鴻蒙智行泊車代駕VPD正式開啟全量推送!升級自動(dòng)泊車/接駕等多項(xiàng)功能華為官方翻新手機(jī)最高降價(jià)4000元曝蘋果研發(fā)帶Face ID的智能家居門鈴:內(nèi)置自研W-Fi芯片李斌回應(yīng)螢火蟲外觀設(shè)計(jì):看過實(shí)車的人都喜歡這個(gè)設(shè)計(jì)林杰:未來 A 級、A0 級、A00 級車型都將是領(lǐng)克純電的“主場”豐巢存包柜亮相南寧地鐵站,助力城市韌性建設(shè)與智慧出行萬象分區(qū)、絢彩XDR、量子點(diǎn)Pro 2025齊出手,TCL引領(lǐng)觀影體驗(yàn)新變革!QQ音樂年度聽歌報(bào)告發(fā)布:誰是你最喜歡的歌手?OpenAI正式發(fā)布o(jì)3 - 通往AGI的路上,已經(jīng)沒有了任何阻礙「送禮物」難撬動(dòng)社交電商,微信小店缺的是供給微軟Phi-4封神,14B小模型數(shù)學(xué)擊敗GPT-4o,合成數(shù)據(jù)占比40%,36頁技術(shù)報(bào)告出爐2024年結(jié)束,哪里是原創(chuàng)動(dòng)畫的應(yīng)許之地?深扒一個(gè)正被游戲行業(yè)「搶占」的流量帝國百思買重新進(jìn)軍跨境電商領(lǐng)域視頻生成大模型賽道,只是看上去擁擠GGII:預(yù)計(jì)2024年中國工業(yè)機(jī)器人全年銷量約30萬臺(tái),同比下滑5%左右冰雪大世界盛大開園,美的空調(diào)橫跨50℃打造“東北夏威夷”臺(tái)灣小土豆勇闖冰雪大世界,美的空調(diào)真暖快車成為最熱打卡點(diǎn)京東iPhone 16系列年底大放價(jià)!至高補(bǔ)貼1200元價(jià)格低過11.11新一季圓滿假期結(jié)伴大使出發(fā)在即 LG電子十年相伴助力溫暖傳遞
  • 首頁 > 云計(jì)算頻道 > 大模型

    新AI框架 AboutMe:用網(wǎng)頁中自我描述來記錄英語預(yù)訓(xùn)練數(shù)據(jù)過濾器的效果

    2024年01月19日 17:09:10   來源:站長之家

      1月19日 消息:隨著自然語言處理和自然語言生成的進(jìn)步,大型語言模型(LLMs)在實(shí)際應(yīng)用中得到了廣泛使用。由于它們能夠模仿人類行為,并具有通用性,這些模型已經(jīng)涉足各個(gè)領(lǐng)域。

      雖然這些模型引起了相當(dāng)大的關(guān)注,但它們代表了一組受限和偏向的人類觀點(diǎn)和知識(shí)。預(yù)訓(xùn)練數(shù)據(jù)的組成是造成這種偏見的原因,因?yàn)樗鼘δP偷男袨楫a(chǎn)生了重大影響。

      研究人員一直在努力著重理解和記錄在預(yù)訓(xùn)練之前對數(shù)據(jù)所做的轉(zhuǎn)換。預(yù)訓(xùn)練數(shù)據(jù)的篩選是一個(gè)多步驟的過程,其中有多個(gè)決策點(diǎn),這些決策點(diǎn)通;谥饔^的文本質(zhì)量判斷或與基準(zhǔn)測試的性能。

      最近,來自艾倫人工智能研究所、加利福尼亞大學(xué)伯克利分校、埃默里大學(xué)、卡內(nèi)基梅隆大學(xué)和華盛頓大學(xué)的研究人員介紹了一個(gè)名為 AboutMe 的新數(shù)據(jù)集和框架。該研究強(qiáng)調(diào)了數(shù)據(jù)篩選工作流中存在的許多未經(jīng)質(zhì)疑的假設(shè)。通過 AboutMe,研究團(tuán)隊(duì)試圖記錄對社會(huì)和地理背景相關(guān)的文本進(jìn)行數(shù)據(jù)過濾的影響。

      在自然語言處理中,缺乏與語言數(shù)據(jù)相關(guān)聯(lián)的廣泛的自我報(bào)告社會(huì)人口學(xué)數(shù)據(jù)是一個(gè)問題。文本可以追溯到維基百科等一般來源,但在更細(xì)粒度的層面上,通常不知道誰創(chuàng)建了這些信息。在這項(xiàng)研究中,研究團(tuán)隊(duì)利用 Web 數(shù)據(jù)中的預(yù)設(shè)模式,找到了網(wǎng)站,特別是 “關(guān)于我” 頁面。這使得我們可以對被網(wǎng)絡(luò)爬蟲獲取的文本中所代表的語言的創(chuàng)作者有前所未有的了解。

      研究人員將網(wǎng)絡(luò)文本(一種流行的預(yù)訓(xùn)練數(shù)據(jù)源)與其社會(huì)和地理背景聯(lián)系起來。研究團(tuán)隊(duì)使用來自網(wǎng)站的 “關(guān)于我” 部分的數(shù)據(jù),進(jìn)行社會(huì)語言學(xué)分析,測量了網(wǎng)站作者的興趣、社會(huì)角色、關(guān)聯(lián)地理位置等。他們創(chuàng)建了一個(gè)包含1030萬個(gè)網(wǎng)站創(chuàng)建者自我描述的新數(shù)據(jù)集,并提取有關(guān)他們是誰、來自哪里的信息:他們的主題興趣、社會(huì)角色和地理歸屬。

      然后,他們對這些網(wǎng)頁應(yīng)用了之前在 LLM 開發(fā)研究中使用的十個(gè)質(zhì)量和英語 ID 過濾器,以檢查過濾對保留或刪除頁面的影響。

      研究團(tuán)隊(duì)表示,他們的主要目標(biāo)是發(fā)現(xiàn)在過濾器內(nèi)部和之間,與網(wǎng)站來源相關(guān)的行為趨勢。結(jié)果顯示,基于模型的質(zhì)量過濾器顯示出對特定主題領(lǐng)域的隱含偏好,導(dǎo)致與各種專業(yè)和職業(yè)相關(guān)的文本以不同的比率被刪除。此外,那些假設(shè)頁面是單語言的過濾技術(shù)可能無意中刪除了來自非英語地區(qū)的內(nèi)容。

      這項(xiàng)研究突顯了 LLM 開發(fā)過程中數(shù)據(jù)篩選的復(fù)雜性以及對語言模型中各種觀點(diǎn)呈現(xiàn)的影響。該研究的主要目標(biāo)是提高人們對預(yù)訓(xùn)練數(shù)據(jù)篩選程序的細(xì)節(jié)的認(rèn)識(shí),尤其是在考慮社會(huì)因素時(shí)。研究團(tuán)隊(duì)強(qiáng)調(diào)了對預(yù)訓(xùn)練數(shù)據(jù)篩選程序及其社會(huì)影響進(jìn)行更多研究的需求。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。

    研究

    中國信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。