grudzień 2024

Prompt Injection: Najczęstsze niebezpieczeństwo przy pracy z LLM

•

Prompt injection znajduje się na szczycie listy OWASP Top 10 największych zagrożeń w modelach językowych. OWASP czyli Open Web Application Security Project, to społeczność internetowa, która tworzy materiały dotyczące bezpieczeństwa aplikacji webowych. Czym jest Prompt Injection? Zacznijmy od początku. Czym tak w ogóle jest prompt injection? Jest to atak polegający na wstrzyknięciu niepożądanych treści do […]

Prompt Injection: Najczęstsze niebezpieczeństwo przy pracy z LLM Czytaj dalej »

AI, Bezpieczeństwo, LLM

Bazy wektorowe: Vector Embedding i Zastosowanie

•

Czym jest baza wektorowa? Baza wektorowa w matematyce odnosi się do zbioru wektorów, które są liniowo niezależne i rozpinają całą przestrzeń wektorową. Mówiąc prościej, bazy wektorowe to sposób na opisanie przestrzeni w najprostszy możliwy sposób przy pomocy minimalnej liczby elementów. Baza wektorowa w kontekście AI Podczas tworzenia rozwiązań opartych o modele LLM, zwłaszcza w kontekście

Bazy wektorowe: Vector Embedding i Zastosowanie Czytaj dalej »

AI, LLM

Thread Summarization w LLM: Jak nauczyć AI pamiętać kontekst rozmowy?

•

Podczas tworzenia aplikacji wykorzystujących modele językowe (LLM) naturalnym jest, że przy zadaniu pytaniu pytania, chcemy mieć możliwość odnoszenia się do uzyskanej odpowiedzi lub informacji zawartej w pytaniu. Chcemy, żeby model “zapamiętał” to co zostało powiedziane wcześniej. Natomiast natura modeli LLM jest odwrotna. Ich bezstanowość powoduje, że każde wywołanie API to rozpoczęcie rozmowy od początku –

Thread Summarization w LLM: Jak nauczyć AI pamiętać kontekst rozmowy? Czytaj dalej »

AI, Dobre praktyki, LLM, Poradniki

Fine-Tuning w OpenAI: Jak Dostosować Model do Twoich Potrzeb i Poprawić Wyniki

•

Po co stosować Fine-Tuning? Gdy odpowiedzi modelu nie spełniają naszych oczekiwań, fine-tuning umożliwia lepsze dostosowanie modelu do pożądanych rezultatów. Dzięki temu można osiągnąć: Kiedy stosować Fine-Tuning? Fine-tuning ma sens, gdy łatwiej jest nam pokazać modelowi, co ma robić, niż to opisywać. Warto także pamiętać, że będzie on najbardziej efektywny, gdy potrzeby użytkowników są dobrze zdefiniowane

Fine-Tuning w OpenAI: Jak Dostosować Model do Twoich Potrzeb i Poprawić Wyniki Czytaj dalej »

AI, LLM, Poradniki
Scroll to Top