LEARN, CONNECT, BUILD

Microsoft Reactor

Csatlakozzon a Microsoft Reactorhoz, és vegye fel a kapcsolatot a fejlesztőkkel élőben

Készen áll az AI és a legújabb technológiák használatának megkezdésére? A Microsoft Reactor eseményeket, képzéseket és közösségi erőforrásokat biztosít a fejlesztőknek, vállalkozóknak és startupoknak az AI-technológiákra és egyebekre való támaszkodásához. Csatlakozzon Ön is!

LEARN, CONNECT, BUILD

Microsoft Reactor

Csatlakozzon a Microsoft Reactorhoz, és vegye fel a kapcsolatot a fejlesztőkkel élőben

Készen áll az AI és a legújabb technológiák használatának megkezdésére? A Microsoft Reactor eseményeket, képzéseket és közösségi erőforrásokat biztosít a fejlesztőknek, vállalkozóknak és startupoknak az AI-technológiákra és egyebekre való támaszkodásához. Csatlakozzon Ön is!

Visszalépés

Improving Large Language Model by Systematically Improving its Data

26 február, 2024 | 12:00 du. - 1:00 du. (UTC) Koordinált egyetemes idő

  • Formátum:
  • alt##LivestreamÉlő közvetítés

Téma: Adattudomány > Machine Learning

Nyelv: Angol

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.

Előadók

  • Aravind Putrevu

    • Developer Advocate

    Devrel

Kapcsolódó események

Az alábbi események önt is érdekelhetik. Mindenképpen látogasson el a A Reactor kezdőlapja az összes elérhető esemény megtekintéséhez.

Az oldal egyes részei gépi vagy AI fordításúak lehetnek.