Uma boa maneira de começarmos a entender o funcionamento de uma LLM é através do modelo bigrama.

O modelo bigrama cria palavras através de estimativas a nível de caracter.

Então, por exemplo, se estamos interessados em ensinar o modelo a escrever as palavras “casa”, “carro” e “bola”…

Primeiro de tudo, ensinar o modelo a começar e terminar uma palavra. Podemos usar o ponto (“.”) para indicar o início e o fim da palavra.

Então ficaria, assim:

Dados de treinamento…

Input, Output “.”, “c” “c”, “a” “a”, “s” “a”, “.”

E, assim, sucessivamente.

Estando treinado, nós entraríamos com o “.” e o modelo geraria a palavra fazendo sorteios com base em probabilidade.

Por exemplo, a letra “c”, neste nosso exemplo é escolhida com uma probabilidade de 2/3, enquanto a letra “b” de 1/3.

E, toda vez que o modelo ver as letras “a” ou “o” existe uma chance, não nula, dele parar.

Lembre, o modelo sempre deve, em algum momento, parar de gerar caracteres.

Agora o grande lance é o seguinte, eu utilizei aqui uma janela de tamanho 1.

E se eu utilizasse uma janela maior?

E o que isso tem a ver com a janela de contexto dos LLMs?

Qual o impacto que isto tem na forma como eu lido com LLMs?

Como isso se relaciona com guardrails?

Em alguns dos próximos posts a gente vai se aprofundar um pouco mais nestes e em outros assuntos.

Fonte: LinkedIn