{"id":5531,"date":"2024-02-10T13:56:34","date_gmt":"2024-02-10T13:56:34","guid":{"rendered":"https:\/\/processtalks.com\/?p=5531"},"modified":"2024-02-10T14:21:24","modified_gmt":"2024-02-10T14:21:24","slug":"com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques","status":"publish","type":"post","link":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/","title":{"rendered":"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques"},"content":{"rendered":"\n

El camp de la Intel\u00b7lig\u00e8ncia Artificial (IA) ha estat testimoni aquest darrer any d’un augment sense precedents en l’\u00fas de la IA generativa gr\u00e0cies a l’adopci\u00f3 generalitzada de models massius de llenguatge (MML) per a una infinitat de tasques. Des de funcions de resum autom\u00e0tic o reescriptura de text fins a tasques m\u00e9s complexes, els MML s’han convertit en la soluci\u00f3 ideal per a reptes de caire molt divers.<\/p>\n\n\n\n

Tanmateix, per tal d\u2019aprofitar-ne realment tot el seu poder, molt sovint cal el que t\u00e8cnicament es coneix com \u201cfer aterrar\u201d aquests models; \u00e9s a dir, personalitzar-los per qu\u00e8 satisfacin els requisits espec\u00edfics de cada cas. Algunes t\u00e8cniques per fer-ho s\u00f3n les que es coneixen amb els termes anglesos de prompting<\/em><\/strong>, fine-tuning<\/em><\/strong> i retrieval augmented generation<\/em><\/strong> (RAG<\/em><\/strong>). Les t\u00e8cniques de prompting<\/em> i fine-tuning<\/em> difereixen de RAG perqu\u00e8 impliquen instruir el model en el “com” (\u00e9s a dir, en com realitzar millor una tasca), mentre que RAG l\u2019instrueix en el “qu\u00e8” (qu\u00e8 ha de saber el model per entendre i resoldre q\u00fcestions sobre un domini determinat). En aquest article, ens centrarem en les dues primeres t\u00e8cniques, explicant oom les podeu incorporar en els vostres projectes per elevar-los a nivells superiors de qualitat, rendiment i usabilitat.<\/p>\n\n\n\n

<\/a>Prompting<\/em> vs. Fine-tuning<\/em><\/h1>\n\n\n\n

El prompting<\/em><\/strong> consisteix en guiar el comportament del model proporcionant-li instruccions (possiblement acompanyades d\u2019exemples) que indiquen el tipus de resultat que s\u2019espera. \u00c9s ideal quan la tasca a realitzar permet una aproximaci\u00f3 general i no hi ha necessitat d\u2019aprofundir en detalls gaire espec\u00edfics o t\u00e8cnics.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Per contra, el fine-tuning<\/strong> \u00e9s una aproximaci\u00f3 m\u00e9s espec\u00edfica on el model s’entrena fent servir un conjunt de dades molt concret i enfocat al cas d\u2019\u00fas. \u00c9s la millor opci\u00f3 quan la tasca en q\u00fcesti\u00f3 exigeix un resultat molt particular (per exemple a nivell d\u2019estructura formal), un coneixement profund del domini o b\u00e9 una adaptaci\u00f3 a una ind\u00fastria concreta. Aquesta t\u00e8cnica demana treballar amb conjunts de dades d\u2019un cert volum per tal d\u2019assegurar varietat i, per tant, evitarla sobreadaptaci\u00f3 del model (en angl\u00e8s, over-fitting<\/em>), que passa quan el model apr\u00e8n de manera tan fidel els patrons que hi ha en les dades d’entrenament, que \u00e9s incapa\u00e7 de generalitzar i per tant falla amb dades noves que no ha vist i que s\u00f3n diferents de les apreses.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

La taula seg\u00fcent detalla les difer\u00e8ncies entre aquests dos enfocs:<\/p>\n\n\n\n

