Aravind Putrevu
Devrel
HỌC HỎI, KẾT NỐI, XÂY DỰNG
Bạn đã sẵn sàng bắt đầu với AI và các công nghệ mới nhất chưa? Microsoft Reactor cung cấp các sự kiện, đào tạo và tài nguyên cộng đồng để giúp các nhà phát triển, doanh nhân và công ty khởi nghiệp xây dựng dựa trên công nghệ AI và hơn thế nữa. Tham gia với chúng tôi!
HỌC HỎI, KẾT NỐI, XÂY DỰNG
Bạn đã sẵn sàng bắt đầu với AI và các công nghệ mới nhất chưa? Microsoft Reactor cung cấp các sự kiện, đào tạo và tài nguyên cộng đồng để giúp các nhà phát triển, doanh nhân và công ty khởi nghiệp xây dựng dựa trên công nghệ AI và hơn thế nữa. Tham gia với chúng tôi!
26 tháng 2, 2024 | 12:00 CH - 1:00 CH (UTC) Giờ phối hợp quốc tế
Chủ đề: Khoa học dữ liệu và học máy
Ngôn ngữ: Tiếng Anh
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.
Người phát biểu
Các sự kiện dưới đây cũng có thể được bạn quan tâm. Hãy chắc chắn ghé thăm Trang chủ lò phản ứng để xem tất cả các sự kiện có sẵn.
Định dạng:
Phát trực tiếp
Chủ đề: Khoa học dữ liệu và học máy
Ngôn ngữ: Tiếng Anh
Định dạng:
Phát trực tiếp
Chủ đề: Khoa học dữ liệu và học máy
Ngôn ngữ: Tiếng Anh