170 похожих чатов

Господа и дамы, ИИ эксперты, подскажите не знающему (кто чем

сможет в любом виде: подходы, названия, ссылки, метрики) как получить ранжирующую модель, если есть пара тысяч отдельных и растянутых во времени наборов-образцов отсортированных предложений некоторой целевой аудиторией (наборы-сессии разного размера, где-то по 100 и до 200-300-та предложений) и необходимо ранжировать наборы новых ранее не встречавшихся в обучающих данных предложений под усредненные предпочтения этой целевой аудитории, которые могут быть также зависимы от времени, немного противоречивы (условно как поисковые выдачи оптимизируют имея логи выданной поисковой выдачи и что пользователи кликнули первым, что вторым...). Лучше ли решать это как задачу регрессии или классификации (проставив текстам в обучающих выборках позиции или классы 1, 2...,n и пытаться их угадывать) или подобия (из обучающих наборов сделать embeddings, уложить их в redis/qdrant и сортировать новые тексты по средней по cosine похожести на тор-k текстов из БД ) или как что-то из области рекомендательных систем (кажется не мой случай, так как пользователи уже одинаковой целевой аудитории и для наборов новых предложений будет постоянное состояние холодного старта-доступа к логам в реальном времени нет, модель нужна статичная для периодического переобучения и тоже интересно как принято отслеживать этот момент, например если NDCG по новым логам между выдачей и кликам пользователей стал падать); метрику для скора тут лучше использовать NDCG или другую; нужно ли как-то в обучающие данные добавлять метки времени, чтобы модель могла различить устойчивые и сезонные тренды в предпочтениях; а может быть надо какой-то ранжирующий трансформер на основе Sentence-Transformers обучать (так как пара тысяч выборок-образцов не выглядит как большая, кажется что-то предобученное лучше будет работать, чем обученное с нуля) или LLM учить с каким-то промтом "оцени интересность предложения от 0 до 100" или какой-то алгоритм learning to rank применить или даже в сторону ML смотреть (ранжировать по уверенности Bayes classifier - пробовал, похоже, что это не работает), а не нейросетей?

2 ответов

73 просмотра

А зачем вам ранжирующая модель если задача в сущности определять релеватная фраза некоторой сессии или нет (если я правильно понял)? Звучит чисто как задача классификации, где нужен прежде всего хороший претрейн на ваш домен данных

Sergey Bratchikov
А зачем вам ранжирующая модель если задача в сущно...

имея хороший претрейн вы и в zero-shot классификацию сможете и косинусная близость иметь смысл будет

Похожие вопросы

Обсуждают сегодня

Господа, а что сейчас вообще с рынком труда на делфи происходит? Какова ситуация?
Rꙮman Yankꙮvsky
29
А вообще, что может смущать в самой Julia - бы сказал, что нет единого стандартного подхода по многим моментам, поэтому многое выглядит как "хаки" и произвол. Короче говоря, с...
Viktor G.
2
30500 за редактор? )
Владимир
47
а через ESC-код ?
Alexey Kulakov
29
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
14
Добрый день! Скажите пожалуйста, а какие программы вы бы рекомендовали написать для того, чтобы научиться управлять памятью? Можно написать динамический массив, можно связный ...
Филипп
7
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
Ребят в СИ можно реализовать ООП?
Николай
33
https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_h_common.erl#L174 https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_olp.erl#L76 15 лет назад...
Maksim Lapshin
20
Карта сайта