Prompting<\/em><\/strong><\/td>Fine-tuning<\/em><\/strong><\/td><\/tr>
Descripci\u00f3 general<\/strong><\/strong><\/td><\/tr>
Es proporcionen instruccions al model (possiblement acompanyades d\u2019exemples) per guiar-ne el seu comportament sense modificar-ne significativament el seu coneixement previ.<\/td>S\u2019instrueix el model fent servir un conjunt de dades d\u2019un cert volum, adaptant-lo aix\u00ed a un context o tasca m\u00e9s especialitzada.<\/td><\/tr>
Flexibilitat<\/strong><\/strong><\/td><\/tr>
Aproximaci\u00f3 flexible i generalista, adequada per a una gamma de tasques \u00e0mplia.<\/td>Permet una adaptaci\u00f3 m\u00e9s personalitzada i espec\u00edfica a la tasca; se sacrifica un cert grau de capacitat generalista del model a canvi de millorar-ne el rendiment en contextos espec\u00edfics.<\/td><\/tr>
Complexitat<\/strong><\/td><\/tr>
Nivell de complexitat baix en tant que implica treballar amb les capacitats ja existents del model pre-entrenat.<\/td>Nivell de complexitat m\u00e9s alt perqu\u00e8 requereix la creaci\u00f3 i gesti\u00f3 d’un conjunt de dades especialitzat per al cas d\u2019\u00fas.<\/td><\/tr><\/tbody><\/table>
Taula 1: Prompting vs. fine-tuning<\/figcaption><\/figure>\n\n\n\n

<\/p>\n\n\n\n

Aplicaci\u00f3 d\u2019exemple<\/h1>\n\n\n\n

Analitzarem les implicacions que t\u00e9 utilitzar cada una d\u2019aquestes dues t\u00e8cniques prenent com a cas d’\u00fas un projecte d\u2019implementaci\u00f3 d’una interf\u00edcie de llenguatge natural<\/strong> que permet interactuar amb aplicacions m\u00f2bils simplement passant ordres de veu. Es tracta d\u2019un projecte que no busca nom\u00e9s millorar el grau d\u2019usabilitat de les aplicacions, sin\u00f3 de contribuir cap a la inclusivitat i l’accessibilitat tecnol\u00f2gica per a tothom.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Una interf\u00edcie ling\u00fc\u00edstica d’aquest tipus inclou, a grans trets, una eina de conversi\u00f3 de veu a text<\/strong> i un component de comprensi\u00f3 del llenguatge natural (CLN)<\/strong>. Aquest component CLN \u00e9s la part m\u00e0gica que interpreta les intencions dels usuaris i les tradueix en una representaci\u00f3 ben estructurada, llesta per ser executada pel component al backend<\/em> de l’aplicaci\u00f3. Per\u00f2, com funciona tot aix\u00f2?<\/p>\n\n\n\n

Explotant el potencial dels MML<\/h1>\n\n\n\n

Per fer que el nostre component CLN sigui intel\u00b7ligent i adaptable, recorrem a un MML. Aqu\u00ed \u00e9s on hi ha la veritable m\u00e0gia.  Un model ben aterrat a les especificitats de la tasca ser\u00e0 capa\u00e7 de transformar la manera com els usuaris interactuen amb les aplicacions m\u00f2bils. Per\u00f2 per poder aterrar, o personalitzar, un MML de manera exitosa cal un proc\u00e9s que passa per diverses fases, tal i com s\u2019il\u00b7lustra a la seg\u00fcent figura: an\u00e0lisi de la tasca, creaci\u00f3 de les dades per instruir el model (ja sigui via prompting<\/em> o fine-tuning<\/em>) i, finalment, implementaci\u00f3 del model aterrat. Deixarem aquest darrer pas per a una propera publicaci\u00f3 (per tant, estigueu atents!) i ens centrarem en els dos primers.<\/p>\n\n\n\n

\"\"
Figura 4: Aterratge d\u2019un model. Passos necessaris.<\/figcaption><\/figure>\n\n\n\n

Pas 1. An\u00e0lisi de la tasca<\/h2>\n\n\n\n

En primer lloc \u00e9s imprescindible analitzar de manera exhaustiva les especificitats de la tasca que el model ha d\u2019aprendre. Concretament, cal entendre\u2019n les complexitats ling\u00fc\u00edstiques i de domini que comporta.<\/p>\n\n\n\n

