Разметка будущего: как GPT помогает обучать модели?

Умные механизмы

Google Outlook Apple

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Герман рассмотрит новую концепцию приложения LLM к разметке данных, приведет подходы с указанием их плюсов и минусов, а также степени вовлеченности LLM. Опишет бизнес-процессы для новой концепции, а также затронет аспекты использования ML-моделей для специфических задач разметки (OCR, CV, ASR).

Целевая аудитория

Разработчики, аналитики, ML-разработчики, Solution Architector.

Тезисы

Скачать презентацию Все презентации конференции

Как GPT помогает размечать данные для обучения моделей. -- Как GPT влияет на краудсорсинг. -- Способы использования GPT для разметки данных: --- полная разметка; --- саджест; --- предразметка; --- плюсы и минусы каждого способа. -- Скорость/стоимость для разных задач. GPT vs Человек в классификации, генерации и пр.
Как внедрить GPT в разметку. -- Промпт-инжиниринг: --- состав хорошего промпта: определение цели, определение ограничений, установка роли, описание примеров; --- промпт-инжиниринг как задача краудсорсинга. -- Качество. -- Декомпозиция и перекрытие.
GPT помощник или замена исполнителям?
Не GPT единым. Более легкие и дешевые модели для специфичных задач. OCR, CV, ASR.

Герман Ганус

Яндекс Крауд

Руководитель направления разметки для внешних заказчиков.
Прежде отвечал за разметки для Алисы: релевантность, ASR, TTS.