


Penyelesaian anotasi data pintar: platform penyumberan ramai yang mengalu-alukan era model besar
Pada 26 Mei, platform penyumberan ramai NetEase Fuxi Youling membuat penampilan sulungnya di Ekspo Industri Data Besar Antarabangsa China. Platform ini ialah platform tugas dalam talian kerjasama manusia-komputer yang dibangunkan oleh NetEase Fuxi berdasarkan penyelidikan dan pembangunannya sendiri pada masa ini merupakan satu-satunya platform penyumberan ramai di pasaran yang menyokong anotasi interaksi manusia-komputer masa nyata. Matlamat platform penyumberan ramai Fuxi Youling adalah untuk menyelesaikan masalah kekurangan buruh dalam semua lapisan masyarakat dan menyediakan seluruh masyarakat peluang pekerjaan dalam talian yang lebih mudah dan menarik. Pelanggan perusahaan boleh memodelkan dan menerbitkan tugasan dengan pantas melalui platform ini, manakala setiap pengguna gig boleh menerima tugasan secara bebas tanpa sekatan masa dan geografi. Dengan cara ini, platform penyumberan ramai Fuxi Youling menyediakan perusahaan dan individu dengan model kerja yang lebih cekap dan fleksibel.

Dalam era hari ini, teknologi kecerdasan buatan mengubah cara manusia hidup dan bekerja dengan pantas. Dengan perkembangan pesat teknologi kecerdasan buatan seperti model bahasa besar dan model besar berbilang modal, bidang anotasi data telah membawa kepada era baharu pembangunan yang rancak. Sebilangan besar data sentiasa muncul dalam pelbagai bidang Namun, dalam era yang menarik ini, kedua-dua pihak permintaan dan pihak penyedia menghadapi cabaran yang besar. Mereka perlu mencari cara yang cekap untuk menyediakan sokongan data kos rendah yang berkualiti tinggi. Ini bukan sahaja berkaitan dengan ketepatan dan kepraktisan teknologi kecerdasan buatan, tetapi juga kepada prospek pembangunan seluruh industri. Oleh itu, industri anotasi data memerlukan inovasi dan penambahbaikan berterusan untuk memenuhi keperluan teknologi kecerdasan buatan dan menggalakkan pembangunan industri yang mampan.
Untuk menyesuaikan diri dengan trend era data besar, banyak syarikat kecerdasan buatan telah mula mewujudkan sistem latihan dan pengurusan untuk jurulatih data, dan terus menjalankan inovasi teknologi dan meningkatkan kualiti data. Walau bagaimanapun, apabila kos buruh meningkat, semakin banyak organisasi mencari cara yang lebih cekap dan menjimatkan untuk menganotasi data. Platform penyumberan ramai NetEase Fuxi Youling wujud, berdasarkan idea HITL (Human-in-the-Loop).
Idea kerjasama manusia-mesin menyuntik tenaga baharu ke dalam industri anotasi data
Pada ekspo data ini, platform penyumberan ramai Fuxi Youling menunjukkan keupayaan dan kelebihan uniknya: menggabungkan kecerdasan manusia dan membuat keputusan dengan Kuasa pengkomputeran pembelajaran mesin digabungkan untuk mencapai anotasi data berkualiti tinggi. Melalui proses anotasi yang terperinci dan ketat serta sistem pemarkahan saintifik, platform ini mengekalkan ketepatan dan kebolehpercayaan data. Pada masa yang sama, Fuxi Youling juga telah menerima pakai beberapa siri langkah teknikal yang canggih, termasuk mengurangkan kos, memendekkan kitaran anotasi dan memastikan kualiti data, untuk meningkatkan kecekapan dan keberkesanan.