Complexitat ling\u00fc\u00edstica.<\/strong> Conv\u00e9 tenir en compte els idiomes a incloure al projecte. S\u00f3n lleng\u00fces amb una gran cobertura digital i, per tant, podem assumir que ja estan \u00e0mpliament representades a l\u2019MML de base? Tamb\u00e9: s\u00f3n lleng\u00fces semblants i, per tant, podem pensar en la possibilitat de compartir les mateixes dades a l\u2019hora d\u2019aterrar el model?<\/p>\n\n\n\n

Complexitat del domini.<\/strong> Tamb\u00e9 cal analitzar la dificultat de la tasca a entrenar. Quin ha de ser el nivell de complexitat de les dades d\u2019entrenament? Com podem estructurar-les per tal que el backend<\/em> de l’aplicaci\u00f3 pugui executar-se correctament? Per al nostre exemple d’interf\u00edcie d’accessibilitat, aix\u00f2 implicaria determinar els diferents intents<\/em> (o intencions) d\u2019usuari que volem cobrir, els seus par\u00e0metres i qualsevol altre aspecte relacionat. Per exemple, seria rellevant aqu\u00ed pensar si n’hi ha prou amb establir un \u00fanic intent<\/em> per calendaritzar un esdeveniment o, per contra, cal diferenciar-ne dos en funci\u00f3 de si es convida a altres persones o no. Igualment, convindria determinar els elements que cal distingir en un intent<\/em> de calendaritzaci\u00f3 d’esdeveniments (p.ex., organitzador, assistents, data i hora, durada, ubicaci\u00f3, t\u00edtol), etc.<\/p>\n\n\n\n

Aquesta an\u00e0lisi ajuda a dissenyar el proc\u00e9s d\u2019aterratge del model i guia l\u2019elecci\u00f3 de la soluci\u00f3 tecnol\u00f2gica m\u00e9s adequada: prompting<\/em>, fine-tuning<\/em> o una opci\u00f3 h\u00edbrida que combini totes dues t\u00e8cniques.<\/p>\n\n\n\n

Imaginem que en el cas d’\u00fas que ens ocupa hi ha dues funcionalitats que volem desenvolupar. D\u2019una banda, ens interessa tenir un pas que s\u2019encarregui de processar text complex (\u00e9s a dir, que inclou diversos intents<\/em>), com en:<\/p>\n\n\n\n

Respon l’\u00faltim missatge de whatsapp de la Maria amb un polze d\u2019ok, reenvia’l al xat de l’equip i despr\u00e9s comen\u00e7a a reproduir el v\u00eddeo que he rebut d\u2019en Pau<\/em><\/p>\n\n\n\n

i el divideixi en comandes independents; p.ex., de manera esquem\u00e0tica: 1. respondre el missatge; 2,  reenviar-lo; 3. reproduir el v\u00eddeo. <\/em>D’altra banda, volem que el MML aprengui a interpretar comandes d\u2019usuari, les quals poden ser de tipus molt divers, i que les representi segons l\u2019esquema que requereix el backend<\/em>.<\/p>\n\n\n\n

La soluci\u00f3 tecnol\u00f2gica a la que optarem per aterrar el model \u00e9s clara: mentre que la primera funcionalitat es pot entrenar simplement amb prompting<\/em>, la segona implica un grau de complexitat que nom\u00e9s es pot gestionar recorrent al fine-tuning <\/em>(a la secci\u00f3 seg\u00fcent justificarem el perqu\u00e8 amb m\u00e9s detall). Optem doncs per un enfocament h\u00edbrid que combina totes dues t\u00e8cniques.<\/p>\n\n\n\n

<\/a>2. Desenvolupament de les dades<\/h2>\n\n\n\n

Un cop analitzada la tasca i determinat l\u2019enfoc tecnol\u00f2gic a seguir, el pas seg\u00fcent \u00e9s desenvolupar de manera efica\u00e7 els recursos necessaris que ens permetran de personalitzar el model.<\/p>\n\n\n\n

