Mô hình ngôn ngữ lớn cho mọi người LLM (Mô hình ngôn ngữ lớn) Phần 1 - Dùng thử Tinh chỉnh Llama 2

1. Cách kiểm tra link colab thực hành

2. Tải xuống slide bài giảng

5. Thuật ngữ LLM - Tokenization (Mã hóa token)

6. Tổng hợp thuật ngữ LLM - Học trong ngữ cảnh (In-context learning)

7. Tổng hợp thuật ngữ LLM - Khả năng Nổi sinh (Emergent Abilities)

8. Tổng hợp thuật ngữ LLM - Nhiệt độ (Temperature)

10. Giới thiệu khái niệm thuật toán Byte Pair Encoding (BPE)

11. Đánh giá bài báo mô hình Llama 2 - Tổng quan

12. Đánh giá bài báo mô hình Llama 2 - Giới thiệu

13. Đánh giá bài báo mô hình Llama 2 - Pretraining

14. Đánh giá bài báo mô hình Llama 2 - Fine-tuning

15. Đánh giá bài báo mô hình Llama 2 - An toàn

16. Đánh giá bài báo mô hình Llama 2 - Thảo luận & Kết luận

17. Đánh giá mô hình Alpaca - Mô hình LLM mã nguồn mở nhẹ được Fine-Tuning từ Llama 1

18. Tổng quan về Parameter-Efficient Fine-Tuning (PEFT)

19. Đánh giá kỹ thuật LoRA (Low-Rank Adaptation of Large Language Models)

20. Thực hành PEFT 1 - Áp dụng LoRA cho mô hình RoBERTa Token Classification (Bộ dữ liệu BioNLP2004)

21. Đánh giá kỹ thuật Prefix-Tuning (Prefix-Tuning: Optimizing Continuous Prompts for Generation)

22. PEFT Thực hành 2 - Áp dụng Prefix-Tuning cho mô hình T5 Sentiment Classification (bộ dữ liệu sentences_allagree)

23. Đánh giá kỹ thuật P-Tuning (GPT Understands, Too)

24. PEFT Thực hành 3 - Áp dụng P-Tuning cho mô hình RoBERTa Semantic Similarity (Bộ dữ liệu MRPC)

25. Đánh giá kỹ thuật Prompt Tuning (The Power of Scale for Parameter-Efficient Prompt Tuning)

26. Thực hành PEFT 4 - Áp dụng Prompt Tuning cho mô hình BLOOMZ Casual Language Modeling (bộ dữ liệu twitter_complaints)

29. Tinh chế tập dữ liệu KorQuad thành định dạng cho Fine-Tuning Llama 2

30. Ví dụ Fine-Tuning Llama 2 số 1 - Fine-Tuning Llama 2 phù hợp với dataset KorQuad

31. Ví dụ Fine-Tuning Llama 2 số 1 - Dự đoán (Inference) của Llama 2 được Fine-Tuning trên tập dữ liệu KorQuad và so sánh hiệu suất với ChatGPT(GPT-4)

32. Đánh giá bài báo mô hình GPT-1 (2018) - Tổng quan

33. Đánh giá bài báo mô hình GPT-1 (2018) - Giới thiệu

34. Đánh giá bài báo mô hình GPT-1 (2018) - Tổng hợp các Task xử lý ngôn ngữ tự nhiên mà GPT đã giải quyết

35. Đánh giá bài báo mô hình GPT-1 (2018) - Framework

36. Đánh giá bài báo mô hình GPT-1 (2018) - Các phép biến đổi đầu vào theo nhiệm vụ cụ thể

37. Đánh giá bài báo mô hình GPT-1 (2018) - Thông số kỹ thuật mô hình, Tinh chỉnh có giám sát

38. Đánh giá bài báo mô hình GPT-2 (2019) - Tổng quan

39. Đánh giá bài báo mô hình GPT-2 (2019) - Giới thiệu

40. Đánh giá bài báo mô hình GPT-2 (2019) - Phương pháp tiếp cận

41. Đánh giá bài báo mô hình GPT-2 (2019) - Thí nghiệm

42. Đánh giá bài báo mô hình GPT-2 (2019) - Tổng quát hóa vs Ghi nhớ

43. Đánh giá bài báo mô hình GPT-2 (2019) - Thảo luận & Kết luận

44. Đánh giá bài báo mô hình GPT-3 (2020) - Giới thiệu

45. Đánh giá bài báo mô hình GPT-3 (2020) - Phương pháp tiếp cận

46. Đánh giá bài báo mô hình GPT-3 (2020) - Kết quả 1

48. Tinh chế bộ dữ liệu KorQuad thành định dạng cho Fine-Tuning GPT-3.5

49. Tinh chỉnh GPT-3.5 trên tập dữ liệu KorQuad & Dự đoán (Inference) với GPT-3.5 đã được tinh chỉnh

50. Đánh giá kỹ thuật Chain-of-Thought Prompting(Chain-of-Thought Prompting Elicits Reasoning in Large Language Models)