Gelung tertutup data
Selepas anotasi melengkapkan anotasi data, platform menyediakan sokongan untuk latihan model aliran semula masa nyata Pengeluar tugasan boleh menilai perbandingan kesan sebelum dan selepas latihan model, rasakan pengoptimuman dan penambahbaikan model dengan hasil anotasi data, dan Kemas kini model secara automatik. Model yang dikemas kini boleh membantu tugasan anotasi data seterusnya dan meningkatkan lagi kualiti dan kecekapan anotasi data. Pemeriksaan data
Full Platform ini menyokong pemeriksaan kualiti automatik semua data tugas. , dan memperkenalkan model pada masa yang sama Mengambil bahagian dalam pemeriksaan kualiti, merealisasikan AI dan penyertaan manusia dalam kawalan kualiti pada masa yang sama, dan akhirnya mencapai penyampaian tugas dengan ketepatan tinggi.
Potret Pengguna
Platform ini mempunyai potret pengguna dan mekanisme pemadanan tugasan yang lengkap Berdasarkan prestasi tugas masa lalu pengguna dan digabungkan dengan data label peribadi pengguna, ia boleh memadankan keperluan pelbagai jenis tugasan dan menetapkan. tugas kepada Orang yang terbaik boleh melakukannya untuk memenuhi keperluan kualiti, kecekapan dan kos tugasan anotasi data.
Swarm Intelligence
Platform ini akan mencari anotasi terpelbagai berdasarkan potret pengguna, memperkenalkan borang anotasi berlebihan dan membolehkan mereka untuk bersama-sama mengambil bahagian dalam keputusan anotasi dan mendapatkan anotasi akhir melalui kaedah algoritma seperti anggaran selang dan inferens nilai sebenar .
Menurut orang yang bertanggungjawab ke atas platform: Platform semasa memberi tumpuan terutamanya pada kandungan kerja kognitif, yang datang daripada pengumpulan dan pelabelan data berbilang modal seperti teks, gambar dan suara oleh teknologi kecerdasan buatan seperti AIGC ; dengan pembangunan komunikasi seperti 5G Dengan aplikasi teknologi yang meluas, platform akan menjalankan lebih banyak tugas membuat keputusan seperti kawalan jauh pada masa hadapan Berdasarkan teknologi kembar digital, kerja luar talian akan didigitalkan dan dalam talian, membolehkan pengguna untuk melaksanakan tugas dalam persekitaran kembar digital gamified dan bekerja dengan gembira.
Platform NetEase Fuxi Youling menggunakan teknologi AI dan anotasi manual untuk memastikan kualiti dan ketepatan anotasi data serta meningkatkan kecekapan anotasi data. Ia bukan sahaja menyediakan perkhidmatan data yang boleh dipercayai dan cekap untuk perusahaan, tetapi juga menyumbang kepada pembangunan pesat teknologi AI.
Platform crowdsourcing Youling membantu teknologi AI berkembang
Pada masa yang sama dengan pameran, Dr. Wu Runze dari NetEase Fuxi Lab turut berkongsi tema "NetEase Fuxi Data Crowdsourcing Empowering Large Model Application Practice".

Dr. Wu berkata: NetEase Fuxi telah terlibat secara mendalam dalam teknologi model besar sejak 2019, mengambil pra-latihan teks dan pra-latihan berbilang modal sebagai pintu masuk utama, bergantung pada platform sumber ramai data untuk menyediakan data berkualiti tinggi maklum balas gelung tertutup, dan mengatasi pembinaan perwakilan bersatu, Untuk cabaran teknikal utama seperti penyimpanan objek teragih dan enjin vektor berskala besar, ia telah dipilih sebagai "Projek Perintis" Wilayah Zhejiang dan menerima pengiktirafan rasmi untuk pembiayaan produk menegak utama dalam bidang permainan, termasuk Platform Seni Danqingyue dan NPC Pintar Permainan.
Pada masa ini, platform penyumberan ramai Fuxi Youling telah digunakan dalam pelbagai produk dan senario dalam Kumpulan NetEase: dalam dunia terbuka permainan mudah alih "Backwater Cold", orang yang mempunyai emosi yang halus, respons responsif, pergerakan sebenar dan kaya. ungkapan NPC Pintar amat disayangi oleh pemain. NPC Pintar memerlukan sejumlah besar data Maklum Balas Manusia berkualiti tinggi untuk menyokongnya.
NetEase Fuxi Youling Crowdsourcing menyediakan perkhidmatan berbilang data yang melibatkan pengumpulan suara, anotasi teks, pertimbangan emosi, anotasi imej dan perkhidmatan data lain untuk model NPC pintar dalam permainan, dan akhirnya menyokong penciptaan kecerdasan pelbagai dimensi seperti teks, suara, ekspresi muka, dsb. permainan NPC. Ini ialah penyepaduan mendalam yang NetEase telah terkumpul dalam bidang enjin permainan dan AI untuk menyelesaikan masalah gelung tertutup data kuasa pengkomputeran berskala besar dan model pra-latihan.
Pada masa ini, platform penyumberan ramai NetEase Fuxi Youling telah memproses ratusan juta data Sambil memastikan prestasi AI permainan, ia boleh mengumpul maklum balas daripada pemain permainan dengan lebih cekap dan meningkatkan lagi prestasi AI, dengan itu menggunakan teknologi itu kepada lebih banyak aplikasi. Dalam adegan meta. Berdasarkan konsep keterbukaan, kerjasama dan menang-menang, NetEase Fuxi akan menjemput rakan kongsi dari huluan dan hiliran rantaian industri untuk bersama-sama mencipta era baharu pendigitalan AI+.
Atas ialah kandungan terperinci Penyelesaian anotasi data pintar: platform penyumberan ramai yang mengalu-alukan era model besar. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
