Phase 19: Capstone Projects

Demo de pesquisa de ponta a ponta

Type: Build

Languages: Python

Prerequisites: Phase 19 lessons 50-53

Time: ~90 minutes

Objetivos de aprendizagem

• Cable o ciclo de auto-investigação de ponta a ponta: semente de hipótese, experimentador, cronista, ciclo crítico, escritor de papel.
• Compõem as primitivas das quatro lições anteriores do Track D através de importações simples do Python, não de uma estrutura.
• Execute o ciclo para um fim auto-terminador e emite um único relatório de demonstração que lista a saída de cada etapa.
• Mantenha a demonstração determinista para que o conjunto de teste possa afirmar a forma final.
• Superficie um modo de falha claro quando o contrato de qualquer estágio rompe, para que a próxima etapa não seja executada com uma entrada quebrada.

O que compõe aqui

flowchart LR
    Seed[Seed hypotheses] --> Sched[Iteration scheduler]
    Sched --> Exp[Experiment runner]
    Exp --> Bus[Result bus]
    Bus --> Sched
    Bus --> Trig[Paper trigger]
    Trig --> Pick[Best result picker]
    Pick --> Critic[Critic loop]
    Critic --> Writer[Paper writer]
    Writer --> Report[Demo report]

O cronógrafo realiza seis experimentos em três espaços paralelos. O bus relata um ou mais desencadeadores de papel. O selecionador seleciona o melhor resultado. O ciclo crítico retrata um esboço construído a partir desse resultado. O escritor do papel emite o final LaTeX, BibTeX e manifesto.

Por que importar, não copiar

Cada aula anterior envia um main.pyA demonstração importa-los ajustando os dados de um grupo de dados.sys.pathNão é um sistema de fixação de estrutura, mas é o mesmo que importa os arquivos de teste já utilizados nas aulas anteriores.

flowchart TB
    Demo[57: end-to-end demo] --> A[54: PaperWriter]
    Demo --> B[55: CriticLoop]
    Demo --> C[56: IterationScheduler]
    Demo --> Inline[Inline stub: seed and runner]

O estúdio de linha intercalar representa as lições de cinquenta a cinquenta e três: um pequeno gerador de hipóteses de sementes e uma função de recompensa sincrônica.

Garantias de determinismo

A demonstração é determinista por construção. O experimentador é sementeado numpy. O revisor do loop crítico percorre dimensões fixas em ordem fixa. O gerador de prosa do escritor de papel é o ridicularizado da lição cinquenta e quatro. O selector UCB do cronista quebra laços na ordem de iteração, não escolha aleatória.

Dado a mesma semente, a demonstração emite o mesmo relatório. O teste afirma esta propriedade executando a demonstração duas vezes e comparando o manifesto.

Forma do relatório de demonstração

flowchart TB
    Rep[DemoReport] --> Sch[scheduler_report]
    Rep --> Pick[best_branch and best_reward]
    Rep --> Cri[critic_result]
    Rep --> Pap[paper_manifest]
    Rep --> Term[stop_reason]

Cada campo vem literalmente do estágio upstream. A demonstração não transforma nenhuma saída; compõe-as. É o teste que a demonstração é.

Manutenção do modo de falha

Cada etapa é bem sucedida ou produz um erro de digitação.

textCopyScheduler ........ returns SchedulerReport with stop_reason
                   in {queue_empty, max_experiments, deadline}
Best-result pick . raises NoTriggerError if no paper trigger fired
Critic loop ...... returns LoopResult with status converged or stopped
Paper writer ..... raises PaperValidationError on contract break

Uma falha em qualquer estágio abrevia a demonstração com uma exceção digitada.test_no_triggers_raises_typed_errorE ...test_best_picker_raises_when_no_triggersAcerta que o selector aumenta NoTriggerError- Não .BestResultErrorQuando nenhum ramo disparou um gatilho, e o escritor nunca é invocado.

O melhor escolhedor de resultados

O cronógrafo emite desencadeadores de papel por ramo. O selecionador seleciona o ramo com a recompensa média mais alta em todos os desencadeadores. As ligações se quebram alfabeticamente por id do ramo, então a demonstração é determinista. O selecionador é uma pequena função pura; os testes o colocam em um relatório de cronógrafo fixo.

Cablear o circuito crítico

O ciclo crítico na lição 55 opera em um MiniPaperA demonstração constrói umMiniPaperdo ramo escolhido, preenchendo o resumo com o id do ramo, sementeando duas seções (Introdução e Resultados), e definindo originality_tagda remuneração média do ramo (alto se >= 0.8, média se >= 0.6- Baixo , caso contrário).

O revisor então retrata o esboço para convergência.

A transferir o papel

O escritor de papel na lição 54 opera no total .PaperA demonstração de forma com figuras e bibliografia.MiniPaperpor via mini_to_full_paperO documento, que anexa uma figura para o ramo selecionado e uma pequena bibliografia sintética construída a partir da união de chaves de citação sugerida pelo crítico.

Como ler o código

code/main.pydefineBestResultError- Não .NoTriggerError- Não .DemoReport- Não .pick_best_branch- Não .build_mini_paper- Não .mini_to_full_paper, e run_demo- As importações no ajustamento máximosys.pathUma vez e puxa .PaperWriter- Não .CriticLoop, e IterationSchedulerdas suas lições.

code/tests/test_e2e.pyCoberturas: demonstrações executadas de ponta a ponta e emitem um relatório com todos os cinco campos preenchidos, determinismo em duas corridas, NoTriggerError quando nenhum ramo atravessa o limiar, PaperValidationError quando o contrato do escritor rompe, manifesto de papel contém a figura do ramo escolhido e o motivo de parada do cronista é um dos valores esperados.

Vai mais longe

Três extensões que vale a pena cablar quando a demonstração estiver verde. Primeiro, estado persistente: o resultado de cada etapa é escrito para um pequeno armazém JSON para que uma reinicialização possa ser retomada sem re-exercer as etapas baratas. Em segundo lugar, um painel de instrumentos: os eventos de rastreamento do cronograma e do ciclo crítico são renderizados como uma única linha do tempo. Em terceiro lugar, chamadas de modelo reais: troque o gerador de prosa ridicularizado e o crítico determinista por modelos orientados; o cablagem não muda.

A demonstração tem como objetivo provar que a composição é a arquitetura. Cinco lições, quatro importações, um relatório.

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.