Weights & Biases Japan (Chuo-ku, Tokyo) mengumumkan penerbitan buku putih kedua yang berfokus pada metode pengembangan model bahasa skala besar (LLM), yang berjudul "LLM Fine-Tuning and Prompt Engineering Best Practices". Buku putih ini memberikan panduan praktis bagi perusahaan yang mempertimbangkan penerapan LLM untuk memilih metode pengembangan LLM yang sesuai dengan sumber daya dan model bisnis mereka. Buku ini melengkapi bagian pertama, ``Praktik terbaik untuk melatih LLM dari awal,'' dan menjelaskan cara memperluas model LLM yang ada dan menyesuaikannya dengan penggunaan Anda sendiri. Buklet cetakannya akan didistribusikan pada konferensi pengguna WandB Fully Connected 2023 yang akan diadakan pada tanggal 11 Oktober, dan AI Expo 2023 Musim Gugur yang akan diadakan pada tanggal 24 hingga 26 Oktober. Praktik Terbaik untuk Penyempurnaan LLM dan Rekayasa yang Diminta mencatat bahwa sifat umum LLM berarti bahwa LLM dapat digunakan untuk tugas-tugas spesifik domain tanpa penyesuaian apa pun, namun Mereka menunjukkan bahwa memperoleh manfaat biasanya memerlukan penyesuaian atau rekayasa cepat untuk beradaptasi LLM tujuan umum untuk tugas-tugas hilir. Makalah ini memberikan ikhtisar dan perbandingan teknik terkini untuk topik fine-tuning dan prompt engineering untuk membantu Anda memilih pendekatan terbaik untuk kasus penggunaan tertentu menggunakan metode Aplikasi yang sedang dipertimbangkan. Weights & Biases menggunakan WandB, sebuah platform yang menyediakan manajemen eksperimen dan MLOps untuk memvisualisasikan, mengelola, dan memverifikasi proses pengembangan ML, untuk menyediakan fungsi Prompt yang mendukung pengembangan LLM dan fungsi pemantauan model pasca penerapan seperti LangChain dan LlamaIndex dengan integrasi dengan kerangka pengembangan aplikasi LLM utama. Selain itu, ia telah berkontribusi pada lanskap LLM yang berkembang pesat melalui penerbitan buku putih LLM pertama, ``Praktik Terbaik untuk Pelatihan LLM dari Awal.'' Di Jepang, kami juga mengoperasikan "Papan Peringkat Nejumi LLM" untuk mengevaluasi kinerja model LLM bahasa Jepang, mengevaluasi model LLM utama secara berurutan menggunakan kumpulan data JGLUE, dan mempublikasikan hasilnya. Jumlah model LLM yang dievaluasi sejauh ini telah melebihi 25, menjadikannya salah satu papan peringkat evaluasi LLM terbesar di Jepang. Papan peringkat ini dibangun berdasarkan fungsionalitas platform WandB, dan sudah diterapkan secara luas oleh perusahaan-perusahaan maju yang memimpin pengembangan LLM.