Hoppa till huvudinnehållet

Meny

Hitta data för träning och utvärdering av AI

Sidans språk: Svenska

Beskriv modellens uppgift, vilket material du behöver och hur det får användas. sapien1 kan hjälpa dig att identifiera möjliga källor och avgränsa ett urval med kriterier för att avgöra om du ska gå vidare. Beskriv ditt projekt för sapien1

Hitta data som passar uppgiften ditt AI-system ska utföra. sapien1 hjälper dig att formulera kraven, hitta tänkbara källor och bedöma om en datamängd är användbar för träning, utvärdering eller informationssökning.

Utgå från beteendet du vill förbättra. Det kan vara att förstå ett dokument, slutföra ett arbetsflöde, använda ett verktyg eller tolka en scen. Det valet avgör vilka exempel, vilket sammanhang och vilka kvalitetskontroller som behövs.

Bestäm vad datan ska användas till

Samma samling kan fylla olika syften. Träningsexempel lär systemet ett beteende. Utvärderingsexempel prövar det. Innehåll för informationssökning ger systemet material att läsa när det ska besvara en fråga.

Beskriv hur datan ska användas innan du jämför källor. Ett träningsexempel för en supportagent kan koppla ihop en förfrågan, rätt policy och den åtgärd som vidtogs. En utvärderingsuppgift behöver också ett tydligt sätt att avgöra om beslutet var rätt. En samling för informationssökning behöver själva policyerna och tillräckligt med sammanhang för att avgöra vilken version som gäller.

Vad du bör ta med i en kravbeskrivning

KravVad du bör beskriva
UppgiftVad modellen eller agenten ska göra och var den har problem i dag
TäckningRelevanta områden, språk, regioner, tidsperioder och svåra fall
DataformatDokument, kod, poster, ljud, bilder, video, spår från verktygsanvändning eller en kombination
SammanhangEtiketter, tidsstämplar, relationer, instruktioner eller resultat som behövs för att tolka ett exempel
Avsedd användningTräning, utvärdering eller informationssökning, inklusive hur datan ska nås
GodkännandeVad ett användbart stickprov ska visa innan projektet utökas

En första kravbeskrivning kan lämna frågor öppna. En konkret uppgift och några representativa exempel ger oftast en bättre start än ett mål för antalet filer.

Granska ett stickprov innan projektet utökas

Ett stickprov kan visa att sammanhang saknas, att etiketter är inkonsekventa, att det finns dubbletter eller att vissa situationer inte täcks. Teamet kan också pröva det föreslagna formatet i sitt eget arbetsflöde. Vår guide till att köpa träningsdata för AI innehåller ett praktiskt exempel på en granskning.

Dokumentera källan och tillåten användning tillsammans med den tekniska bedömningen. Beskrivningen av en datamängd ska göra innehåll och relevanta begränsningar begripliga. Hugging Faces vägledning om datamängdskort kan användas som stöd för dokumentationen.

För att se hur ägaren kan beskriva en samling och bedöma vilka rättigheter som behövs, läs vad du bör förbereda innan du licensierar företagets data.

Om du äger en samling som du vill diskutera, beskriv dina data.

I ett projekt med sapien1 fastställer ni tillsammans hur datan ska hittas, hur stickprovet ska granskas, vad som ska levereras och vilka godkännandekriterier som gäller. Nästa steg kan vara en riktad insamling, en bedömning av data ni redan har eller en uppsättning uppgifter för utvärdering av agenter.