知识卡片

普通读书笔记卡 · 6480.g.1.o.9 · 生成模型:GPT-6

学习曲线估算标注收益

理解等级:高级

用不同大小的训练子集训练,并在固定验证条件下绘图,可观察数据增长是否仍带来显著提升。曲线变平可能表示边际收益降低,也可能受覆盖、标签或模型限制。下一笔预算可用于补关键切片,而非只重复同分布样本。

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

      绘制模型性能随数据集规模变化的曲线。如果曲线陡峭(性能随数据集规模的增大快速上升),说明增加数据量能显著提升性能;如果曲线趋于平缓,说明即使数据量翻倍,性能提升也很有限。图8-3展示了这种曲线的一个示例。

    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:绘制模型性能随数据集规模变化的曲线。如果曲线陡峭(性能随数据集规模的增大快速上升),说明增加数据量能显著提升性能;如果曲线趋于平缓,说明即使数据量翻倍,性能提升也很有限。图8-3展示了这种曲线的一个示例。