<\/a>Ecosistema de prompting<\/em><\/h3>\n\n\n\n

El prompting<\/em> \u00e9s un proc\u00e9s d’assaig i error que es basa en un conjunt d’instruccions (anomenat prompt<\/em>) per instruir el model. Opcionalment, tamb\u00e9 pot afegir exemples d\u2019entrada i sortida del que s’espera. La figura 5 ho il\u00b7lustra amb un exemple molt senzill per ensenyar el model a convertir comandes de calendaritzaci\u00f3 esdeveniments en estructures JSON.<\/p>\n\n\n\n

\"\"
Figura 5: Exemple de prompt; inclou una descripci\u00f3 de la tasca a portar a terme (secci\u00f3 INSTRUCCI\u00d3) i un exemple d\u2019aquesta com a parella INPUT-OUTPUT.<\/figcaption><\/figure>\n\n\n\n

L’entorn de desenvolupament per a l’enginyeria de prompts \u00e9s for\u00e7a senzill, doncs. Demana un conjunt d’scripts<\/em> (o peces curtes de programari) per  iterar de manera r\u00e0pida sobre diferents versions del prompt<\/em> i fer el testeig del resultat a cada iteraci\u00f3, una possibilitat que est\u00e0 a l\u2019abast de moltes empreses, incloses aquelles amb recursos t\u00e8cnics limitats.<\/p>\n\n\n\n

Com ja s’ha esmentat, per\u00f2, el prompting<\/em> no \u00e9s la soluci\u00f3 indicada per a tasques amb un nivell significatiu de complexitat. Concretament, si s\u2019ha de generar estructures JSON com en l\u2019exemple anterior, \u00e9s molt probable que el resultat no validi respecte de l\u2019esquema de representaci\u00f3. El model pot actuar de manera creativa retornant resultats no desitjats, com ara la introducci\u00f3 d\u2019atributs inventats, una reestructuraci\u00f3 de la jerarquia o l\u2019omissi\u00f3 de valors obligatoris. Prompting<\/em> no \u00e9s doncs la millor opci\u00f3 per a la nostra tasca de CNL, tot i que es pot utilitzar per a d\u2019altres m\u00e9s simples, com ara identificar i separar els diversos intents<\/em> que hi pot haver en una \u00fanica frase \u2013 com en l\u2019exemple d\u2019abans: Respon l’\u00faltim missatge de whatsapp de la Maria amb un polze d\u2019ok, reenvia’l al xat de l’equip i despr\u00e9s comen\u00e7a a reproduir el v\u00eddeo que he rebut d\u2019en Pau<\/em>.<\/p>\n\n\n\n

<\/a>Ecosistema de fine-tuning<\/em><\/h3>\n\n\n\n

Els requisits d\u2019entorn t\u00e8cnic s\u00f3n m\u00e9s exigents en el cas del fine-tuning<\/em>, que s\u2019empra per aterrar els MML en casos d’usos complexos i, per tant, necessita dades molt m\u00e9s sofisticades. Per a la nostra interf\u00edcie CLN, les dades que necessitar\u00edem s\u00f3n frases que expressin possibles comandes d’usuari acompanyades de les seves anotacions; \u00e9s a dir, de les seves representacions estructurades. Aquestes anotacions han de satisfer un cert grau de qualitat i coher\u00e8ncia per tal de garantir el m\u00ednim soroll possible durant l’entrenament del model, fet que exigeix intervenci\u00f3 humana en diferents punts del proc\u00e9s de creaci\u00f3 i curaci\u00f3 de les dades.<\/p>\n\n\n\n

Elements clau per assolir el grau necessari de qualitat i coher\u00e8ncia s\u00f3n:<\/p>\n\n\n\n

    \n
  • Un esquema de representaci\u00f3 de dades<\/strong> que estructuri el conjunt d\u2019intents<\/em> possibles i els seus par\u00e0metres. Aquest pas es fa sempre en col\u00b7laboraci\u00f3 estreta amb el client o usuari \u2013 aqu\u00ed, el propietari del component backend<\/em> que consumir\u00e0 les representacions resultants.<\/li>\n<\/ul>\n\n\n\n

