Побудувати набір для оцінювання ML без витоку даних
Відокремте групи, дублікати та способи використання даних, щоб побудувати відкладений набір для оцінювання ML — контрольований і придатний для вашого рішення.
KV-кеш: обчислення пам'яті за контекстом, GQA і батчем
Обчисліть KV-кеш за KV-головами, контекстом і одночасними послідовностями. Розрізняйте GQA, точність і статичний кеш перед реальним запуском.
Планування ML-абляцій: контроль, ефекти та бюджет
Побудуйте план ML-абляції з контролем, факторами, взаємодіями та бюджетом спроб. Розрахований приклад для пріоритизації варіантів і висновку.
Аналіз помилок ML для вибору наступного експерименту
Аналізуйте помилки класифікації та вилучення: матриця плутанини, еталони, таксономія, регресії та контроль наступного виправлення.