API Reference: Self-Adapting Language Models (SALM)

SelfRefine

class SelfRefine:
    """Tự cải thiện output qua nhiều vòng lặp."""

    def __init__(
        self,
        ham_sinh: Callable[[str], str],
        ham_danh_gia: Optional[Callable[[str, str], Dict[str, Any]]] = None,
        ham_feedback: Optional[Callable[[str, str], str]] = None,
        ham_refine: Optional[Callable[[str, str], str]] = None,
        so_vong_toi_da: int = 3,
        nguong_chat_luong: float = 0.8,
        giam_diem_dung: float = 0.01,
    )

    def chay(self, prompt: str, nhiet_do: float = 0.7) -> Dict[str, Any]
    def chay_nhieu(self, prompts: List[str], nhiet_do: float = 0.7) -> List[Dict[str, Any]]
    def lay_lich_su(self) -> List[Dict[str, Any]]
    def thong_ke(self) -> Dict[str, Any]

Returns: chay()

Key	Type	Mô tả
output_cuoi	str	Output cuối cùng
lich_su_vong	List[Dict]	Lịch sử mỗi vòng
diem_cuoi	float	Điểm cuối cùng
so_vong	int	Số vòng đã chạy
tong_thoi_gian	float	Thời gian (giây)
dat_nguong	bool	Có đạt ngưỡng không

---

SelfConsistency

class SelfConsistency:
    """Multiple reasoning paths với majority voting."""

    def __init__(
        self,
        ham_sinh: Callable[[str], str],
        so_luong: int = 5,
        ham_trich_xuat: Optional[Callable[[str], str]] = None,
        ham_danh_gia: Optional[Callable[[str, str, str], float]] = None,
    )

    def chay(self, prompt: str, che_do: str = "truc_tiep", nhiet_do: float = 0.7) -> Dict[str, Any]
    def chay_nhieu(self, prompts: List[str], che_do: str = "truc_tiep") -> List[Dict[str, Any]]
    def lay_lich_su(self) -> List[Dict[str, Any]]
    def thong_ke(self) -> Dict[str, Any]

Returns: chay()

Key	Type	Mô tả
dap_an	str	Đáp án (majority vote)
so_luong_paths	int	Số paths đã tạo
ty_le_dong_nhat	float	Tỷ lệ paths cùng đáp án
cac_paths	List[Dict]	Chi tiết từng path
phan_phoi	Dict	Phân phối đáp án
diem	float	Điểm tin cậy

---

AdaptiveLoRA

class AdaptiveLoRA:
    """Tự chọn LoRA adapter theo task."""

    def __init__(self, che_do: str = "keyword", trong_so_mac_dinh: float = 1.0)

    def dang_ky_adapter(self, ten: str, adapter: Any, keywords: Optional[List[str]] = None, embedding: Optional[np.ndarray] = None, trong_so: float = 1.0) -> None
    def dang_ky_ham_embed(self, ham: Callable[[str], np.ndarray]) -> None
    def chon_adapter(self, input_text: str, top_k: int = 1) -> List[Dict[str, Any]]
    def ket_hop_adapters(self, input_text: str) -> Dict[str, float]
    def xoa_adapter(self, ten: str) -> bool
    def danh_sach_adapters(self) -> List[str]
    def thong_ke_su_dung(self) -> Dict[str, int]
    def thong_ke(self) -> Dict[str, Any]

Parameters: dang_ky_adapter()

Param	Type	Mô tả
ten	str	Tên adapter
adapter	Any	LoRA adapter object
keywords	List[str]	Từ khóa liên quan
embedding	np.ndarray	Vector biểu diễn task
trong_so	float	Trọng số ưu tiên

---

SinhDuLieuTuDong

class SinhDuLieuTuDong:
    """Sinh dữ liệu huấn luyện tự động."""

    def __init__(self, ham_sinh: Callable[[str], str], ham_danh_gia: Optional[Callable] = None, nguong_chat_luong: float = 0.5, toi_da_lap: int = 3)

    def them_giong_mau(self, instruction: str, output: str, input_text: str = "") -> None
    def them_nhieu_giong_mau(self, mau_list: List[Dict[str, str]]) -> None
    def sinh(self, so_luong: int, loai: str = "instruction", chu_de: str = "") -> List[Dict[str, str]]
    def lay_du_lieu_da_sinh(self) -> List[Dict[str, str]]
    def xoa_du_lieu(self) -> None
    def thong_ke(self) -> Dict[str, Any]

Parameters: sinh()

Param	Type	Mô tả
so_luong	int	Số mẫu cần sinh
loai	str	instruction, qa, classification, completion
chu_de	str	Chủ đề cụ thể

---

TestTimeTraining

class TestTimeTraining:
    """Adapt model tại inference time."""

    def __init__(self, model: Any, che_do: str = "entropy_minimization", toc_do_hoc: float = 0.001, so_buoc_mac_dinh: int = 5)

    def luu_trong_so_goc(self) -> None
    def phuc_hoi_trong_so(self) -> None
    def thich_ung(self, X: np.ndarray, so_buoc: Optional[int] = None) -> Dict[str, Any]
    def du_doan(self, X: np.ndarray) -> np.ndarray
    def du_doan_xac_suat(self, X: np.ndarray) -> np.ndarray
    def thong_ke(self) -> Dict[str, Any]

Parameters: __init__()

Param	Type	Default	Mô tả
model	Any	—	Model cần adapt
che_do	str	entropy_minimization	Chiến lược TTT
toc_do_hoc	float	0.001	Learning rate
so_buoc_mac_dinh	int	5	Số bước adapt

Returns: thich_ung()

Key	Type	Mô tả
loss_cuoi	float	Loss cuối cùng
loss_dau	float	Loss ban đầu
giam_loss	float	Mức giảm loss
so_buoc	int	Số bước đã chạy
lich_su_loss	List[float]	Loss theo từng bước