errata

「大規模言語モデル入門」正誤表

下記の誤りについて、お詫びして訂正いたします。

誤植を見つけられた方は、Issuesに新しいissueを作っていただくか、書籍の問い合わせフォームからお知らせください。

該当箇所	誤	正	対応	媒体
4.1節	FLOPS（FLoating-point Operations Per Second）	FLOPs（FLoating-point Operations）		全て
5.4.1節 末尾のコード	# JSTSでファインチューニングしたモデルのpipelineを読み込む	# JNLIでファインチューニングしたモデルのpipelineを読み込む		全て
5.5.2節	「5.2節では TrainingArguments に gradient_accumulation_steps の値を指定して勾配累積を有効にしています。」	「5.2節では TrainingArguments に gradient_accumulation_steps の値を指定することで勾配累積を有効にできます。」		全て
5.5.3節 図5.16キャプション	「灰色部わか保持されている」	「灰色部分が保持されている」	3刷	全て
5.5.4節	コードのセルに番号がない	コードのセルに番号が付く	3刷	全て
6.1節	「テキストうえで」	「テキスト上で」	3刷	全て
6.2.3節: from seqeval.metrics import classification_reportの前の行 7.4.1節: from transformers import BatchEncoding, PreTrainedTokenizerの前の行		from typing import Any	3刷	全て
6.2.3節: convert_results_to_labels関数 6.3.1節: preprocess_data関数 6.3.2節: run_prediction関数、extract_entities関数 6.3.5節: find_error_results関数、output_text_with_label関数 6.3.6節: run_prediction_viterbi関数 6.3.7節: run_prediction_crf関数 7.4.1節: preprocess_data関数 7.4.2節: run_generation関数、postprocess_title関数	関数の型ヒントのany	Any	3刷	全て
6.3.3節: if best_score < scores["f1-score"]:の次の行 6.3.7節: if best_score < scores["f1-score"]:の次の行		best_score = scores["f1-score"]を追加		全て
6.3.7節: BertWithCrfForTokenClassificationクラスのforwardメソッド	attention_mask: torch.Tensor = None, token_type_ids: torch.Tensor = None, labels: torch.Tensor = None,	attention_mask: torch.Tensor | None = None, token_type_ids: torch.Tensor | None = None, labels: torch.Tensor | None = None,	3刷	全て
7.3節	n-gramに関する説明が繰り返されて表記されている	繰り返された表記を削除	2刷	ePubのみ
7.3.1節: compute_rouge関数 7.3.2節: compute_blue関数 7.3.3節 compute_bertscore関数	datasetsのload_metrics関数の廃止	ツールを直で利用 (詳細はchapter07/7-summarization-generation.ipynbのコードを参照)
7.3.1節:	「datasetsライブラリのload_metric関数を用いて、」
7.3.2節:	「ROUGEと同様にload_metric関数を用いて、」
7.3.2節: compute_bleu関数	references: list[str]	references: list[list[str]]	3刷	全て
7.4.2節: run_generation関数	batch = {k: v.to(model.device) for k, v in batch.items()}	batch = {k: v.to(model.device) for k, v in batch.items() if k != "labels"}
7.4.2節	ref_titles = [[tagger.parse(r["title"]).strip()] for r in results]	ref_titles = [[tagger.parse(r["title"]).strip() for r in results]]
7.5.2節	「トークンからはじまり、まず5%の確率で「私達」が選ばれ、次に90%の確率で「の」が選ばれています。」	「トークンからはじまり、まず10%の確率で「私達」が選ばれ、次に70%の確率で「の」が選ばれています。」	3刷	全て
8.3.1節: SimCSEModelクラスのencode_textsメソッド	# かつ訓練時である場合、...	# かつ訓練時でない場合、...	3刷	全て
9.3.2節: _async_batch_run_chatgpt関数、batch_run_chatgpt関数	max_tokens: int, stop: str | list[str]	max_tokens: int | None, stop: str | list[str] | None	3刷	全て
参考文献	日本語表記の名前の苗字と名前が逆に表記されている	苗字と名前を正しい順序で表記する	3刷	全て