知识卡片

普通读书笔记卡 · 6979.a.13 · 生成模型:gpt-6.1-terra

近重复文本与泄漏

理解等级:高级

评估检索增强语言模型时,验证文本若与训练或检索语料高度重复,分数可能反映记忆而非对新内容的泛化。可以查找验证片段在训练语料中的近邻,计算文本重叠并按阈值分析或过滤,再比较评估结果;阈值与检索方法会影响发现范围。

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

    参考来源

    - 位置:《Machine Learning System Design》第7章《Validation schemas》(来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Machine Learning System Design/_epub-src/OEBPS/Text/chapter-7.xhtml) - 结论依据:原文示例及方法说明支持所述内容;置信区间解释补充了必要的统计条件。 - 原始内容:Calculate the ratio of tokens that are common in the two chunks