使用弱智吧数据训练的大模型，跑分超过百科、知乎、豆瓣、小红书等平台，甚至是研究团队精心挑选的数据集。这件事让人深思，什么才是中文优质数据集？Reddit 也是优质测试集。是不是在真正有交流和碰撞的社区，才能激发逻辑思考能力？想起了天涯社区，不知道有没有人试过

发布时间: 2024-04-04 13:43:42

1分

数据加载中

关注推特

收听电报

使用弱智吧数据训练的大模型，跑分超过百科、知乎、豆瓣、小红书等平台，甚至是研究团队精心挑选的数据集。
这件事让人深思，什么才是中文优质数据集？
Reddit 也是优质测试集。
是不是在真正有交流和碰撞的社区，才能激发逻辑思考能力？
想起了天涯社区，不知道有没有人试过
IT技术
( mp.weixin.qq.com )

9个月前由 orange.ai 提交

闪电预览

点击图片查看原图

Markdown支持

评论加载中...

您可能感兴趣的：更多

【“弱智吧”帖子训练AI效果遥遥领先？研究人员回应：网上宣传过分夸大】“许多读者误以为我们使用‘弱智吧’网友的评论训练大模型就可以达到很好的效果，事实上，我们仅保留了弱智吧帖子的标题。”白岳霖说：“实验结果并不能代表弱智吧，因为数据实际上相当于多方（网友、作者们和大模型系统）协同构造的。”
大陆资讯
( i.ifeng.com)

8个月前 • 舔你妹 • -- 点击 0 评论

弱智吧竟成最佳中文AI训练数据？中科院等：8 项测试第一，远超知乎豆瓣小红书
大陆资讯
( www.qbitai.com)

9个月前 • 猪八戒 • -- 点击 0 评论

闪电预览

在线编程平台Replit近期发布了一篇关于《如何训练你自己的大型语言模型》的博客文章，分享了他们在训练自家编程大型语言模型（LLM）过程中的经验和教训。

他们把整个过程分成了三个阶段：数据管道、模型训练、推理

他们的主要数据来…
推特中文圈
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

找到一个弱智吧的数据集：
看来以后训模型要加一些这些题目了～
时政
( github.com)

9个月前 • 九原客 • -- 点击 0 评论

话说，百度的大模型文心一言，是不是把百度弱智吧的数据都导进去进行训练了？
但是有一说一啊，看这个回答就知道，文心一言是绝对的原创大模型，绝对不可能抄袭ChatGPT或者好像李开复老师那样用LLAMA去改名字。
IT技术
( twitter.com)

1年前 • 零零發 • -- 点击 0 评论

政协委员，央视副召集人张勤提案大模型训练: 如果我们训练的大模型持续用西方价值观数据、西方应用场景来训练中国大模型，中国式的认知将被湮没。…
IT技术
( twitter.com)

10个月前 • 宝玉 • -- 点击 0 评论

根据英伟达的幻灯片显示，GPT-4 是 1.8T 参数的混合专家模型。现在用 Blackwell 系统实际上可以在大约十天内训练一个像 GPT-4 这样拥有 1.8 万亿参数的大模型，而在两年前 Hopper 世代开始时，即使是几百亿参数的模型也很难在几个月内完成训练。
IT技术
( baoyu.io)

7个月前 • 宝玉 • -- 点击 0 评论

开源之光:RedPajama重塑大语言模型的未来
LLaMA最强平替，超12万亿训练数据，全开源
1. 开源12万亿训练数据，参考LLaMA数据集配比。
2. 模型马上开源
*标题由Claude生成…
推特中文圈

开源推荐
( twitter.com)

1年前 • nash_su • -- 点击 0 评论

看论文看到哈哈大笑，用「弱智吧」标题+GPT-4回答微调后的Yi-34B模型评估结果超过了精心收集的 SFT 指令集数据，安全性评估也是第二名。
弱智吧就是百度弱智吧，里面的帖子是这种画风：「既然监狱里全是罪犯，👮♀️为什么不去监狱里抓人？」
论文：
时政
( arxiv.org)

9个月前 • 九原客 • -- 点击 0 评论

IT技术

大陆资讯

弱智吧竟成最佳中文AI训练数据？中科院等：8 项测试第一，远超知乎豆瓣小红书 大陆资讯 ( www.qbitai.com)

大陆资讯

推特中文圈

找到一个弱智吧的数据集： 看来以后训模型要加一些这些题目了～ 时政 ( github.com)

时政

IT技术

政协委员，央视副召集人张勤提案大模型训练: 如果我们训练的大模型持续用西方价值观数据、西方应用场景来训练中国大模型，中国式的认知将被湮没。… IT技术 ( twitter.com)

IT技术

IT技术

开源之光:RedPajama重塑大语言模型的未来 LLaMA最强平替，超12万亿训练数据，全开源 1. 开源12万亿训练数据，参考LLaMA数据集配比。 2. 模型马上开源 *标题由Claude生成… 推特中文圈 开源推荐 ( twitter.com)

推特中文圈

开源推荐

时政

创建一个新帐户

登录

弱智吧竟成最佳中文AI训练数据？中科院等：8 项测试第一，远超知乎豆瓣小红书
大陆资讯
( www.qbitai.com)

找到一个弱智吧的数据集：
看来以后训模型要加一些这些题目了～
时政
( github.com)

政协委员，央视副召集人张勤提案大模型训练: 如果我们训练的大模型持续用西方价值观数据、西方应用场景来训练中国大模型，中国式的认知将被湮没。…
IT技术
( twitter.com)

开源之光:RedPajama重塑大语言模型的未来
LLaMA最强平替，超12万亿训练数据，全开源
1. 开源12万亿训练数据，参考LLaMA数据集配比。
2. 模型马上开源
*标题由Claude生成…
推特中文圈

开源推荐
( twitter.com)