Пошаговая доработка промптов и сравнение моделей в Pixeltable

Урок 125 из 148 курса «Mistral AI Cookbook»: официальный курс Mistral AI Cookbook (Мистраль) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Этот notebook демонстрирует, как использовать Pixeltable для итеративного prompt engineering и сравнения моделей с моделями Mistral AI. Он демонстрирует постоянное хранение данных, инкрементальные обновления и простой способ бенчмаркинга различных prompt'ов и моделей. Pixeltable — это инфраструктура данных, которая предоставляет декларативный, инкрементальный подход для мультимодального AI. Категория: Prompt Engineering & Сравнение моделей Во-первых, Pixeltable является персистентным. В отличие от резидентных библиотек Python, таких как Pandas, Pixeltable — это база данных. При перезапуске ядра notebook или начале новой сессии Python у вас будет доступ ко всем данным, которые вы ранее сохранили в Pixeltable. Мы создаем вычисляемые столбцы, чтобы указать Pixeltable запустить функцию Mistral chat_completions и сохранить результат. Поскольку вычисляемые столбцы являются постоянной частью таблицы, они будут автоматически обновляться при каждом добавлении новых данных в таблицу. Для получения дополнительной информации см. наш учебник. В этом конкретном примере мы запускаем модели open_mistral_nemo и mistral_medium и делаем вывод доступным в соответствующих столбцах. Соответствующие столбцы ответов имеют тип столбца JSON, и теперь мы можем использовать выражения JSON path для извлечения соответствующих фрагментов данных и их предоставления в качестве дополнительных вычисляемых столбцов. omn_response ml_response Mistral AI — французская компания, специализирующаяся на исследованиях и разработках в области AI, целью которой является создание и применение AI-технологий в различных отраслях. Mistral AI — французская фирма, специализирующаяся на исследованиях и разработках в области AI, с акцентом на внедрение AI-технологий в различных отраслях. Тональность текста "Мне очень нравится использовать Mistral для моих AI-проектов! Они предоставляют отличные LLM, и с ними очень легко работать." является подавляюще позитивной. Вот разбивка индикаторов: 1. **Позитивные слова и фразы:** - "нравится" (сильная позитивная эмоция) - "отличные" (подразумевает высокое качество или превосходство) - "очень легко" (подразумевает простоту и удобство) 2. **Отсутствие негативных слов или фраз:** Нет негативных слов или фраз, которые могли бы противодействовать позитивной тональности. 3.

План урока

  1. 1. Настройка и установка
  2. 2. Создание таблицы Pixeltable и вставка примеров
  3. 3. Запуск функций вывода Mistral
  4. 4. Использование пользовательских функций (UDF) для дальнейшего анализа
  5. 5. Эксперименты с различными Prompt'ами

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Полезные гиды