新聞/文章 August 13, 2025
Google 發佈可讓 AI 訓練所需資料量減少一萬倍的優化方法
這一流程以人類專業知識為核心，結合模型自身的初步分類能力，採取「先粗後精」的閉環式優化方式： 少樣本啟動 以零樣本或少樣本（few-shot）方式，先讓模型根據既有標籤（例如「安全廣告」與「不安全廣告」）進行初步分類。 識別邊界樣本 模型在大多數案例中能做出明確判斷，但會出現一部分「邊界樣本」，即模型判斷模糊或可能出錯的案例。 專家標註邊界樣本 這些邊界樣本被送交人類專家進行精確標註。由於標註範圍僅限於高不確定性案例，所需的人工標註量遠低於全量數據。 模型再訓練與循環迭代 將專家標註結果重新用於模型微調，並重複上述流程，直到性能提升趨於穩定。 這種方法的關鍵在於將專家資源集中投入在最具爭議性、最能影響模型判斷的案例，避免在大量容易分類的樣本上浪費人力。
https://www.koc.com.tw/archives/609432
Sharing is sexy
Latest article
- 【CF-28】Marketing & Promotional Directions for 2026
- 【CF-27B】 More Ideas on the Dilemma Between Emotional Music vs. Abstract Healing Sounds
- 【CF-27A】 Early Ideas on the Dilemma Between Emotional Music vs. Abstract Healing Sounds
- 【CF-26】 Using Lifenavi to Facilitate Drama Scene Selection & Show Content Management
- 【AG-33】 Evaluating a Fully Custom Theme on Chaplaincy Admin
