知识卡片
少量优质数据结论有任务范围
研究中少量精心数据取得良好结果,说明数据质量和任务覆盖可能很关键,不等于任意模型只需一千条就足够。应区分基础模型已有能力、适配目标与泛化范围,按保留任务检查数据规模收益。
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
- · 微调
原书出处 · 1 处
- · 查看原书依据
How large should your instruction-tuning dataset be? The “LIMA: Less Is More for Alignment” paper shows that you need only a few thousand high-quality examples to effectively fine-tune a model.
参考来源
- 位置:《Designing Large Language Model Applications》第06章《微调》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Designing Large Language Model Applications/_epub-src/OEBPS/ch06.html)
- 结论依据:摘录中关于少量优质数据结论有任务范围的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:How large should your instruction-tuning dataset be? The “LIMA: Less Is More for Alignment” paper shows that you need only a few thousand high-quality examples to effectively fine-tune a model.