Çfarë janë modelet e mëdha gjuhësore (LLM)?
Modelet e mëdha gjuhësore (LLM) janë modele të machine learning-it të trajnuar për të modeluar sekuencat e tekstit — zakonisht me miliarda parametra dhe arkitekturë transformer.
Ato marrin kontekst (fjali, dokument) dhe prodhojnë vazhdim të tekstit, përkthime, përmbledhje ose kod, varësisht nga trajnimi dhe udhëzimet (prompt).
Në mej7.com, seksionet e laboratorit Intermediate dhe Advanced shpjegojnë pjesët kryesore: attention, multi-head attention, logits/softmax dhe gjenerimi i tokenit tjetër — me animacione demonstruese, jo peshë reale nga modele prodhimi.