详细内容或原文请订阅后点击阅览

通过新的SageMaker AI生成AI工具

2025年6月24日 23:44 33 Comments
X Twitter Instagram Mail

今天，我们很高兴向SageMaker AI客户介绍文本排名和问答模板。在这篇博客文章中，我们将引导您介绍如何在萨格人中设置这些模板，以创建用于培训大型语言模型的高质量数据集。

来源:亚马逊云科技 _机器学习
今天，我们很高兴向SageMaker AI客户介绍文本排名和问答模板。文本排名模板使人类注释者可以根据自定义标准（例如相关性，清晰度或事实准确性）对大型语言模型（LLM）的多个响应进行排名。该排名的反馈提供了关键的见解，可以通过从人类反馈（RLHF）中进行加强学习，从而产生与人类偏好更好的响应。问答模板有助于基于提供的文本段落来创建高质量的问答对。这些对充当监督微调（SFT）的演示数据，教授如何准确响应类似输入的模型。在此博客文章中，我们将介绍如何在SageMaker中设置这些模板，以创建高质量的数据集以培训大型语言模型。让我们探讨如何利用这些新工具。文本排名排名模板排名允许注释者根据基于可自定义标准（例如相关性，清晰度或正确性）的大型语言模型生成的多个文本响应。注释者以及时和几个模型生成的响应呈现，根据您的用例特定的指南进行排名。排名的数据以结构化格式捕获，详细介绍了每个标准的重新排列索引，例如“清晰度”或“包容性”。对于使用RLHF的微调模型，此信息是无价的，将模型与人类偏好更加紧密地对齐。此外，通过允许您查看响应符合预期的标准的良好状态，该模板对于评估LLM输出的质量也非常有效。在SageMaker AI Consolea New Generative AI类别中设置在SageMaker AI Console中的任务类型中添加了sagemaker ai consolea new Generative AI类别，从而使您可以选择这些模板。要使用AWS管理控制台配置标签作业，请完成以下步骤：在S
正确性 模板 清晰度 控制台 数据集 注释者 使用 标准的 根据 输出的 问答 输入 预期的 包容性 输入的 排名 AI SageMaker 进行 质量的 准确性 任务类型 模型 例如 特定的 响应 模型生成 关键的 相关性 高质量的 文本 质量