    Per exemple, l’esquema per a l\u2019intent<\/em> de calendaritzar un esdeveniment<\/strong> definir\u00e0 els elements que li s\u00f3n rellevants (Figura 6): hora d’inici, durada, ubicaci\u00f3, organitzador, assistents, etc. Al seu torn, cadascun d’aquests elements es definir\u00e0 amb un esquema addicional al nivell de detall necessari. Per exemple, els atributs organitzador<\/em> i assistent<\/em> de la figura 6 seran per exemple configurats a l\u2019esquema de l\u2019element usuari<\/strong>, que estableix camps per al nom, l’adre\u00e7a de correu electr\u00f2nic, l’empresa, etc. (Figura 7).<\/p>\n\n\n\n

    \"\"
    Figura 6: Esquema per als objectes de tipus esdeveniment<\/em><\/figcaption><\/figure>\n\n\n\n
    \"\"
    Figura 7: Esquema per a objectes de tipus usuari<\/em><\/figcaption><\/figure>\n\n\n\n
      \n
    • Guies d’anotaci\u00f3 <\/strong>que assegurin que els anotadors experts segueixen uns mateixos criteris d\u2019anotaci\u00f3 i per tant es garanteixi un nivell m\u00e0xim de coher\u00e8ncia en les dades anotades. De no ser aix\u00ed, obtindrem dades sorolloses que perjudicaran la consist\u00e8ncia (i per tant, el rendiment) de l\u2019MML. Les guies d\u2019anotaci\u00f3 poden incloure tant indicacions basades en criteris ling\u00fc\u00edstics, com per exemple les seg\u00fcents (en angl\u00e8s), que donen instruccions sobre quan anotar l’usuari com a organitzador d\u2019un esdeveniment:<\/li>\n<\/ul>\n\n\n\n
      \"\"<\/figure>\n\n\n\n
      \"\"
      Figura 9: Guies d\u2019anotaci\u00f3 basades en coneixement del m\u00f3n<\/figcaption><\/figure>\n\n\n\n
        \n
      • Una eina d’anotaci\u00f3<\/strong> que faciliti la tasca de l’anotador expert semi-automatitzant alguns dels passos d\u2019anotaci\u00f3, i que idealment disposi tamb\u00e9 de mecanismes per garantir la coher\u00e8ncia i la solidesa de les dades.
        A Process Talks hem desenvolupat la nostra pr\u00f2pia eina, anomenada WILMA, que entre altres funcions valida l\u2019estructura i la consist\u00e8ncia sem\u00e0ntica de les dades anotades, fent servir un conjunt de regles <\/strong>de validaci\u00f3. La figura 10 en mostra una, que exigeix que l\u2019intent de calendaritzar esdeveniments tingui sempre un organitzador d\u2019una classe determinada (p. ex., que sigui un usuari de Teams, una adre\u00e7a de correu electr\u00f2nic, etc.)<\/li>\n<\/ul>\n\n\n\n
        \"\"
        Figura 10: Regles de validaci\u00f3 sem\u00e0ntica<\/figcaption><\/figure>\n\n\n\n

        En resum, la generaci\u00f3 de dades de fine-tuning<\/em> exigeix \u200b\u200bun ecosistema complex (Figura 11). Components clau dins d\u2019aquest s\u00f3n, en primer lloc, la interacci\u00f3 amb el client, que \u00e9s l\u2019ingredient imprescindible per definir l’esquema a la base de les dades; en segon lloc, una bona eina d’anotaci\u00f3 (com per exemple WILMA) que asseguri un proc\u00e9s de creaci\u00f3 de dades el m\u00e9s r\u00e0pid i fluid possible; i finalment, la intervenci\u00f3 d\u2019anotadors experts en diferents punts del proc\u00e9s, crucial per garantir un nivell de qualitat m\u00e0xima de les dades.<\/p>\n\n\n\n

        \"\"
        Figura 11: Visi\u00f3 general de l’ecosistema de fine-tuning<\/em><\/figcaption><\/figure>\n\n\n\n