51. 18 chiến lược để viết prompt hiệu quả (1/2)

52. 18 Chiến lược để Viết Prompt Hiệu quả (2/2)

53. Đánh giá kỹ thuật Zero-shot-CoT (Large Language Models are Zero-Shot Reasoners)

54. Đánh giá kỹ thuật Step-Back Prompting (Take a Step Back: Evoking Reasoning via Abstraction in Large Language Models)

55. Phân tích system prompt của Claude 3.5

56. Đánh giá kỹ thuật Least-to-Most Prompting (Least-to-Most Prompting Enables Complex Reasoning in Large Language Models)

57. Đánh giá kỹ thuật Self-Consistency (Self-Consistency Improves Chain of Thought Reasoning in Language Models)

58. Tạo Prompt bằng kỹ thuật Meta-Prompt (Prompt Generation)

59. Khái niệm và ưu điểm của Embedding

60. Các mô hình embedding được cung cấp bởi OpenAI API

61. Khám phá 7 trường hợp sử dụng Embedding với OpenAI API (1/4)

62. Khám phá 7 trường hợp sử dụng Embedding với OpenAI API (2/4)

63. Tìm hiểu 7 trường hợp sử dụng (Use cases) của Embedding sử dụng OpenAI API (3/4)

64. Khám phá 7 trường hợp sử dụng (Use cases) của Embedding với OpenAI API (4/4)

65. Những hạn chế và rủi ro tiềm ẩn của mô hình embedding OpenAI API

66. Giới thiệu API tạo văn bản (Text generation) của OpenAI

67. Thực hành API tạo văn bản (Text generation) của OpenAI

68. Giới thiệu khái niệm Function calling

69. Thực hành Function calling

70. Tìm hiểu các ví dụ cơ bản về OpenAI Assistants API

71. Tạo ChatPDF với OpenAI Assistants API

72. Các Công cụ được hỗ trợ trong OpenAI Assistants API - Code Interpreter, Knowledge Retrieval, Function calling

73. Thử nghiệm Llama 3

74. Tóm tắt bài báo sử dụng Llama 3 (Text Summarization)

75. Dịch tiếng Anh-tiếng Hàn bằng Llama 3 (Translation)

76. Kiểm tra hiệu suất tiếng Hàn của Llama 3 bằng bộ dữ liệu MRC (Machine Reading Comprehension)

77. Phân tích cảm xúc tiếng Hàn sử dụng Llama 3 (Sentiment Analysis)

78. Ví dụ Fine-Tuning Llama 3 số 1 - Fine-Tuning Llama 3 phù hợp với dataset KorQuad

79. Ví dụ Fine-Tuning Llama 3 số 1 - Dự đoán (Inference) Llama 3 được Fine-Tuning trên tập dữ liệu KorQuad và so sánh hiệu suất với ChatGPT(GPT-4)

80. Đánh giá mô hình Llama 3

81. Giới thiệu mô hình GPT-4o mini

82. Triển khai LLM Đa phương thức (Multimodal) sử dụng GPT-4o mini

83. Giới thiệu mô hình NexusRaven

84. Kiểm tra khả năng sử dụng công cụ của mô hình NexusRaven

85. Kiểm tra hiệu suất đa ngôn ngữ của Llama 3.1 - Bộ dữ liệu MGSM

86. Đánh giá mô hình Llama 3.1

87. Phân loại tự động danh mục bằng sáng chế sử dụng mô hình Llama 3.1

88. Sử dụng mô hình Llama 3.1 để phân loại tự động danh mục bằng sáng chế - Cải thiện hiệu suất thông qua điều chỉnh prompt

