AI說書 - 從0開始 - 155 | 文法判斷介面成果展示

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

回顧一下目前手上有的素材：

• 訓練的必要模組安裝：AI說書 - 從0開始 - 135
• 載入資料集：AI說書 - 從0開始 - 136
• 資料集窺探：AI說書 - 從0開始 - 137
• 資料前處理與 Tokenization：AI說書 - 從0開始 - 138
• 資料 Padding 與訓練/驗證集切割：AI說書 - 從0開始 - 139
• Data Loader 設定：AI說書 - 從0開始 - 140
• BERT 模型窺探：AI說書 - 從0開始 - 141
• 載入 BERT 模型：AI說書 - 從0開始 - 142
• Optimizer 的 Decay Rate 群組配置：AI說書 - 從0開始 - 143
• BERT 模型的特定「層」參數窺探方法：AI說書 - 從0開始 - 144
• Optimizer 的 Decay Rate 群組窺探：AI說書 - 從0開始 - 145
• 配置 Optimizer 與訓練成效評估函數：AI說書 - 從0開始 - 146
• 訓練程式的撰寫：AI說書 - 從0開始 - 147
• 訓練結果圖示化：AI說書 - 從0開始 - 148
• 準備驗證微調效果的另一份資料前處理：AI說書 - 從0開始 - 149
• 微調模型的預測展示：AI說書 - 從0開始 - 150
• 使用 MCC 分數評估微調後的模型：AI說書 - 從0開始 - 151
• 保存微調好的模型方法：AI說書 - 從0開始 - 152 | 保存微調後的模型
• 預測文法正確與否的函數：AI說書 - 從0開始 - 153 | 製作文法正確與否的預測函數
• 文法判斷的介面製作：AI說書 - 從0開始 - 154 | 製作預測文法正確與否的聊天介面

現在我們可以應用 AI說書 - 從0開始 - 154 | 製作預測文法正確與否的聊天介面 的函數來進行文法正確與否的預測，而且是透過介面呈現：

• 這是一個語法正確的句子
• AI 模型可以正確判斷

• 這是一個文法有誤的句子
• AI 模型可以正確判斷