Interfases de LLM
No hay tantas opciones para elegir, pero aun así....
Cuando comencé a experimentar con LLM, las interfaces de usuario para ellos estaban en pleno desarrollo y ahora algunas de ellas son realmente buenas.
LLM
Escribir prompts efectivos para LLMs
Requiere algún experimento pero
Aún así, existen algunos enfoques comunes para escribir buenos prompts de manera que los modelos de lenguaje no se confundan al intentar entender lo que deseas.
Comparando las capacidades de resumen de los LLM
8 versiones de llama3 (Meta+) y 5 versiones de phi3 (Microsoft)
Prueba de cómo se comportan los modelos con diferentes números de parámetros y cuantización.
Mover los modelos de Ollama a una ubicación diferente
Los archivos de modelos LLM de Ollama ocupan mucho espacio.
Después de instalar ollama, es mejor reconfigurar ollama para guardarlos en la nueva ubicación de inmediato. Así, cuando descarguemos un nuevo modelo, no se descargará en la ubicación anterior.
Prueba de velocidad de modelos de lenguaje grandes
Probemos la velocidad de los LLM en GPU frente a CPU
Comparando la velocidad de predicción de varias versiones de LLMs: llama3 (Meta/Facebook), phi3 (Microsoft), gemma (Google), mistral (open source) en CPU y GPU.
Detección de falacias lógicas con LLMs
Probemos la calidad de detección de falacias lógicas de diferentes LLMs
Aquí estoy comparando varias versiones de LLM: Llama3 (Meta), Phi3 (Microsoft), Gemma (Google), Mistral Nemo (Mistral AI) y Qwen (Alibaba).