Přeskočit na hlavní obsah

OBJEVTE, PŘIPOJTE SE, ZVĚTŠUJTE SE

Microsoft Reactor

Připojte se k Microsoft Reactoru a živě se obraťte na startupy a vývojáře.

Jste připravení začít s AI? Microsoft Reactor poskytuje akce, školení a komunitní zdroje, které pomáhají začínajícím podnikům, podnikatelům a vývojářům rozvíjet své další podnikání na technologiích AI. Připojte se k nám!

OBJEVTE, PŘIPOJTE SE, ZVĚTŠUJTE SE

Microsoft Reactor

Připojte se k Microsoft Reactoru a živě se obraťte na startupy a vývojáře.

Jste připravení začít s AI? Microsoft Reactor poskytuje akce, školení a komunitní zdroje, které pomáhají začínajícím podnikům, podnikatelům a vývojářům rozvíjet své další podnikání na technologiích AI. Připojte se k nám!

Zpět

Improving Large Language Model by Systematically Improving its Data

26 února, 2024 | 12:00 odp. - 1:00 odp. (UTC) Koordinovaný univerzální čas

  • Formát:
  • alt##LivestreamLivestream

Téma: Datová Věda a Učení stroje

Jazyk: Angličtina

Labeled data powers AI/ML in the enterprise, but real-world datasets have been found to contain between 7-50% annotation errors. Imperfectly labelled text data hampers ML models' training (and evaluation) across tasks like intent recognition, entity recognition, and sequence generation. Although pretrained LLMs are equipped with a lot of world knowledge, their performance is adversely affected by noisy training data (as noted by OpenAI).

In this talk, we illustrate data-centric techniques to mitigate the effect of label noise without changing any code related to model architecture, hyperparameters, or training. These data quality improvement techniques should thus remain applicable even for future advanced LLMs like GPT-10.

Reproduktory

Pokud máte dotazy, kontaktujte nás na adrese reactor@microsoft.com