Gorilla: Large Language Model Connected with Massive APIs: differenze tra le versioni
(Creata pagina con "Titolo: Titolo::Gorilla: Large Language Model Connected with Massive APIs Anno di pubblicazione: AnnoDiPubblicazione::2023 Autori: Autori::Fanjia Yan; Autori::Adam Lee; Autori::Tianjun Zhang; Autori::Shishir G. Patil; Autori::Ion Stoica; Autori::Joseph E. Gonzalez URL: URL::https://gorilla.cs.berkeley.edu/blogs/4_open_functions.html Topic: progettato per estendere la funzionalità di completamento della chat LLM (Large Language M...") |
Nessun oggetto della modifica |
||
| Riga 1: | Riga 1: | ||
{{template pubblicazione | |||
|data=2023 | |||
|autori=Fanjia Yan, Adam Lee, Tianjun Zhang, Shishir G. Patil, Ion Stoica, Joseph E. Gonzalez | |||
|URL=https://www.semanticscholar.org/paper/7d8905a1fd288068f12c8347caeabefd36d0dd6c | |||
|topic=Large Language Model (LLM) | |||
|citazioni=284 | |||
URL | }} | ||
Gorilla è un modello linguistico di grandi dimensioni (LLM) progettato per estendere la funzionalità di completamento della chat LLM per formulare chiamate API eseguibili in base alle istruzioni in linguaggio naturale e al contesto API. Questo modello basato su LLaMA supera le prestazioni di GPT-4 nella scrittura di chiamate API e, se combinato con un sistema di recupero documenti, dimostra una forte capacità di adattarsi alle modifiche dei documenti in fase di test. | |||
Versione attuale delle 10:49, 17 ago 2024
| Gorilla: Large Language Model Connected with Massive APIs | |
|---|---|
| Data | 2023 |
| Autori | Fanjia Yan, Adam Lee, Tianjun Zhang, Shishir G. Patil, Ion Stoica, Joseph E. Gonzalez |
| URL | https://www.semanticscholar.org/paper/7d8905a1fd288068f12c8347caeabefd36d0dd6c |
| Topic | Large Language Model (LLM) |
| Citazioni | 284 |
Gorilla è un modello linguistico di grandi dimensioni (LLM) progettato per estendere la funzionalità di completamento della chat LLM per formulare chiamate API eseguibili in base alle istruzioni in linguaggio naturale e al contesto API. Questo modello basato su LLaMA supera le prestazioni di GPT-4 nella scrittura di chiamate API e, se combinato con un sistema di recupero documenti, dimostra una forte capacità di adattarsi alle modifiche dei documenti in fase di test.