LEARN, CONNECT, BUILD

Microsoft Reactor

Neem deel aan Microsoft Reactor en neem live contact op met ontwikkelaars

Klaar om aan de slag te gaan met AI en de nieuwste technologieën? Microsoft Reactor biedt evenementen, training en communitybronnen om ontwikkelaars, ondernemers en startups te helpen bouwen op AI-technologie en meer. Kom kijken.

LEARN, CONNECT, BUILD

Microsoft Reactor

Neem deel aan Microsoft Reactor en neem live contact op met ontwikkelaars

Klaar om aan de slag te gaan met AI en de nieuwste technologieën? Microsoft Reactor biedt evenementen, training en communitybronnen om ontwikkelaars, ondernemers en startups te helpen bouwen op AI-technologie en meer. Kom kijken.

Terug

Improving Large Language Model by Systematically Improving its Data

26 februari, 2024 | 12:00 p.m. - 1:00 p.m. (UTC) Coordinated Universal Time

  • Notatie:
  • alt##LivestreamLivestream

Onderwerp: Datawetenschap & Machine Learning

Taal: Engels

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.

Sprekers

  • Aravind Putrevu

    • Developer Advocate

    Devrel

Gerelateerde gebeurtenissen

De onderstaande gebeurtenissen zijn ook interessant voor u. Zorg ervoor dat u onze Reactor-startpagina om alle beschikbare gebeurtenissen weer te geven.

Delen van deze pagina kunnen machinaal of door AI vertaald zijn.