Specialisera en modell: dataset, LoRA, utvärderingar
Dataset, LoRA-konfigurationer och utvärderingar för att anpassa en modell till ditt område.
- [1es77xr] AI-datamängd: agent som söker HS-tullnumret med ett verktyg | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/agent-hs-nummer-1es77xr - [1xqng36] AI-datamängd: hitta HS-tullnumret för en vara | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/assistent-hs-nummer-1xqng36 - [12tgifv] AI-datamängd (DPO): HS-tullnummer utan att gissa | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/preferenser-hs-nummer-12tgifv - [f4eawt] AI-datamängd: agent som söker ESCO-yrket med ett verktyg | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/agent-esco-yrke-f4eawt - [1cnib7s] AI-datamängd: hitta ESCO-yrket för en yrkestitel | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/assistent-esco-yrke-1cnib7s - [mkxbcp] AI-datamängd (DPO): ESCO-yrke utan att gissa | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/preferenser-esco-yrke-mkxbcp - [18d9p5a] Svenskt dataset för anonymisering av personuppgifter (GDPR) | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/anonymisering-gdpr-sv-18d9p5a - [1plo4y] AI-dataset om befolkningen i Sveriges kommuner | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/assistent-kommuner-sverige-1plo4y - [1iky1co] AI-datamängd: hitta NACE-koden för en verksamhet | dataset | sv | CC-BY-4.0 | https://contextetech.com/sv/dataset/assistent-nace-kod-1iky1co
AI-datamängd: agent som söker HS-tullnumret med ett verktyg
43 agentspår: anrop till nomenklaturens sökverktyg, sedan HS-nummer, en följdfråga eller ett nej.
AI-datamängd: hitta HS-tullnumret för en vara
43 dialoger med ett utdrag ur Harmoniserade systemet i kontexten: modellen anger HS-numret, ber om ett förtydligande eller avböjer.
AI-datamängd (DPO): HS-tullnummer utan att gissa
40 preferenspar: HS-nummer läst i nomenklaturen och citerat, mot ett närliggande eller ur minnet.
AI-datamängd: agent som söker ESCO-yrket med ett verktyg
60 agentspår: anrop till ESCO-sökverktyget, returnerade yrken, sedan yrke och kod eller ett nej.
AI-datamängd: hitta ESCO-yrket för en yrkestitel
60 dialoger med ESCO-yrken i kontexten: modellen anger yrket och koden, ber om ett förtydligande eller avböjer.
AI-datamängd (DPO): ESCO-yrke utan att gissa
57 preferenspar: yrke läst i ESCO-klassificeringen och citerat, mot ett närliggande eller ur minnet.
Svenskt dataset för anonymisering av personuppgifter (GDPR)
20 exempel för att anonymisera svenska texter (GDPR): personnummer, telefon +46, IBAN SE, registreringsnummer. Fiktiva personer. Med fall utan personuppgifter.
AI-dataset om befolkningen i Sveriges kommuner
37 dialoger med SCB:s siffror i kontexten (290 kommuner, 31 december 2024): modellen läser siffran, anger källan eller avböjer.
AI-datamängd: hitta NACE-koden för en verksamhet
44 dialoger med ett utdrag ur NACE Rev. 2.1 i kontexten: modellen anger koden, ber om ett förtydligande eller avböjer.
Vad innebär det att anpassa en modell?
Att anpassa en modell innebär att träna om den på dina egna exempel så att den behärskar ditt område, ditt ordförråd eller dina format: det är fine-tuning. Det kräver ett dataset, träningsinställningar (ofta LoRA) och utvärderingar för att kontrollera vad den har lärt sig.