知识卡片
合成价值看训练后效果
功能测试、事实检查和裁判评分可以筛选合成数据,但最终价值在于是否提高目标模型的独立任务表现。看起来逼真、能骗过检测器或评分高,都不等于样本适合训练。过滤器本身也可能偏向某些风格而削弱覆盖。
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
能否提升模型性能。如果这个小数据集足以让你实现期望的性能,那便是理想的情况。如果模型性能明显提升,说明增加数据量可能会进一步提高性能。反之,如果使用小数据集进行微调没有带来任何改善,那么即便采用更大的数据集,通常也不会起作用。
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:能否提升模型性能。如果这个小数据集足以让你实现期望的性能,那便是理想的情况。如果模型性能明显提升,说明增加数据量可能会进一步提高性能。反之,如果使用小数据集进行微调没有带来任何改善,那么即便采用更大的数据集,通常也不会起作用。