Technologie-Peripheriegeräte
KI
Intelligente Datenannotationslösung: eine Crowdsourcing-Plattform, die das Zeitalter großer Modelle begrüßt
Intelligente Datenannotationslösung: eine Crowdsourcing-Plattform, die das Zeitalter großer Modelle begrüßt
Am 26. Mai feierte die Crowdsourcing-Plattform NetEase Fuxi Youling ihr Debüt auf der China International Big Data Industry Expo. Bei dieser Plattform handelt es sich um eine Online-Aufgabenplattform für die Mensch-Computer-Zusammenarbeit, die von NetEase Fuxi auf der Grundlage eigener Forschung und Entwicklung entwickelt wurde. Sie ist derzeit die einzige Crowdsourcing-Plattform auf dem Markt, die die Annotation von Mensch-Computer-Interaktionen in Echtzeit unterstützt. Das Ziel der Crowdsourcing-Plattform Fuxi Youling besteht darin, das Problem des Arbeitskräftemangels in allen Lebensbereichen zu lösen und der gesamten Gesellschaft bequemere und interessantere Online-Beschäftigungsmöglichkeiten zu bieten. Unternehmenskunden können über diese Plattform schnell Aufgaben modellieren und veröffentlichen, während jeder Gig-Benutzer Aufgaben ohne zeitliche und geografische Einschränkungen frei empfangen kann. Auf diese Weise bietet die Crowdsourcing-Plattform Fuxi Youling Unternehmen und Einzelpersonen ein effizienteres und flexibleres Arbeitsmodell.
In der heutigen Zeit verändert die Technologie der künstlichen Intelligenz rasant die Art und Weise, wie Menschen leben und arbeiten. Mit der rasanten Entwicklung künstlicher Intelligenztechnologien wie großen Sprachmodellen und multimodalen Großmodellen hat der Bereich der Datenannotation eine neue Ära dynamischer Entwicklung eingeläutet. In verschiedenen Bereichen fallen ständig große Datenmengen an. In dieser spannenden Zeit stehen jedoch sowohl die Nachfrageseite als auch die Anbieterseite vor großen Herausforderungen. Sie müssen einen effizienten Weg finden, qualitativ hochwertige und kostengünstige Datenunterstützung bereitzustellen. Dies hängt nicht nur mit der Genauigkeit und Praktikabilität der Technologie der künstlichen Intelligenz zusammen, sondern auch mit den Entwicklungsaussichten der gesamten Branche. Daher benötigt die Datenannotationsbranche kontinuierliche Innovation und Verbesserung, um den Anforderungen der Technologie der künstlichen Intelligenz gerecht zu werden und die nachhaltige Entwicklung der Branche zu fördern.
Um sich an den Trend des Big-Data-Zeitalters anzupassen, haben viele Unternehmen für künstliche Intelligenz damit begonnen, Schulungs- und Managementsysteme für Datentrainer einzurichten und weiterhin technologische Innovationen durchzuführen und die Datenqualität zu verbessern. Da jedoch die Arbeitskosten steigen, suchen immer mehr Unternehmen nach effizienteren und kostengünstigeren Möglichkeiten, Daten mit Anmerkungen zu versehen. Die Crowdsourcing-Plattform NetEase Fuxi Youling entstand basierend auf der Idee von HITL (Human-in-the-Loop).
Die Idee der Mensch-Maschine-Zusammenarbeit verleiht der Datenannotationsbranche neue Dynamik
Auf dieser Datenmesse demonstrierte die Crowdsourcing-Plattform Fuxi Youling ihre einzigartigen Fähigkeiten und Vorteile: die Kombination menschlicher Intelligenz und Entscheidungskraft mit Die Rechenleistung des maschinellen Lernens wird kombiniert, um eine qualitativ hochwertige Datenannotation zu erzielen. Durch einen detaillierten und strengen Anmerkungsprozess und ein wissenschaftliches Bewertungssystem gewährleistet die Plattform die Genauigkeit und Zuverlässigkeit der Daten. Gleichzeitig hat Fuxi Youling auch eine Reihe modernster technischer Maßnahmen ergriffen, darunter Kostensenkung, Verkürzung des Annotationszyklus und Sicherstellung der Datenqualität, um die Effizienz und Effektivität zu verbessern.
