Aravind Putrevu
Devrel
APRENDER, CONECTAR, CRIAR
Microsoft Reactor
Junte-se ao Microsoft Reactor e interaja com os desenvolvedores ao vivo
Pronto para começar a usar a IA e as tecnologias mais recentes? O Microsoft Reactor fornece eventos, treinamento e recursos da comunidade para ajudar desenvolvedores, empreendedores e startups a desenvolver a tecnologia de IA e muito mais. Junte-se a nós!
APRENDER, CONECTAR, CRIAR
Microsoft Reactor
Junte-se ao Microsoft Reactor e interaja com os desenvolvedores ao vivo
Pronto para começar a usar a IA e as tecnologias mais recentes? O Microsoft Reactor fornece eventos, treinamento e recursos da comunidade para ajudar desenvolvedores, empreendedores e startups a desenvolver a tecnologia de IA e muito mais. Junte-se a nós!
Voltar
Improving Large Language Model by Systematically Improving its Data
26 fevereiro, 2024 | 12:00 PM - 1:00 PM (UTC) Tempo Universal Coordenado UTC
- Formato:
Transmissão ao vivo
Tópico: Ciência de dados e machine learning
Linguagem: Inglês
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.
Palestrantes
Eventos relacionados
Os eventos abaixo também podem ser do seu interesse. Não deixe de visitar nossa página inicial do Reactor para ver todos os eventos disponíveis.
-
Building Context and Reasoning for Agentic Systems with Howso
Building Context and Reasoning for Agentic Systems with Howso
Formato:
Transmissão ao vivo
Tópico: Ciência de dados e machine learning
Linguagem: Inglês