Демонстрация ИИ / обучение
Как обучается ваша модель
Посмотрите, как в учебном примере меняются ответ, ошибка, уверенность токенов и условные компоненты. Все значения заданы заранее и служат только концептуальной визуализацией.
Демонстрационная симуляция
Здесь показана концепция, а не настоящее обучение модели: ответы, ошибка, уверенность и все значения компонентов заданы заранее и являются синтетическими. Данные не отправляются во внешнюю модель и ничего не обучают.
Учебный пример
Кот гонится за мячом
Фраза служит фиксированным примером для всех шагов симуляции.
Условная ошибка
84%
Синтетические пункты, не метрика реальной модели
Пошаговая симуляция
Исходный ответ
Сравнение ответов
До симуляции и на выбранном шаге
До симуляции
Кот смотрит на мяч.
Ответ на выбранном шаге · симуляция
Кот смотрит на мяч.
Следующий токен
Условная уверенность в целевых токенах
Проценты придуманы для примера и не являются вероятностями работающей модели.
Кот
гонится
за
мячом
Внутри модели
Условные компоненты модели
Все шкалы синтетические и меняются только для наглядности.
Представление токена
Условные координаты слова «гонится»
Внимание к токенам
Условное распределение, %
Выходной слой
Синтетические варианты ответа, %
Интерактивная схема / LoRA
Как работает адаптер LoRA
Только учебная симуляция
Здесь нет запуска обучения, пользовательских данных или настоящих весов модели. Матрицы, примеры и условная активность синтетические; базовая модель остаётся неизменной.
Базовый ответ
Сначала фиксируем исходный ответ модели.
Фиксированный пример
Кот гонится за мячом.
Базовая модель
Исходное состояниеИсходные веса W₀
Ответ базовой модели
Кот смотрит на мяч.
Обучаемый адаптер
Условные параметрыВыход симуляции
До применения поправки
Кот смотрит на мяч.
W′ = W₀ + (α / r) · B · A