Где взять данные для предобучения LLM — Анатолий Потапов, Тинькофф

Введение в большие языковые модели (LLM)

Загружаем в ИИ большие данные (книги, документы), заставляем ИИ цитировать источники, автономия

Эволюция технологий виртуализации сети в Linux

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Файнтюнинг на примере Llama 3 + QLoRA. ПРОЩЕ и ЭФФЕКТИВНЕЕ чем когда-либо

RAG для чайников: делаем модель умнее за 15 минут

Как работает команда NLP Research после выхода GPT-4 — Даниил Гаврилов, Тинькофф

Fine-tune проиграл. RAG это лучший способ получить точные ответы от LLM. База знаний для нейросетей.

Скандал с экспертизой, США недовольны Израилем, Россия возвращается. Обсудим с Сергеем Пархоменко

LLM + RAG: ингредиенты приготовления умного ИИ-ассистента

Экономика LLM: что надо и сколько стоит использование больших языковых моделей

В чем особенности автоматизации поддержки в банке — Ирина Степанюк, Тинькофф

Введение в LLM

Файнтюнинг и квантизация Llama-3 70B

Как Я Превращаю Любые Документы в Идеальные Промпты для ИИ! Узнай Секрет

Методы дообучения LLM (LoRA)

Самое простое объяснение нейросети

Визуализация внимания, сердце трансформера | Глава 6, Глубокое обучение

Prompt-engineering или как эффективно работать с ChatGPT | Илья Козырев

Карина Романова - LLAMA, 100500 вариантов её файнтюнинга