知识卡片

普通读书笔记卡 · 6480.g.1.o.7 · 生成模型:GPT-6

样本量取决于任务与方法

理解等级:高级

微调样本需求受基座与目标的距离、任务复杂度、训练方法、数据质量及覆盖影响。少量样本成功的个案不能保证任意任务同样有效;大量数据也不必然抵消不合适基座和错误训练配置。

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

      基座模型的性能越接近目标性能,达到目标性能所需的样本量就越少。假设规模更大的基座模型性能更好,那么你可能需要更少的样本来微调大模型。这与预训练阶段相反——在预训练阶段,模型规模越大,通常需要越多的训练数据。

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第8章《数据集工程》(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/Section016.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:基座模型的性能越接近目标性能,达到目标性能所需的样本量就越少。假设规模更大的基座模型性能更好,那么你可能需要更少的样本来微调大模型。这与预训练阶段相反——在预训练阶段,模型规模越大,通常需要越多的训练数据。