Ignora e passa al contenuto principale

LEARN, CONNECT, BUILD

Microsoft Reactor

Partecipa a Microsoft Reactor e interagisci con gli sviluppatori live

Sei pronto per iniziare a usare l''intelligenza artificiale e le tecnologie più recenti? Microsoft Reactor fornisce eventi, formazione e risorse della community per aiutare sviluppatori, imprenditori e startup a sviluppare la tecnologia di intelligenza artificiale e altro ancora. Unisciti a noi.

LEARN, CONNECT, BUILD

Microsoft Reactor

Partecipa a Microsoft Reactor e interagisci con gli sviluppatori live

Sei pronto per iniziare a usare l''intelligenza artificiale e le tecnologie più recenti? Microsoft Reactor fornisce eventi, formazione e risorse della community per aiutare sviluppatori, imprenditori e startup a sviluppare la tecnologia di intelligenza artificiale e altro ancora. Unisciti a noi.

Indietro

Improving Large Language Model by Systematically Improving its Data

26 febbraio, 2024 | 12:00 PM - 1:00 PM (UTC) Coordinated Universal Time

  • Formato:
  • alt##LivestreamLive Stream

Argomento: Data Science & Machine Learning

Lingua: italiano

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.

Relatori

Eventi correlati

Anche gli eventi seguenti potrebbero essere di interesse per l'utente. Assicurati di visitare il nostro Home page del reattore per visualizzare tutti gli eventi disponibili.

Parti di questa pagina possono essere tradotte da macchina o IA.