سرفصل‌ها درس 129 از 250 · مهندسی سریع برای مهندسان هوش مصنوعی
مهندسی سریع برای مهندسان هوش مصنوعی

خودسازگاری: نمونه‌برداری، واکاوی، رأی‌گیری

یک نمونه مدل ممکن است به‌صورت تصادفی اشتباه باشد. خودسازگاری با گرفتن چندین نمونه برای یک سؤال، استخراج پاسخ از هر یک و رأی‌گیری میان آن‌ها انجام می‌شود. پاسخ اکثریت معمولاً قابل‌اعتمادتر از هر اجرای منفرد است. نمونه‌برداری وظیفه مدل است؛ استخراج و رأی‌گیری بر عهده شماست و کاملاً تعیین‌گراست.

دو تابع بسازید:

  • extract_answer(text) آخرین عدد صحیح ذکر شده در متن را برمی‌گرداند (آخرین عدد مدل پس از استدلال)، یا None اگر عدد صحیحی وجود نداشته باشد. با استفاده از regex اعداد صحیح را از رشته پیدا کنید.
  • self_consistency(samples) یک لیست از رشته‌های نمونه را می‌گیرد، از هر کدام یک پاسخ استخراج می‌کند، و آن‌هایی را که به صورت None، و ارزش اکثریت را از طریق یک Counter. در صورت تساوی، به سمت کوچک‌ترین مقدار اولویت دهید تا نتیجه قطعی باشد.

برای مثال، با نمونه‌های داده‌شده که به صورت تجزیه می‌شوند. [4, 4, 5]، نتیجه رأی‌گیری بازمی‌گردد 4. با توجه به [3, 5] (در صورت تساوی ۱-۱)، مقدار را بازمی‌گرداند 3، کوچکتر است. نمونه‌های غیرقابل تجزیه صرفاً نادیده گرفته می‌شوند:

self_consistency(["... so 4", "answer 4", "I think 5"])  # 4
self_consistency(["hmm no number", "= 9", "= 9", "= 2"])     # 9

شکستن تساوی تعیین‌کننده اهمیت دارد: ارزیابی‌ای که در هر اجرا برنده متفاوتی را بازمی‌گرداند، غیرقابل آزمون و غیرقابل عرضه است. برای نمره‌دهی، دکمه Run را فشار دهید.

نوبت شما

نوشتن extract_answer(text) بازگرداندن آخرین عدد صحیح در متن (مدیریت علامت منفی پیش‌رو)، یا None اگر هیچ‌کدام. بنویس self_consistency(samples) که از هر نمونه پاسخی استخراج می‌کند، رد می‌کند None نتایج، و مقدار اکثریت را با یک Counter، در صورت تساوی به سمت کوچک‌ترین مقدار اولویت می‌دهد. در صورت عدم وجود پاسخ قابل تجزیه، بازگردانید None.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.