Cet article explique comment effectuer une tâche linguistique comme la classification de texte en intégrant des grands modèles de langage (LLMs) open source hébergés localement. Il montre comment utiliser Ollama et la bibliothèque Python Scikit-LLM avec des modèles comme Mistral, Gemma et Llama 3 gratuitement.
Le contenu examine comment les modèles d'IA générative, tels que les LLM, ont progressivement supplanté les méthodes d'apprentissage automatique traditionnelles pour des tâches comme la classification de texte. Il aborde le moment opportun pour utiliser un LLM.
Ce tutoriel présente des tâches pratiques de Traitement du Langage Naturel, telles que la classification de texte et la réponse aux questions, directement dans le navigateur en utilisant l'API pipeline() de la bibliothèque Transformers.js.
La classification de texte à zéro coup permet d'étiqueter du texte sans entraîner au préalable un classifieur sur votre propre ensemble de données spécifique à la tâche. C'est une méthode efficace pour catégoriser les informations textuelles.
Ce projet s'attaque à la limitation des modèles d'IA traditionnels avec des données inconnues, proposant une solution pour les systèmes ERP universitaires. Il utilise l'apprentissage zéro-shot pour classer du texte dynamique et imprévisible, tout en intégrant la mémoire des interactions passées pour améliorer les performances.