Daten-Closed-Loop
Nachdem der Annotator die Datenannotation abgeschlossen hat, bietet die Plattform Unterstützung für das Echtzeit-Reflow-Modelltraining. Der Aufgabenersteller kann den Effektvergleich vor und nach dem Modelltraining auswerten und die Optimierung und Verbesserung spüren des Modells anhand der Datenanmerkungsergebnisse und aktualisiert das Modell automatisch. Das aktualisierte Modell kann nachfolgende Datenannotationsaufgaben unterstützen und die Qualität und Effizienz der Datenannotation weiter verbessern.
Vollständige Datenprüfung
Die Plattform unterstützt die automatische Qualitätsprüfung aller Aufgabendaten. Der Aufgabenersteller kann den Qualitätsprüfungsprozess flexibel konfigurieren, um Aufgabenebenen und Benutzerporträts durchzuführen und Aufgaben durchzuführen Nehmen Sie an der Qualitätsprüfung teil und führen Sie gleichzeitig Modelle ein, realisieren Sie gleichzeitig die Beteiligung von KI und Menschen an der Qualitätskontrolle und erreichen Sie letztendlich eine hochpräzise Aufgabenerfüllung.
Benutzerporträts
Die Plattform verfügt über ein vollständiges Benutzerporträt und einen Aufgabenabgleichsmechanismus. Basierend auf der bisherigen Aufgabenleistung des Benutzers und in Kombination mit den persönlichen Etikettendaten des Benutzers kann sie den unterschiedlichen Anforderungen verschiedener Aufgabentypen gerecht werden Aufgaben zu Die besten Leute können es tun, um die Qualitäts-, Effizienz- und Kostenanforderungen von Datenanmerkungsaufgaben zu erfüllen.
Swarm Intelligence
Die Plattform wird anhand von Benutzerporträts diversifizierte Annotatoren lokalisieren, redundante Annotationsformen einführen und ihnen ermöglichen, gemeinsam an Annotationsentscheidungen teilzunehmen und endgültige Annotationen durch Algorithmusmethoden wie Intervallschätzung und Echtwertinferenz zu erhalten . Ergebnisse, um die Objektivität und Genauigkeit des Endergebnisses sicherzustellen.
Nach Angaben des Verantwortlichen der Plattform: Die aktuelle Plattform konzentriert sich hauptsächlich auf kognitive Arbeitsinhalte, die aus der Sammlung und Kennzeichnung multimodaler Daten wie Text, Bilder und Sprache durch Technologien der künstlichen Intelligenz wie AIGC stammen ; Mit der Entwicklung von Kommunikationsmöglichkeiten wie 5G wird die Plattform in Zukunft mehr Entscheidungsaufgaben wie die Fernsteuerung übernehmen. Basierend auf der digitalen Zwillingstechnologie wird die Offline-Arbeit digitalisiert und ermöglicht den Benutzern Führen Sie Aufgaben in einer spielerischen digitalen Zwillingsumgebung aus und arbeiten Sie glücklich.
Die NetEase Fuxi Youling-Plattform nutzt KI-Technologie und manuelle Annotation, um die Qualität und Genauigkeit der Datenannotation sicherzustellen und die Effizienz der Datenannotation zu verbessern. Es bietet nicht nur zuverlässige und effiziente Datendienste für Unternehmen, sondern trägt auch zur dynamischen Entwicklung der KI-Technologie bei.
Die Crowdsourcing-Plattform Youling verhilft der KI-Technologie zum Aufblühen.
Gleichzeitig mit der Ausstellung sprach Dr. Wu Runze vom NetEase Fuxi Lab auch über das Thema „NetEase Fuxi Data Crowdsourcing Empowering Large Model Application Practice“.
