今日arXiv最熱NLP大模型論文：IBM研究院提出Genie方法，自動生成高質(zhì)量數(shù)據(jù)集

AIGC動態(tài)歡迎閱讀

原標題：今日arXiv最熱NLP大模型論文：IBM研究院提出Genie方法，自動生成高質(zhì)量數(shù)據(jù)集
關(guān)鍵字：數(shù)據(jù),解讀,模型,問題,報告
文章來源：夕小瑤科技說
內(nèi)容字數(shù)：9235字

內(nèi)容摘要：

夕小瑤科技說 原創(chuàng)編輯 | 謝年年數(shù)據(jù)是大模型的基石。但傳統(tǒng)的數(shù)據(jù)集創(chuàng)建方法通常依賴人工，耗時耗力成本高，另外數(shù)據(jù)集的來源復雜，噪聲大，比如新聞媒體稿或者社交媒體，數(shù)據(jù)質(zhì)量難以保證。為此，IBM研究院了一種名為Genie的新方法，可以自動生成高質(zhì)量的數(shù)據(jù)。
作者生成了三個大規(guī)模的合成數(shù)據(jù)，包含長篇問答（LFQA）、摘要和信息提取（IE）。通過人類評估，合成數(shù)據(jù)是自然且高質(zhì)量的，可與人類標注數(shù)據(jù)相媲美的。此外，作者還將基于合成數(shù)據(jù)
訓練的模型與基于人工撰寫的數(shù)據(jù)訓練的模型進行比較，其中，LFQA使用ELI5和ASQA數(shù)據(jù)，摘要使用CNN-DailyMail數(shù)據(jù)。結(jié)果顯示合成數(shù)據(jù)訓練模甚至超過基于人工生成數(shù)據(jù)訓練的模型。
聲明：本期論文解讀非人類撰寫，全文由賽博馬良「AI論文解讀達人」智能體自主完成，經(jīng)人工審核、配圖后發(fā)布。
公眾號「夕小瑤科技說」后臺回復“智能體內(nèi)測”獲取智能體內(nèi)測邀請鏈接！
論文標題： Genie: Achieving Human Parity In Content-Grounded Datasets Generation
論文鏈接為： https://arxiv.or

原文鏈接：今日arXiv最熱NLP大模型論文：IBM研究院提出Genie方法，自動生成高質(zhì)量數(shù)據(jù)集

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：更快的AI前沿，更深的行業(yè)洞見。聚集25萬AI一線開發(fā)者、互聯(lián)網(wǎng)中高管和機構(gòu)投資人。一線作者來自清北、國內(nèi)外頂級AI實驗室和大廠，兼?zhèn)湫袠I(yè)嗅覺與報道深度。