        Conclusi\u00f3<\/h1>\n\n\n\n

        Personalitzar MMLs per a casos complexos pot ser una tasca tediosa i complexa, per\u00f2 amb una bona orientaci\u00f3 el resultat aportar\u00e0 millores remarcables als vostres projectes. A Process Talks estem especialitzats en fer aterrar models d\u2019aquest tipus i oferim solucions a mida. Contacteu-nos i analitzarem amb vosaltres com us podem ajudar a fer cr\u00e9ixer els vostres projectes i portar-los a nous nivells de funcionalitat gr\u00e0cies a l\u2019enorme potencial de la IA generativa.<\/p>\n","protected":false},"excerpt":{"rendered":"

        El camp de la Intel\u00b7lig\u00e8ncia Artificial (IA) ha estat testimoni aquest darrer any d’un augment sense precedents en l’\u00fas de la IA generativa gr\u00e0cies a l’adopci\u00f3 generalitzada de models massius de llenguatge (MML) per a una infinitat de tasques. Des de funcions de resum autom\u00e0tic o reescriptura de text fins a tasques m\u00e9s complexes, els […]<\/p>\n","protected":false},"author":14,"featured_media":5471,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"ocean_post_layout":"","ocean_both_sidebars_style":"","ocean_both_sidebars_content_width":0,"ocean_both_sidebars_sidebars_width":0,"ocean_sidebar":"","ocean_second_sidebar":"","ocean_disable_margins":"enable","ocean_add_body_class":"","ocean_shortcode_before_top_bar":"","ocean_shortcode_after_top_bar":"","ocean_shortcode_before_header":"","ocean_shortcode_after_header":"","ocean_has_shortcode":"","ocean_shortcode_after_title":"","ocean_shortcode_before_footer_widgets":"","ocean_shortcode_after_footer_widgets":"","ocean_shortcode_before_footer_bottom":"","ocean_shortcode_after_footer_bottom":"","ocean_display_top_bar":"default","ocean_display_header":"default","ocean_header_style":"","ocean_center_header_left_menu":"","ocean_custom_header_template":"","ocean_custom_logo":0,"ocean_custom_retina_logo":0,"ocean_custom_logo_max_width":0,"ocean_custom_logo_tablet_max_width":0,"ocean_custom_logo_mobile_max_width":0,"ocean_custom_logo_max_height":0,"ocean_custom_logo_tablet_max_height":0,"ocean_custom_logo_mobile_max_height":0,"ocean_header_custom_menu":"","ocean_menu_typo_font_family":"","ocean_menu_typo_font_subset":"","ocean_menu_typo_font_size":0,"ocean_menu_typo_font_size_tablet":0,"ocean_menu_typo_font_size_mobile":0,"ocean_menu_typo_font_size_unit":"px","ocean_menu_typo_font_weight":"","ocean_menu_typo_font_weight_tablet":"","ocean_menu_typo_font_weight_mobile":"","ocean_menu_typo_transform":"","ocean_menu_typo_transform_tablet":"","ocean_menu_typo_transform_mobile":"","ocean_menu_typo_line_height":0,"ocean_menu_typo_line_height_tablet":0,"ocean_menu_typo_line_height_mobile":0,"ocean_menu_typo_line_height_unit":"","ocean_menu_typo_spacing":0,"ocean_menu_typo_spacing_tablet":0,"ocean_menu_typo_spacing_mobile":0,"ocean_menu_typo_spacing_unit":"","ocean_menu_link_color":"","ocean_menu_link_color_hover":"","ocean_menu_link_color_active":"","ocean_menu_link_background":"","ocean_menu_link_hover_background":"","ocean_menu_link_active_background":"","ocean_menu_social_links_bg":"","ocean_menu_social_hover_links_bg":"","ocean_menu_social_links_color":"","ocean_menu_social_hover_links_color":"","ocean_disable_title":"default","ocean_disable_heading":"default","ocean_post_title":"","ocean_post_subheading":"","ocean_post_title_style":"","ocean_post_title_background_color":"","ocean_post_title_background":0,"ocean_post_title_bg_image_position":"","ocean_post_title_bg_image_attachment":"","ocean_post_title_bg_image_repeat":"","ocean_post_title_bg_image_size":"","ocean_post_title_height":0,"ocean_post_title_bg_overlay":0.5,"ocean_post_title_bg_overlay_color":"","ocean_disable_breadcrumbs":"default","ocean_breadcrumbs_color":"","ocean_breadcrumbs_separator_color":"","ocean_breadcrumbs_links_color":"","ocean_breadcrumbs_links_hover_color":"","ocean_display_footer_widgets":"default","ocean_display_footer_bottom":"default","ocean_custom_footer_template":"","ocean_post_oembed":"","ocean_post_self_hosted_media":"","ocean_post_video_embed":"","ocean_link_format":"","ocean_link_format_target":"self","ocean_quote_format":"","ocean_quote_format_link":"post","ocean_gallery_link_images":"on","ocean_gallery_id":[],"footnotes":""},"categories":[29],"tags":[],"yoast_head":"\nCom adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques - Process Talks<\/title>\n<meta name=\"description\" content=\"Automate your daily office workflows with an engine based on natural language interaction.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/\" \/>\n<meta property=\"og:locale\" content=\"ca_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques - Process Talks\" \/>\n<meta property=\"og:description\" content=\"Automate your daily office workflows with an engine based on natural language interaction.