"數(shù)據(jù)集"相關(guān)的文章
AI
大模型 SFT 微調(diào)數(shù)據(jù)集的構(gòu)建方法

大模型 SFT 微調(diào)數(shù)據(jù)集的構(gòu)建方法

在大模型應(yīng)用加速落地的背景下，SFT（Supervised Fine-Tuning）成為提升模型能力的關(guān)鍵環(huán)節(jié)。而數(shù)據(jù)集，正是微調(diào)的“燃料”。本文將系統(tǒng)拆解 SFT 微調(diào)數(shù)據(jù)集的構(gòu)建方法，從數(shù)據(jù)來源、清洗策略、標(biāo)注規(guī)范到質(zhì)量評估，帶你深入理解如何打造高質(zhì)量、可復(fù)用的訓(xùn)練數(shù)據(jù)。
轉(zhuǎn)型AI產(chǎn)品經(jīng)理（2）：數(shù)據(jù)集篇

轉(zhuǎn)型AI產(chǎn)品經(jīng)理（2）：數(shù)據(jù)集篇

我們在做AI產(chǎn)品，尤其是有監(jiān)督學(xué)習(xí)時，最重要的事情是訓(xùn)練數(shù)據(jù)從哪里來，數(shù)據(jù)又要怎么用，才能提升產(chǎn)出效率。今天我們來講下有關(guān)數(shù)據(jù)集的那些事。
AI
訓(xùn)練集、驗證集、測試集和而不同，國內(nèi)數(shù)據(jù)集又是怎樣光景？

訓(xùn)練集、驗證集、測試集和而不同，國內(nèi)數(shù)據(jù)集又是怎樣光景？

在AI的世界中，有關(guān)數(shù)據(jù)集的“故事”有很多，這篇文章里，作者就繼續(xù)講述有關(guān)AI數(shù)據(jù)集的那些原理，梳理了訓(xùn)練集、驗證集、測試集的區(qū)別和聯(lián)系，以及目前國內(nèi)數(shù)據(jù)集的現(xiàn)狀、挑戰(zhàn)和應(yīng)對之策。想弄懂AI數(shù)據(jù)集的同學(xué)，不妨來看看這篇文章。
LLMOps大模型應(yīng)用開發(fā)平臺產(chǎn)品調(diào)研與分析

LLMOps大模型應(yīng)用開發(fā)平臺產(chǎn)品調(diào)研與分析

大語言模型的出現(xiàn)讓我們可以創(chuàng)造出更智能的應(yīng)用，而這個過程中，LLMOps 這類應(yīng)用開發(fā)平臺便可以為開發(fā)者提供相應(yīng)的工具和服務(wù)。這篇文章里，作者就對LLMOps大模型應(yīng)用開發(fā)平臺產(chǎn)品進(jìn)行了分析，一起來看。