すめらぎ

プログラマーです。

すめらぎ

プログラマーです。

UnityでPhi-3を使う方法

完成スクリーショット 下のリンクのアセットを使用すると使えるようになるのですが、日本語だとうまくいかないので調整する必要があります。 なぜかというと、英語だと出力を逐次stringにして取得すれば問題ないのですが、日本語だと漢字が複数のbyteで構成されているため、出力をbyteとして全て溜めて、最後に一気にbyteを文字列化しないと文字化けするからです。 llama.csに次の関数を追加。 public static byte[] llama_toke

すめらぎ

    • [LangChain]これが欲しかったPartial prompt templatesを分かりやすく解説

      今回はLangchainのPartial prompt templatesについて解説します。 1. はじめにChatGPTなどの大規模言語モデルを使用すると、様々なタイプのプロンプトを使用するため、適切な管理が求められると思います。 特に、一部の情報が固定されている一方で、他の部分が動的に変わる場面では、そのテキストの構造を効率的に管理する方法が求められます。「Partial prompt templates(直訳で"部分的なプロンプトテンプレート")」は、このようなニー

      すめらぎ

      • langchainシリーズ今日か明日あたりから再開します

        すめらぎ

        • 論文の易しい数学解説 - オンラインメタ強化学習によって～の論文について

          前回下記の論文について翻訳記事を書きましたが、僕自身まったく数式を理解できなかったので、その後、ChatGPTに一つ一つ丁寧に教えてもらいました。その内容をまとめました。 数式アレルギーの方を一人でも減らせたら幸いです。 ■ メタ強化学習この数式は、強化学習のフレームワークを説明し、特定の目標関数を最大化することに焦点を当てています。以下、数式の各部分を説明します： 1. 変数の説明 1.1 $${( z_t )}$$ : 環境モードやエージェントから隠された潜在変数を

          すめらぎ

        UnityでPhi-3を使う方法

        すめらぎ

        マガジン

        • 六法の勉強メモ
          0本
        • LangChain解説
          4本

        記事

          [AI 論文]オンラインメタ強化学習によってリアルタイム適応能力を与えられる話

          興味を引く論文があったのでChatGPTに解説してもらいました。 数式盛りだくさんで難しいので、余力があれば今度1から易しく解説したものを作りたいものです…。 Abstractセクション1: 背景と課題 この部分は、機械学習を自動運転技術に統合することがいかに技術的な偉業であるかを説明しています。それに加えて、実世界の環境では、この技術が人命に関わる重要な役割を果たし、よって、研究者は安全性と効率に更なる注意を払う必要があると強調しています。 セクション2: 課題と解決

          すめらぎ

          [AI 論文]オンラインメタ強化学習によってリアルタイム適応能力を与えられる話

          すめらぎ

          [LLM 論文]自動でプログラムのバグを修正する次世代技術"Repilot"の日本語解説

          追記: 自分で読んでまったく分からなかったので、主要と思われるセクション3と4について、ChatGPTにさらに詳しく易しく説明してもらった補足を細かく入れました。特に数式周りが理解しやすくなってます。 追記2: この論文のタイトルにもある「自動プログラム修復」というのは、バグの特定とバグの修復の2つのフェーズで構成されるのですが、この論文はバグの修復のみに焦点を当てた内容のため、僕が付けたこの記事のタイトル「自動でプログラムのバグを修正する」とは意味が若干合致しないかもしれ

          すめらぎ

          [LLM 論文]自動でプログラムのバグを修正する次世代技術"Repilot"の日本語解説

          すめらぎ

          [LangChain]謎機能のチャット版FewShotChatMessagePromptTemplateを分かりやすく解説

          前回これを解説しました。今回はその亜種のチャット版です。 前回と違い、OpenAIで通信することを想定して、最終出力物を適切なものにしています。 ↓ 公式ドキュメント ・これなに？複数のあらかじめ用意した文章と、類似した意味の文章を検索するモジュールを組み合わせると、新規のワードとそれに似た文章を合体させてくれる機能です。 例えば、 ・「昨日はハンバーグ食べた」「おいしそうですね」 ・「1+1はなんですか？」「2です」 みたいな色んなバリエーションの会話を蓄えておいた場

          すめらぎ

          [LangChain]謎機能のチャット版FewShotChatMessagePromptTemplateを分かりやすく解説

          すめらぎ

          [LangChain]謎機能Few-shot prompt templatesを分かりやすく解説

          一生調べててやっと理解したのでこのnoteに残します。 ・これってなに単体の機能としては、複数の文字列セットを保持して、そこから一気に全てのセットをもらったり、〇番目の文字列セットをもらったりするだけです。 例えば、 "今日は", "うどん食べた" "明日は", "かつ丼食べる" という文字列セットを用意した場合に、 じゃあこれに、 "明後日は","うな重食べる" を末尾に追加しよう！とした時に、一気に文字列セットが取得できるので簡単に "今日は", "うどん食べた" "

          すめらぎ

          [LangChain]謎機能Few-shot prompt templatesを分かりやすく解説

          すめらぎ

          [LangChain]分かりやすくカスタムプロンプトテンプレートを解説

          公式ドキュメントを参考に解説します。 プロンプトテンプレートの応用であるカスタムテンプレートがテーマです。 ・そもそもプロンプトテンプレートって何例えば、 "{name}さん、こんにちは！" という使いまわしが効くプロンプトを作りたい場合に使用します。 ↓公式サンプル from langchain import PromptTemplateprompt_template = PromptTemplate.from_template( "Tell me a {adje

          すめらぎ

          [LangChain]分かりやすくカスタムプロンプトテンプレートを解説

          すめらぎ

          [LLM]アプリ全自動開発"ChatDev"のソースコード解説

          ChatDevは作ってほしい製品の要望を出すだけで、あとはAIがうまいこと自動開発してくれるツールです。 例えば、「スネークゲーム(餌を食べてどんどん体が伸びていくやつ)を作って」と言うと、数分待つだけで実際に遊べるスネークゲームが出来上がります。 今回は、その論文と共にアップされたソースコードについて解説していきます。 前回の記事はこちら ChatDevの概要AIに専門職になりきってもらうと、その分野について良い返答をするようになるので、例えば、「あなたはプロのプログラ

          すめらぎ

          [LLM]アプリ全自動開発"ChatDev"のソースコード解説

          すめらぎ

          [LLM 論文]アプリ全自動開発"ChatDev"の日本語訳

          こちらで紹介された論文が面白かったのでChatGPTを使用して日本語に訳してみました。一語一句訳すというよりは小さく区切って分かりやすく要点をまとめてもらってます。 要約ソフトウェアを作るのは難しい仕事で、経験や相談が必要です。でも、最近の深層学習の技術の進歩で、そのやり方が大きく変わりつつあります。今回の論文では、ソフトウェアを開発する過程全体で大規模な言語モデル（LLM）を使う新しい方法を提案しています。それにより、開発の各ステップで別々の技術やツールを使う必要がなくな

          すめらぎ

          [LLM 論文]アプリ全自動開発"ChatDev"の日本語訳

          すめらぎ