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/\" \/>\n<meta property=\"og:site_name\" content=\"Process Talks\" \/>\n<meta property=\"article:published_time\" content=\"2024-02-10T13:56:34+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-02-10T14:21:24+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"1024\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"web-designer\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrit per\" \/>\n\t<meta name=\"twitter:data1\" content=\"web-designer\" \/>\n\t<meta name=\"twitter:label2\" content=\"Temps estimat de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"12 minuts\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/\"},\"author\":{\"name\":\"web-designer\",\"@id\":\"https:\/\/processtalks.com\/#\/schema\/person\/fa4d5a416a5d88d77b957a359148b1a1\"},\"headline\":\"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques\",\"datePublished\":\"2024-02-10T13:56:34+00:00\",\"dateModified\":\"2024-02-10T14:21:24+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/\"},\"wordCount\":2355,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/processtalks.com\/#organization\"},\"image\":{\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg\",\"articleSection\":[\"Uncategorized @ca\"],\"inLanguage\":\"ca\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/\",\"url\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/\",\"name\":\"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques - Process Talks\",\"isPartOf\":{\"@id\":\"https:\/\/processtalks.com\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg\",\"datePublished\":\"2024-02-10T13:56:34+00:00\",\"dateModified\":\"2024-02-10T14:21:24+00:00\",\"description\":\"Automate your daily office workflows with an engine based on natural language interaction.\",\"breadcrumb\":{\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#breadcrumb\"},\"inLanguage\":\"ca\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"ca\",\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage\",\"url\":\"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg\",\"contentUrl\":\"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg\",\"width\":1024,\"height\":1024},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/processtalks.com\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/processtalks.com\/#website\",\"url\":\"https:\/\/processtalks.com\/\",\"name\":\"Process Talks\",\"description\":\"Automate your daily office workflows with an engine based on natural language interaction.\",\"publisher\":{\"@id\":\"https:\/\/processtalks.com\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/processtalks.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"ca\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/processtalks.com\/#organization\",\"name\":\"Process Talks\",\"url\":\"https:\/\/processtalks.com\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"ca\",\"@id\":\"https:\/\/processtalks.com\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/processtalks.com\/wp-content\/uploads\/2022\/08\/white-logo.png\",\"contentUrl\":\"https:\/\/processtalks.com\/wp-content\/uploads\/2022\/08\/white-logo.png\",\"width\":768,\"height\":238,\"caption\":\"Process Talks\"},\"image\":{\"@id\":\"https:\/\/processtalks.com\/#\/schema\/logo\/image\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\/\/processtalks.com\/#\/schema\/person\/fa4d5a416a5d88d77b957a359148b1a1\",\"name\":\"web-designer\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"ca\",\"@id\":\"https:\/\/processtalks.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/8b664fa306a906106e1e4ac273c65410?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/8b664fa306a906106e1e4ac273c65410?s=96&d=mm&r=g\",\"caption\":\"web-designer\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques - Process Talks","description":"Automate your daily office workflows with an engine based on natural language interaction.