GitHub · 去对齐工具与仓库·· 3 小时前AI 评分22
K5-L3B-Day01 LLMFoundation 实验:用 ML、DL、Embedding、LLM 四种方式过滤垃圾短信
HoangQuan23112004/K5-L3B-Day01-Hoang-Duong-Anh-Quan-2A202603735-LLMFoundation
来源与原文
GitHub · 去对齐工具与仓库
发布时间:(北京时间)
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/HoangQuan23112004/K5-L3B-Day01-Hoang-Duong-Anh-Quan-2A202603735-LLMFoundation
本站目前仅有 AI 导读与摘要,未展示原文正文;技术细节、代码和完整结论请查看原始来源。
AI 导读
GitHub 仓库 HoangQuan23112004/K5-L3B-Day01-Hoang-Duong-Anh-Quan-2A202603735-LLMFoundation 发布 Day 1 实验,用 Machine Learning、Deep Learning、Embedding 与 LLM 四种方式在同一 SMS spam/ham 数据集上做分类并对比质量、速度与成本。实验在 Google Colab 上约 2h30 完成,Phần 4 需 OpenAI API key,其余部分无 key 也可完成;Embedding 部分使用 all-MiniLM-L6-v2 输出 384 维向量,最终以 F1、延迟 p50/p95、USD/1k 条短信等指标做权衡比较。
来源:GitHub · 去对齐工具与仓库 · github.com
这条消息,你怎么看?
把新闻带到 MickerBook,和社区伙伴聊聊;也可以去 AIHER 看看模型背后的角色与梗。