Buckets:
| <meta charset="utf-8" /><meta name="hf:doc:metadata" content="{"title":"Введение","local":"введение","sections":[{"title":"Что вы узнаете","local":"что-вы-узнаете","sections":[],"depth":2}],"depth":1}"> | |
| <link href="/docs/agents-course/pr_545/ru-RU/_app/immutable/assets/0.e3b0c442.css" rel="modulepreload"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/entry/start.592056c6.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/chunks/scheduler.f6b352c8.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/chunks/singletons.cff3ffe7.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/chunks/index.26cf6c5a.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/chunks/paths.1592cfdf.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/entry/app.8fd36cf7.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/chunks/index.7f38e934.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/nodes/0.9b025bee.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/chunks/each.e59479a4.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/nodes/4.979d020b.js"> | |
| <link rel="modulepreload" href="/docs/agents-course/pr_545/ru-RU/_app/immutable/chunks/getInferenceSnippets.1ddaa658.js"><!-- HEAD_svelte-u9bgzb_START --><meta name="hf:doc:metadata" content="{"title":"Введение","local":"введение","sections":[{"title":"Что вы узнаете","local":"что-вы-узнаете","sections":[],"depth":2}],"depth":1}"><!-- HEAD_svelte-u9bgzb_END --> <p></p> <h1 class="relative group"><a id="введение" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#введение"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>Введение</span></h1> <p data-svelte-h="svelte-16jsapc"><img src="https://huggingface.co/datasets/agents-course/course-images/resolve/main/en/bonus-unit1/thumbnail.jpg" alt="Бонусный раздел 1 Миниатюра"></p> <p data-svelte-h="svelte-1i25ntn">Добро пожаловать в первый <strong>Бонусный раздел</strong>, в котором вы научитесь <strong>дообучать Большую Языковую Модель (LLM) вызову функций</strong>.</p> <p data-svelte-h="svelte-32rm8r">С точки зрения LLM, вызов функций быстро становится <em>обязательной</em> техникой.</p> <p data-svelte-h="svelte-1ltouqn">Идея заключается в том, что вместо того, чтобы полагаться только на подходы, основанные на подсказках, как мы делали в разделе 1, вызов функций обучает вашу модель <strong>предпринимать действия и интерпретировать наблюдения на этапе обучения</strong>, делая ваш AI более надежным.</p> <blockquote data-svelte-h="svelte-eb0nns"><p><strong>Когда мне следует выполнить этот Бонусный раздел?</strong></p> <p>Этот раздел является <strong>опциональным</strong> и более продвинутым, чем Раздел 1, поэтому не стесняйтесь либо выполнить этот раздел сейчас, либо вернуться к нему, когда ваши знания улучшатся благодаря этому курсу.</p> <p>Но не волнуйтесь, в этом бонусном разделе собрана вся необходимая информация, поэтому мы расскажем вам обо всех основных концепциях дообучения модели вызову функций, даже если вы еще не изучили механизм дообучения.</p></blockquote> <p data-svelte-h="svelte-1uw9qv8">Лучший способ для вас пройти этот Бонусный Раздел - это:</p> <ol data-svelte-h="svelte-mhizfe"><li><p>Знать, как дообучить LLM трансформер, если это не так <a href="https://huggingface.co/learn/nlp-course/chapter3/1?fw=pt" rel="nofollow">изучите это</a></p></li> <li><p>Знать, как использовать <code>SFTTrainer</code> для дообучения нашей модели, чтобы узнать об этом больше <a href="https://huggingface.co/learn/nlp-course/en/chapter11/1" rel="nofollow">изучите документацию</a></p></li></ol> <hr> <h2 class="relative group"><a id="что-вы-узнаете" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#что-вы-узнаете"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>Что вы узнаете</span></h2> <ol data-svelte-h="svelte-19d2e1r"><li><p><strong>Вызов функций</strong> | |
| Как современные <strong>LLM эффективно структурируют свои диалоги, позволяя запускать </strong>Инструменты**.</p></li> <li><p><strong>LoRA (Low-Rank Adaptation)</strong>. | |
| <strong>Легкий и эффективный</strong> метод дообучения, сокращающий накладные расходы на вычисления и хранение данных. LoRA делает обучение больших моделей <em>быстрым, дешевым и простым</em> в развертывании.</p></li> <li><p>**Цикл «Мысль → Действие → Наблюдение» в моделях вызова функций | |
| Простой, но мощный подход к структурированию того, как ваша модель решает, когда (и как) вызывать функции, отслеживать промежуточные шаги и интерпретировать результаты, полученные от внешних инструментов или API.</p></li> <li><p><strong>Новые специальные токены</strong>. | |
| Мы введем <strong>специальные маркеры</strong>, которые помогут модели различать:</p> <ul><li>Внутренние рассуждения “цепочки мыслей”</li> <li>Исходящие вызовы функций</li> <li>Ответы, поступающие от внешних инструментов</li></ul></li></ol> <hr> <p data-svelte-h="svelte-1t2pizx">К концу этого раздела вы сможете:</p> <ul data-svelte-h="svelte-17zcyrs"><li><strong>Понимать</strong> внутреннюю работу API, когда речь идет об инструментах.</li> <li><strong>Дообучать</strong> модели с помощью техник LoRA.</li> <li>Имплементировать<strong>и </strong>модифицировать** цикл “Мысль → Действие → Наблюдение” для создания надежных и поддерживаемых рабочих процессов вызова функций.</li> <li><strong>Разрабатывать и использовать</strong> специальные токены, чтобы легко отделить внутренние рассуждения модели от ее внешних действий.</li></ul> <p data-svelte-h="svelte-1nk7nw0">И вы <strong>доработаете свою собственную модель для вызова функций</strong> 🔥.</p> <p data-svelte-h="svelte-1vuax3d">Давайте погрузимся в <strong>вызов функций</strong>!</p> <a class="!text-gray-400 !no-underline text-sm flex items-center not-prose mt-4" href="https://github.com/huggingface/agents-course/blob/main/units/ru-RU/bonus-unit1/introduction.mdx" target="_blank"><span data-svelte-h="svelte-1kd6by1"><</span> <span data-svelte-h="svelte-x0xyl0">></span> <span data-svelte-h="svelte-1dajgef"><span class="underline ml-1.5">Update</span> on GitHub</span></a> <p></p> | |
| <script> | |
| { | |
| __sveltekit_1a0dws4 = { | |
| assets: "/docs/agents-course/pr_545/ru-RU", | |
| base: "/docs/agents-course/pr_545/ru-RU", | |
| env: {} | |
| }; | |
| const element = document.currentScript.parentElement; | |
| const data = [null,null]; | |
| Promise.all([ | |
| import("/docs/agents-course/pr_545/ru-RU/_app/immutable/entry/start.592056c6.js"), | |
| import("/docs/agents-course/pr_545/ru-RU/_app/immutable/entry/app.8fd36cf7.js") | |
| ]).then(([kit, app]) => { | |
| kit.start(app, element, { | |
| node_ids: [0, 4], | |
| data, | |
| form: null, | |
| error: null | |
| }); | |
| }); | |
| } | |
| </script> | |
Xet Storage Details
- Size:
- 11.1 kB
- Xet hash:
- c6f5ec5914d0b5649414bd6d7d925facf8fa882a721f045c8e9d48a0d6c16c8f
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.