Практический подход к использованию LLM: особенности и сложности
Доклад принят в программу конференции
Целевая аудитория
Тезисы
В современном мире генерацией любого текстового контента на LLM уже никого не удивишь. Однако, в практическом применении больших языковых моделей(LLM) все еще возникают значительные сложности, такие как галлюцинации, проблемы производительности , высокая стоимость обработки, а также проблемы интеграции с реальными системами.
В своем докладе я поделюсь двумя практическими кейсами, как мы решали реальные задачи с использованием LLM.
Первая задача связана с парсингом информации из открытых источников и ее оценкой с помощью LLM. В этом кейсе мы рассмотрим, как экономично извлекать тональность отзывов на веб-сайтах, обрабатывать различные типы страниц и обеспечивать высокое качество анализа.
Вторая задача касается разработки бота для онлайн-библиотеки, который должен одновременно быть креативным и иметь фантазию, но при этом рекомендовать только имеющиеся в наличии книги. Мы обсудим, как интегрировать знания LLM о литературе с конкретным ассортиментом онлайн-библиотеки и как решать проблемы интеграции бота с поисковым API.
со-основатель и CTO нескольких B2B SaaS в AdTech(k50.ru) и CommerceTech (searchbooster.io) областях.
Последние 2 года интересуюсь практической стороной применения больших языковых моделей в проекте wikilect.com.
wikilect.com
Видео
Другие доклады секции
BigData и инфраструктура машинного обучения (data engineering)