Modelos de linguagem grandes (LLMs, na sigla em inglês) são modeloa de aprendizado profundo treinados com grandes quantidades de dados de texto. Os LLMs podem traduzir idiomas, resumir textos e complementar mecanismos de pesquisa e sistemas de recomendação. O PaLM 2 é o próximo LLM do Google baseado no legado de pesquisa em machine learning e IA responsável.
Os modelos do PaLM 2 se destacam em tarefas avançadas de raciocínio, classificação e resposta a perguntas, tradução e geração de linguagem natural. Seu tamanho grande permite que ele aprenda padrões e relacionamentos complexos no idioma e gere texto de alta qualidade para vários aplicativos. É por isso que os modelos PaLM 2 são chamados de modelos básicos.
Para usar os modelos do PaLM 2 na Vertex AI, o Google desenvolveu a API Vertex AI PaLM. Com a API Vertex AI PaLM, é possível testar, personalizar e implantar instâncias dos modelos para seus próprios aplicativos e ajustá-los usando seus próprios casos de uso específicos.
Para ver mais recursos de aprendizado, consulte o repositório do AI Generative no GitHub. Os cientistas de dados, desenvolvedores e mediadores de dados do Google gerenciam esse conteúdo.
Começar
Veja alguns notebooks, tutoriais e outros exemplos para ajudar você a começar. A Vertex AI oferece tutoriais do console do Google Cloud e tutoriais do notebook Jupyter que usam o SDK da Vertex AI para Python. É possível abrir um tutorial de notebook no Colab ou fazer o download do notebook para o ambiente de sua preferência.
Comece a usar a API Vertex AI PaLM e o SDK da Vertex AI para Python
|
Saiba como usar a API PaLM com o SDK da Vertex AI para Python. Ao final do notebook, você entenderá as diversas nuances dos parâmetros do modelo generativo, como
Notebook do Jupyter: você pode executar este tutorial como um notebook do Jupyter. |
Primeiros passos com o Vertex AI Generative AI Studio
|
Use o Generative AI Studio por meio do Console do Google Cloud sem a necessidade da API ou do SDK da Vertex AI para Python. |
Práticas recomendadas para design rápido
|
Saiba como criar prompts para melhorar a qualidade das respostas do modelo. Este tutorial abrange os fundamentos da engenharia de solicitações, incluindo algumas práticas recomendadas.
Notebook do Jupyter: você pode executar este tutorial como um notebook do Jupyter. |
LangChain 🦜️🔗
O LangChain (em inglês) é um framework para desenvolvimento de aplicativos com tecnologia de LLMs, como os modelos PaLM. Use o LangChain para trazer dados externos, como seus arquivos, outros aplicativos e dados de API, para seus LLMs.
Para saber mais sobre o LangChain e como ele funciona com a Vertex AI, consulte a documentação oficial do LangChain e da Vertex AI.
API LangChain e Vertex AI PaLM
|
Neste tutorial, fornecemos uma introdução para entender os componentes do LangChain e alguns casos de uso comuns para trabalhar com o LangChain e a API Vertex AI PaLM. Veja alguns exemplos e demonstrações neste tutorial:
Notebook do Jupyter: você pode executar este tutorial como um notebook do Jupyter. |
Resumo de texto de documentos grandes usando o LangChain
|
|
O resumo de texto é uma tarefa de processamento de linguagem natural (PLN) que cria um resumo conciso e informativo de um texto mais longo. Você pode usar LLMs para criar resumos de artigos de notícias, trabalhos de pesquisa, documentos técnicos e outros tipos de texto. Neste notebook, você usará o LangChain para aplicar estratégias de resumo. O notebook abrange vários exemplos de como resumir documentos grandes.
Notebook do Jupyter: você pode executar este tutorial como um notebook do Jupyter. |
Responda a perguntas de documentos grandes com o LangChain
|
|
Este notebook usa LangChain com a API Vertex AI PaLM para criar um sistema de perguntas e respostas que extraia informações de documentos grandes.
Notebook do Jupyter: você pode executar este tutorial como um notebook do Jupyter. |
Responda a perguntas de documentos com o LangChain e a Pesquisa de vetores
|
|
Este notebook mostra como implementar um sistema de perguntas e respostas (QA, na sigla em inglês) que melhora uma resposta de LLM. Você aprende a aumentar o conhecimento com fontes de dados externas, como documentos e sites. Este notebook usa Vector Search, LangChain e API Vertex AI PaLM para criação de texto e incorporação. .
Notebook do Jupyter: você pode executar este tutorial como um notebook do Jupyter. |
A seguir
- Explore mais recursos no repositório do AI Generative do GitHub.
- Veja outros tutoriais do notebook da Vertex AI na visão geral dos tutoriais.