Klasifikuesit agile janë një metodë efikase dhe fleksibile për krijimin e klasifikuesve të politikave të përmbajtjes me porosi duke akorduar modele, të tilla si Gemma, sipas nevojave tuaja. Ato gjithashtu ju lejojnë kontroll të plotë mbi vendin dhe mënyrën e vendosjes së tyre.
Tutoriale për Klasifikuesin Agile të Gemma-s
 Filloni Codelab-in |  Filloni Google Colab |
Laboratori i kodit dhe tutoriali përdorin LoRA për të përmirësuar një model Gemma që të veprojë si një klasifikues i politikave të përmbajtjes duke përdorur bibliotekën KerasNLP . Duke përdorur vetëm 200 shembuj nga të dhënat ETHOS , ky klasifikues arrin një rezultat F1 prej 0.80 dhe një rezultat ROC-AUC prej 0.78, i cili krahasohet në mënyrë të favorshme me rezultatet e tabelës së renditjes më të fundit. Kur trajnohet në 800 shembuj, ashtu si klasifikuesit e tjerë në tabelën e renditjes, klasifikuesi agile i bazuar në Gemma arrin një rezultat F1 prej 83.74 dhe një rezultat ROC-AUC prej 88.17. Ju mund t'i përshtatni udhëzimet e tutorialit për ta përsosur më tej këtë klasifikues ose për të krijuar mbrojtjet tuaja të personalizuara të klasifikuesit të sigurisë.
,Klasifikuesit agile janë një metodë efikase dhe fleksibile për krijimin e klasifikuesve të politikave të përmbajtjes me porosi duke akorduar modele, të tilla si Gemma, sipas nevojave tuaja. Ato gjithashtu ju lejojnë kontroll të plotë mbi vendin dhe mënyrën e vendosjes së tyre.
Tutoriale për Klasifikuesin Agile të Gemma-s
| Filloni Codelab-in | Filloni Google Colab |
Laboratori i kodit dhe tutoriali përdorin LoRA për të përmirësuar një model Gemma që të veprojë si një klasifikues i politikave të përmbajtjes duke përdorur bibliotekën KerasNLP . Duke përdorur vetëm 200 shembuj nga të dhënat ETHOS , ky klasifikues arrin një rezultat F1 prej 0.80 dhe një rezultat ROC-AUC prej 0.78, i cili krahasohet në mënyrë të favorshme me rezultatet e tabelës së renditjes më të fundit. Kur trajnohet në 800 shembuj, ashtu si klasifikuesit e tjerë në tabelën e renditjes, klasifikuesi agile i bazuar në Gemma arrin një rezultat F1 prej 83.74 dhe një rezultat ROC-AUC prej 88.17. Ju mund t'i përshtatni udhëzimet e tutorialit për ta përsosur më tej këtë klasifikues ose për të krijuar mbrojtjet tuaja të personalizuara të klasifikuesit të sigurisë.
,Klasifikuesit agile janë një metodë efikase dhe fleksibile për krijimin e klasifikuesve të politikave të përmbajtjes me porosi duke akorduar modele, të tilla si Gemma, sipas nevojave tuaja. Ato gjithashtu ju lejojnë kontroll të plotë mbi vendin dhe mënyrën e vendosjes së tyre.
Tutoriale për Klasifikuesin Agile të Gemma-s
| Filloni Codelab-in | Filloni Google Colab |
Laboratori i kodit dhe tutoriali përdorin LoRA për të përmirësuar një model Gemma që të veprojë si një klasifikues i politikave të përmbajtjes duke përdorur bibliotekën KerasNLP . Duke përdorur vetëm 200 shembuj nga të dhënat ETHOS , ky klasifikues arrin një rezultat F1 prej 0.80 dhe një rezultat ROC-AUC prej 0.78, i cili krahasohet në mënyrë të favorshme me rezultatet e tabelës së renditjes më të fundit. Kur trajnohet në 800 shembuj, ashtu si klasifikuesit e tjerë në tabelën e renditjes, klasifikuesi agile i bazuar në Gemma arrin një rezultat F1 prej 83.74 dhe një rezultat ROC-AUC prej 88.17. Ju mund t'i përshtatni udhëzimet e tutorialit për ta përsosur më tej këtë klasifikues ose për të krijuar mbrojtjet tuaja të personalizuara të klasifikuesit të sigurisë.