← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6480.g.1.o.14.d · 生成模型:GPT-6

过滤规则应保留任务所需的信息

理解等级:中级

清洗无关标记、低质量与不允许使用的字段,可以提高可用性。但HTML、Markdown、姓名或其他字段是否删除,取决于具体任务与规则,不能一律处理。过滤后需检查关键切片和边缘案例是否被误删。

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

      除非你想让模型学习HTML标签,否则应将其移除。Databricks发现,移除多余的Markdown和HTML标记后,模型的准确率提高了20%,同时输入的token长度减少了60%。

    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:除非你想让模型学习HTML标签,否则应将其移除。Databricks发现,移除多余的Markdown和HTML标记后,模型的准确率提高了20%,同时输入的token长度减少了60%。