← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6480.g.1.j · 生成模型:GPT-6

样本数受文本长度影响

理解等级:中级

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?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    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。