知识卡片
样本量取决于任务与方法
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?
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
- · 数据集工程
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。