汽車首頁
汽車新聞
汽車論壇
汽車買賣
車行
修理
視頻
溫哥華汽車黃頁
加西網首頁
推薦車行
Signature Mazda
最新新聞
10年汽車保養成本最低品牌是它...
僅僅一夜之間 車圈大佬們更焦慮了
加州特斯拉超級充電樁開放 所...
毫無人性,遙遙領先!歌頌成就...
慘劇終於上了熱搜 華為被反噬(圖)
大貓18元一斤小貓14元一斤,追...
媒體評周鴻祎換車:都爭當網紅...
快訊:特斯拉獲中國數據監管綠...
以國安部長車禍細節曝光:闖紅...
胡錫進談問界M7車禍:要防止整...
特斯拉數據合規的示范意義不止...
問界追尾起火3人遇難:車門為...
遙遙領先之源?華為釀3死車禍刪...
驚人表現 比亞迪推出了“陸地...
新能源扳一局 暴雨撕掉油車遮羞布
選擇語言:
English
|
簡體
|
繁體
會員區
歡迎您
游客
登錄
免費注冊
首頁
汽車新聞
中文互聯網上最好大模型語料庫是
中文互聯網上最好大模型語料庫是
請用微信
掃一掃
掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊
發送給朋友
或
分享到朋友圈
,謝謝!
2024-04-04
| 來源: 硅星人 |
轉到微信
|
有0人參與評論
| 字體:
放大
縮小
|
收藏
|
打印
如果讓你在互聯網上給大模型選一本中文教材,你會去哪裡取材?是知乎,是豆瓣,還是微博?一個研究團隊為了構建高質量的中文指令微調數據集,對這些社交媒體進行了測試,想找到訓練大模型最好的中文預料,結果答案保證讓你大跌眼鏡——
弱智吧。
弱智吧是百度貼吧上的一個子版塊,這是一個非常神奇的地方,吧友們熱衷於創作和分享一語雙關、一詞多義、因果倒置、諧音梗等帶著邏輯陷阱的內容,而且部分帖子甚至帶有一定的哲學意味。但是,拿這些東西訓練全知全能偉大的大模型?能行嗎。
別急,我們先來看看這個研究團隊做了什麼實驗。
這是一篇題為《COIG-CQIA: Quality is All You Need for Chinese Instruction Fine-tuning》的論文,作者來自多個國內外高校,簡單來說,他們提出了一個中文指令微調數據集COIG-CQIA(全稱為Chinese Open Instruction Generalist-Quality Is All You Need )。
對於中文大模型開發者來說,目前的一個重點挑戰就在於沒有一個高質量中文數據集,研究團隊認為,各種中文社交媒體、論壇對於大模型的訓練應該是很好的語料來源。
律師針對“爛租屋” 網上專門教人白住屋 如私刑者(圖)
民實驗室:幾乎所有中文輸入法都會泄露輸入內容(圖)
這5種水果晚上最好少吃 越吃越傷身
於是為了給這個數據集取材,他們從不同的社交平台(如問答社區、維基百科、考試材料、已有的 NLP 數據集等)收集了高質量的人工編寫的文本集合,這些文本經過嚴格篩選和細致處理,最終才構建出了這個數據集。
論文稱,這個數據集的目的是構建一個多樣化、廣泛的服務於中文大模型的指令調優數據集,以更好地使模型行為在中文環境下與人類互動相一致,提高指令響應的能力。
這裡也科普一個概念,那就是大模型雖然有強大的知識儲備,但是它是為解決通用自然語言處理任務而設計的,因此沒有辦法處理特定問題。此時,就需要對其進行“微調”,來讓其輸出結果符合特定問題的預期。而指令微調就是說明確了模型應執行的任務類型、輸入要求、輸出格式等具體細節情況下,再給出正確的結果。比如我用中文提問,並要求模型用
西班牙
語回答,那麼模型的開發者為了滿足我後半句話的要求,就得對模型進行指令微調。
這時就需要一個“指令微調數據集”。這類數據集通常包含大量的“指令-輸出”對,其中每個對包括一個明確的指令(instruction),即用戶希望模型執行的任務說明,以及與之對應的理想輸出(output),即模型在接收到該指令後應當生成或執行的結果。
COIG-CQIA就是這樣一個數據集。研究團隊首先是對數據集進行了嚴格的篩選和清洗,確保數據集是比較
健康
的。具體做法是根據預設的篩選標准,去除無關或低質量的文本。這可能包括刪除廣告、無意義的灌水內容、含有敏感信息或違反社區規則的帖子等。
之後,團隊還做了人工幹預:對處理後的文本進行人工審核,確保其內容正確無誤,符合預期的語義和知識標准,同時也確保數據集與真實的中文用戶交互模式相一致。尤其是在一些諸如弱智吧語錄這樣深層隱喻比較強,模型基本沒辦法完全理解采集到的段子的含義,那就需要進行人工標注,提供明確的指令-輸出示例,為模型微調提供精確的訓練信號。
您的點贊是對我們的鼓勵
無評論不新聞,發表一下您的意見吧
分享:
上一頁
1
2
3
下一頁
注:
新聞來源於其它媒體,內容不代表本站立場!
在此頁閱讀全文
猜您喜歡
這5種水果晚上最好少吃 越吃越傷身
哥大親巴示威持續 大學變網上授課
律師針對“爛租屋” 網上專門教人白住屋 如私刑者(圖)
俄羅斯美女:中國男人才是最好歸宿
民實驗室:幾乎所有中文輸入法都會泄露輸入內容(圖)
中共擬禁用電單車車載充電器 網上罵聲一片(圖)
男子欠債不還,還網上炫富,兩地法院聯合將其拿下(圖)
路怒事件 高速公路六車相撞一人死
當我的中年父親 決定代孕一個孩子
不滿的購物者准備在5月抵制Loblaw
女房客見房東英俊挺拔 動了歪心思
固定年收益7% 最高年化累計收益25% 高回報房地產私募基金(可使用TFSA/RRSP)
白手起家,化學老師變身女首富,日入2億(圖)
夫婦騎行印度 vlog再揭慘烈實情
男子花200萬變成狗 最新造型炸裂
工簽持有者如何利用新政提升成功移民的機會
您可能也喜歡
中國欲反擊美制裁 但不得不克制…
被困一個月 小虎鯨終於游出BC瀉湖
華為智能手機銷量暴增居中國第1 蘋果跌至第4(圖)
重磅!不再合法BC禁止公共場所吸毒
特魯多官宣發錢,民眾卻心碎失望
固定年收益7% 最高年化累計收益25% 高回報房地產私募基金(可使用TFSA/RRSP)
回國航班緊急迫降!大批華人滯留,輾轉4天才落地(圖)
“寧可收掉TikTok,也不會出售”
借錢修車"誤"還款 加男汽車被拖走
物價太貴 許多加拿大人吃過期食品
加國提高資本利得稅 這些屋主急售
看看上海窮人的“幸福之家”(圖)
力邦藝術港 展覽活動拍攝場地租賃
向太浴室摔倒致腿斷裂 歎疾苦纏身
中國科技至少倒退20年 丘成桐最新警告引關注(圖)
中國求著美國 美國不會再受騙了(圖)
當前評論
當前評論
目前還沒有任何評論,歡迎您發表您的看法。
發表評論
您的評論 *:
安全校驗碼 *:
請在此處輸入圖片中的數字
(請在此處輸入圖片中的數字)
頁面生成: 0.0342 秒 and 6 DB Queries in 0.0040 秒
Powered by
https://www.westca.com
加西網為
北美中文網
傳媒集團旗下網站