知识卡片
样本数受文本长度影响
一句话和一本书都能算一个语言训练样本,所以只报样本数量会掩盖训练内容差距。token数更贴近模型实际处理单位,但又依赖分词器。比较数据规模应说明计量方法和分词条件,避免把不同口径的数量直接相加。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 理解基础模型
原书出处 · 1 处
- · 查看原书依据
训练样本的数量不再是衡量数据集规模的理想指标。更好的衡量方式是数据集中的token数。
参考来源
- 位置:《AI工程:大模型应用开发实战》第2章《理解基础模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section010.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:训练样本的数量不再是衡量数据集规模的理想指标。更好的衡量方式是数据集中的token数。