89. Giới thiệu mô hình OpenAI o1

90. So sánh hiệu suất mô hình GPT-4o và mô hình o1-preview (bộ dữ liệu MMLU)

91. Tìm hiểu cách sử dụng OpenAI o1-preview API

92. Thực hành sử dụng OpenAI o1-preview API (Giải bài tập Tiếng Hàn kỳ thi đại học 2025)

93. Tối ưu hóa độ chính xác (Accuracy) của LLM - Kỹ thuật thiết kế prompt

94. Tối ưu hóa độ chính xác (Accuracy) của LLM - RAG, Fine-Tuning

95. Tối ưu hóa độ chính xác (Accuracy) của LLM - Thiết lập tiêu chuẩn độ chính xác từ góc độ kinh doanh và kỹ thuật cho ứng dụng LLM

96. Kiểm tra khả năng suy luận tiếng Hàn của mô hình Llama 3.2 1B, 3B - Bộ dữ liệu benchmark Hellaswag

97. Kiểm tra hiệu suất VQA tiếng Hàn của mô hình Llama 3.2 Vision 11B

98. Giới thiệu về bộ dữ liệu ChartQA

99. Kiểm tra hiệu suất của mô hình Llama 3.2 Vision 11B trên bộ dữ liệu ChartQA tiếng Hàn

100. Giới thiệu bộ dữ liệu benchmark MMLU(Massive Multitask Language Understanding)

101. Giới thiệu bộ dữ liệu benchmark MMLU-PRO

102. Giới thiệu bộ dữ liệu benchmark GPQA Diamond

103. Giới thiệu mô hình Llama 3.3

104. Kiểm tra khả năng suy luận của mô hình DeepSeek-R1-Distill-Llama-8B - Bộ dữ liệu AIME 2024

105. Kiểm tra khả năng lập trình của mô hình DeepSeek-R1-Distill-Llama-8B - Bộ dữ liệu LiveCodeBench

106. Tầm quan trọng của LLM Moderation & Giới thiệu OpenAI Moderation API

107. Thực hành OpenAI Moderation API

108. Sự cần thiết của LLM Guardrails & Ví dụ triển khai cơ bản LLM Guardrails (1/2)

109. Ví dụ triển khai cơ bản LLM Guardrails (2/2)

110. Ví dụ triển khai cơ bản LLM Moderation Guardrails (1/2)

111. Ví dụ triển khai cơ bản LLM Moderation Guardrails (2/2)

112. Giới thiệu bộ dữ liệu benchmark OpenAI SWE-Lancer

113. Đánh giá bài báo về bộ dữ liệu benchmark OpenAI SWE-Lancer (SWE-Lancer: Can Frontier LLMs Earn $1 Million from Real-World Freelance Software Engineering?)

115. Sử dụng công cụ tích hợp (Built-in Tool) có thể dùng trong Responses API - Sử dụng Web Search Tool

116. Công cụ tích hợp sẵn (Built-in Tool) có thể sử dụng trong Responses API - Giải thích khái niệm File Search Tool

117. Sử dụng Công cụ Tích hợp (Built-in Tool) có thể dùng trong Responses API - Sử dụng File Search Tool

118. Giới thiệu bộ dữ liệu SWE-bench Verified

119. Giới thiệu mô hình GPT-4.1

120. Hướng dẫn Kỹ thuật Prompt GPT-4.1 - 1. Quy trình làm việc Agentic

121. Hướng dẫn Kỹ thuật Prompt GPT-4.1 - 2. Ngữ cảnh dài, 3. Chuỗi suy nghĩ

122. Hướng dẫn Kỹ thuật Prompt GPT-4.1 - 4. Tuân thủ Hướng dẫn, 5. Lời khuyên Chung ## 4. Tuân thủ Hướng dẫn GPT-4.1 có khả năng tuân thủ hướng dẫn tốt hơn đáng kể so với các phiên bản trước. Mô hình này có thể hiểu và thực hiện các yêu cầu phức tạp một cách chính xác hơn. ### Đặc điểm chính: - **Độ chính xác cao

123. Giới thiệu bộ dữ liệu IFEval

124. Giới thiệu dịch vụ OpenAI Codex

125. Kiểm tra khả năng suy luận của gpt-oss-20b trong môi trường Ollama (Bộ dữ liệu GPQA Diamond)

126. GPT-5 API에서 새롭게 추가된 파라미터와 Tool들

127. GPT-5 API에서 새롭게 추가된 파라미터와 Tool들 실습