systém Anaconda.

Zásobník úloh:

• Nainštalujte a vyskúšajte balíček LangChain.
• Zistite čo je to metóda PEFT - LORA.
• Skúste dotrénovať veľký jazykový model s množinou SlovakAlpaca.
• Skúste vylepšiť LLM pomocou inej množiny, strojovo preloženej.

Stretnutie 14.2.

Úlohy:

• Oboznámiť sa s veľkými jazykovými modelmi LLM. Ako funguje ChatGPT? Čo je to LLAMA? Napíšte si poznámky.
• Nainštalujte si Anaconda.
• [-] Pokračujte v štúdiu Python. Preštudujte si knihu Dive deep into deep learning.
• Nainštalujte si knižnicu Huggingface Transformers.
• Vyskúšajte LLM model LLAMA https://huggingface.co/meta-llama/Llama-2-70b
• Prejdite si tento tutoriál https://huggingface.co/blog/llama2