Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

• Link do preprintu omawiającego proponowaną metodę:  http://arxiv.org/abs/2406.04926
•  
• Google Meet: https://meet.google.com/rdq-oieu-ttz

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.

Seminarium ma na celu przedstawienie wyników projektu ,,Klasyfikator stanu opomiarowanych stref (DMA) oparty o duże modele językowe (LLM)'' prowadzonego w IITiS PAN, w szczególności przedstawienie innowacyjnego podejście do uczenia modeli, wykorzystującego transfer wiedzy z klasycznego klasyfikatora lasów losowych. Chociaż pomysł wywodzi się z problemu klasyfikacji stref wodociągowych, badanego w ramach projektu WaterPrime, w ramach seminarium pokażemy jego potencjał w kontekście klasyfikacji klasycznych danych oraz obrazów hiperspektralnych.

• Link do preprintu omawiającego proponowaną metodę:  http://arxiv.org/abs/2406.04926