您现在的位置是:热点 >>正文
谷歌推出新方法:训练数据量减少 1 万倍,提升模型精准度
热点344916人已围观
简介...
近日,谷歌在其研究中提出了一种新颖的主动学习筛选流程,旨在大幅降低微调大型语言模型所需的训练数据量。根据实验结果,这种方法能谷歌够将训练数据量降低至原来的1万分之一,同时提高模型与人类专家判断的一致性达65%。在实际应用中,如广告内容分类、金融数据安全分析等推出领域,对高保真训练数据的需求一直很高,但筛选出符合要求的数据不仅难度大,成本也极为昂贵。
图源备注:图片由AI生成,图片授权服务新方商Midjourney
这一新方法从一个零样本或少样本的初始模型开始,用户通过提示定义目标内容,比如询问某广告是否为 “点击诱饵”法:。初始模型会将广告标记为点击诱饵或良性,并生成一个大型标记数据集。然而,初始数据集常常存在严重的类别不平衡,导致模型的准确识别能力训练较弱。
为了解决这一问题,研究者将模型标记为点击诱饵和良性广告的内容进行分组,发现部分组之间存在重叠,说明模型在这些内容上容易判断错误。数据因此,研究者可以从这些重叠组中挑选样本对,交由专家进行判断,以此来控制审核成本,并优先选择能覆盖多种情况的样本对。这样得到的样量减本既有价值,又涵盖了各种可能出错的情形。
在模型微调过程中,专家提供的标注被分为两组,一组用于评估模型一致性,另一组则用于模型的微调少 。这一过程将不断重复,直到模型的表现达到与人类专家相近的水平。
谷歌的实验使用了 Gemini Nano-1和 Nano-2两款模型1 ,并针对两个复杂度不同的任务进行了测试。在测试中,每个任务都使用了约10万条众包标注数据,尽管这些数据严重不平衡。结果表明,万倍专家之间的判断一致性很高,而众包标签与专家判断的一致性则相对一般。通过新方法,32.5亿参数的模型在低难度任务上的对齐度显著提升,,提使用的数据量仅为250-450条,较原来的10万条大幅减少,仍能取得良好的效果。
综上所述,谷歌的新方法证明了只需少量高质量的数据,且升模确保专家标注一致性超过0.8,大型模型也能在训练时获得出色的表现。
划重点:
训练数据量可减少至原来的1万分型精之一,提高模型精准度。
🤝 新方法依赖专家判断与模型迭代,确保样本质量。
实验表明,使用少量准度高质量数据可达到甚至超越传统大量数据的效果。
Tags:
相关文章
标签: 谷歌 Nano Banana Pro Gemini AI图像生成
热点云梦级11月21日云梦级消息,谷歌今日正式推出了全新图像生成与编辑模型 Nano Banana Pro (Gemini 3 Pro Image)。该模型基于 Gemini 3 Pro 架构构建,号称能...
【热点】
阅读更多标签: 哪吒汽车 合众新能源 破产重整 经营管理受托方
热点云梦级12月18日云梦级消息,哪吒汽车母公司合众新能源发布关于经营管理受托方公开招募结果的公告。公告提到,共有两家意向机构提交了报名材料。评审委员会从专业资质与相关经验、经营管理方案可行性、资金安排合...
【热点】
阅读更多百度推出 Qianfan-VL 模型 多尺寸模型满足不同场景需求
热点百度智能云千帆团队正式发布了全新视觉理解模型 ——Qianfan-VL,并且全面开源!这一系列模型包括3B、8B 和70B 三种不同尺寸,旨在满足企业级多模态应用的需求,经过深度优化,展现出超强的视觉...
【热点】
阅读更多