Dr. Wu sagte: NetEase Fuxi beschäftigt sich seit 2019 intensiv mit der Technologie großer Modelle und nutzt dabei Text-Pre-Training und multimodales Pre-Training als Haupteinstiegspunkte und verlässt sich bei der Bereitstellung hochwertiger Daten auf die Daten-Crowdsourcing-Plattform Feedback geschlossener Regelkreis und Überwindung der einheitlichen Darstellungskonstruktion. Für wichtige technische Herausforderungen wie verteilte Objektspeicherung und große Vektor-Engines wurde es als „Pionierprojekt“ der Provinz Zhejiang ausgewählt und erhielt die offizielle Anerkennung für die Finanzierung. Es wurden zwei erfolgreich inkubiert wichtige vertikale Produkte im Spielebereich, darunter die Danqingyue Art Platform und der Game Intelligent NPC.
Derzeit wird die Crowdsourcing-Plattform Fuxi Youling in mehreren Produkten und Szenarien innerhalb der NetEase-Gruppe eingesetzt: in der offenen Welt des Handyspiels „Backwater Cold“, Menschen mit zarten Emotionen, reaktionsschnellen Reaktionen, echten Bewegungen und reich Ausdrücke Intelligente NPCs werden von Spielern sehr geliebt. Intelligente NPCs benötigen zu ihrer Unterstützung riesige Mengen hochwertiger menschlicher Feedback-Daten.
NetEase Fuxi Youling Crowdsourcing bietet Multi-Datendienste einschließlich Spracherfassung, Textanmerkung, emotionale Beurteilung, Bildanmerkung und andere Datendienste für das intelligente NPC-Modell im Spiel und unterstützt letztendlich die Erstellung mehrdimensionaler Intelligenz wie z Text, Stimme, Mimik usw. Spiel-NPC. Dies ist die tiefe Integration, die NetEase in den Bereichen Game Engines und KI aufgebaut hat, um das Closed-Loop-Problem umfangreicher Rechenleistungsdaten und vorab trainierter Modelle zu lösen.
Derzeit hat die Crowdsourcing-Plattform NetEase Fuxi Youling Hunderte Millionen Daten verarbeitet und gleichzeitig die Leistung der Spiel-KI sichergestellt, gleichzeitig kann sie effizienter Feedback von Spielern sammeln und die KI-Leistung weiter verbessern, wodurch die Technologie auf mehr Anwendungen angewendet wird. In der Metaszene. Basierend auf den Konzepten Offenheit, Zusammenarbeit und Win-win-Situation wird NetEase Fuxi Partner aus vor- und nachgelagerten Bereichen der Industriekette einladen, gemeinsam eine neue Ära der KI+-Digitalisierung einzuleiten.
Das obige ist der detaillierte Inhalt vonIntelligente Datenannotationslösung: eine Crowdsourcing-Plattform, die das Zeitalter großer Modelle begrüßt. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Heiße KI -Werkzeuge
Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos
AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.
Undress AI Tool
Ausziehbilder kostenlos
Clothoff.io
KI-Kleiderentferner
AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.
Heißer Artikel
Heiße Werkzeuge
Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor
SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen
Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung
Dreamweaver CS6
Visuelle Webentwicklungstools
SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)
Heiße Themen
1381
52
Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet
Jun 28, 2024 am 03:51 AM
Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen
Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag
Jun 10, 2024 am 11:08 AM
Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird
Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft
Jun 11, 2024 pm 03:57 PM
Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert
Sieben coole technische Interviewfragen für GenAI und LLM
Jun 07, 2024 am 10:06 AM
Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren
Fünf Schulen des maschinellen Lernens, die Sie nicht kennen
Jun 05, 2024 pm 08:51 PM
Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist
Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt
Jul 25, 2024 am 06:42 AM
Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten
SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen
Jul 17, 2024 pm 06:37 PM
Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S
SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw.
Aug 01, 2024 pm 09:40 PM
Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
