Aravind Putrevu
Devrel
OBJEVTE, PŘIPOJTE SE, ZVĚTŠUJTE SE
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
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!
26 února, 2024 | 12:00 odp. - 1:00 odp. (UTC) Koordinovaný univerzální čas
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