知识卡片
数据可得性包含许可
训练数据是否可用,不仅取决于网页是否存在,还受许可、条款和获取限制影响。原书用历史平台变化说明数据来源条件会收紧。对真实项目要重新核验当下权利与可持续获取,不能把旧数据集可下载视为永久授权。
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
许多公司(包括Reddit和Stack Overflow)修改了数据使用条款,以防止其他公司抓取其数据用于训练模型。Longpre等观察到,从2023年到2024年,网络数据源的使用限制迅速增加,导致流行的公共数据集C4中超过28%的关键来源完全被限
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:许多公司(包括Reddit和Stack Overflow)修改了数据使用条款,以防止其他公司抓取其数据用于训练模型。Longpre等观察到,从2023年到2024年,网络数据源的使用限制迅速增加,导致流行的公共数据集C4中超过28%的关键来源完全被限