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/","og_locale":"ca_ES","og_type":"article","og_title":"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques - Process Talks","og_description":"Automate your daily office workflows with an engine based on natural language interaction.","og_url":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/","og_site_name":"Process Talks","article_published_time":"2024-02-10T13:56:34+00:00","article_modified_time":"2024-02-10T14:21:24+00:00","og_image":[{"width":1024,"height":1024,"url":"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg","type":"image\/jpeg"}],"author":"web-designer","twitter_card":"summary_large_image","twitter_misc":{"Escrit per":"web-designer","Temps estimat de lectura":"12 minuts"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#article","isPartOf":{"@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/"},"author":{"name":"web-designer","@id":"https:\/\/processtalks.com\/#\/schema\/person\/fa4d5a416a5d88d77b957a359148b1a1"},"headline":"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques","datePublished":"2024-02-10T13:56:34+00:00","dateModified":"2024-02-10T14:21:24+00:00","mainEntityOfPage":{"@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/"},"wordCount":2355,"commentCount":0,"publisher":{"@id":"https:\/\/processtalks.com\/#organization"},"image":{"@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage"},"thumbnailUrl":"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg","articleSection":["Uncategorized @ca"],"inLanguage":"ca","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/","url":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/","name":"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques - Process Talks","isPartOf":{"@id":"https:\/\/processtalks.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage"},"image":{"@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage"},"thumbnailUrl":"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg","datePublished":"2024-02-10T13:56:34+00:00","dateModified":"2024-02-10T14:21:24+00:00","description":"Automate your daily office workflows with an engine based on natural language interaction.","breadcrumb":{"@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#breadcrumb"},"inLanguage":"ca","potentialAction":[{"@type":"ReadAction","target":["https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/"]}]},{"@type":"ImageObject","inLanguage":"ca","@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#primaryimage","url":"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg","contentUrl":"https:\/\/processtalks.com\/wp-content\/uploads\/2024\/02\/cloud_and_funnel.jpg","width":1024,"height":1024},{"@type":"BreadcrumbList","@id":"https:\/\/processtalks.com\/ca\/com-adaptar-models-massius-de-llenguatge-a-les-teves-necessitats-especifiques\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/processtalks.com\/"},{"@type":"ListItem","position":2,"name":"Com adaptar models massius de llenguatge a les teves necessitats espec\u00edfiques"}]},{"@type":"WebSite","@id":"https:\/\/processtalks.com\/#website","url":"https:\/\/processtalks.com\/","name":"Process Talks","description":"Automate your daily office workflows with an engine based on natural language interaction.","publisher":{"@id":"https:\/\/processtalks.com\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/processtalks.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"ca"},{"@type":"Organization","@id":"https:\/\/processtalks.com\/#organization","name":"Process Talks","url":"https:\/\/processtalks.com\/","logo":{"@type":"ImageObject","inLanguage":"ca","@id":"https:\/\/processtalks.com\/#\/schema\/logo\/image\/","url":"https:\/\/processtalks.com\/wp-content\/uploads\/2022\/08\/white-logo.png","contentUrl":"https:\/\/processtalks.com\/wp-content\/uploads\/2022\/08\/white-logo.png","width":768,"height":238,"caption":"Process Talks"},"image":{"@id":"https:\/\/processtalks.com\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/processtalks.com\/#\/schema\/person\/fa4d5a416a5d88d77b957a359148b1a1","name":"web-designer","image":{"@type":"ImageObject","inLanguage":"ca","@id":"https:\/\/processtalks.com\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8b664fa306a906106e1e4ac273c65410?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8b664fa306a906106e1e4ac273c65410?s=96&d=mm&r=g","caption":"web-designer"}}]}},"_links":{"self":[{"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/posts\/5531"}],"collection":[{"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/users\/14"}],"replies":[{"embeddable":true,"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/comments?post=5531"}],"version-history":[{"count":2,"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/posts\/5531\/revisions"}],"predecessor-version":[{"id":5557,"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/posts\/5531\/revisions\/5557"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/media\/5471"}],"wp:attachment":[{"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/media?parent=5531"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/categories?post=5531"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/processtalks.com\/ca\/wp-json\/wp\/v2\/tags?post=5531"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}