분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
[Private 2nd] 4 Model Ensemble (Hard voting)
코드 파일: https://github.com/sungcoook/dacon-context
실행환경
- OS: Ubuntu 22.04
- Python: 3.11
- GPU: NVIDIA GeForce RTX 4060 Ti
- CPU: AMD Ryzen 5 2600
- RAM: 32GB
--------------------------------
Colab A100
여러 방식으로 다양한 실험을 진행했지만, LLM 모델들을 파인튜닝한 뒤 예측 결과를 앙상블(보팅)하는 방식이 가장 높은 성능을 보였습니다.
다소 단순한 방식으로 점수를 내서 아쉬움이 남는 것 같습니다.
전체 코드파일은 깃허브에 올려놨습니다.
감사합니다 :)
저도 NAJUNGHWAN님 코드 보고 많이 배웠습니다. ㅎㅎ
프롬프트 실험도 여러가지 시도 해봤지만 베이스라인에서 주어진 간단한 프롬프트의 성능이 가장 좋았습니다.
감사합니다:)
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
직업정보제공사업 신고번호: J1204020250004
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io |
전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
코드 잘 봤습니다. simple prompt와 r값 조정이 중요했군요. 많이 배워갑니다.