data curation | BriefGPT - AI 论文速递

关键词data curation

搜索结果 - 31

使用文本 - 图像生成模型进行图像字幕的数据筛选
通过数据修剪的两种方法改进图像字幕生成，一种假设应该避免一些样本，另一种假设通过替换图像，使用最先进的 Stable Diffusion 模型，这些方法在 BLIP 模型上 MS COCO 和 Flickr30 k 中进行了评估。我们的方法
PDFa year ago
DataComp：寻找下一代多模数据集
DataComp 基准测试是一个围绕 Common Crawl 的约 128 亿个图像文本对的数据集实验平台，通过提出新的训练集来激励数据集的研究。通过应用简单的过滤算法，DataComp-1B 被创建并用于训练一个 CLIP ViT-L
PDFa year ago
AutoCure: 用于机器学习管道的自动表格数据整理技术
AutoCure 是一种自动化的数据准备方法，通过集成基于集成模型的错误检测方法和数据增强模块，可以提高标签数据的质量，加快机器学习模型的准备过程，无需用户干预。相比传统的数据准备工具，AutoCure 在 28 种不同的数据准备方法中获得
PDFa year ago
CiT：有效视觉语言数据训练的筛选
本文提出了一种名为 CiT 的有效视觉 - 文本学习算法，通过在训练中将数据目标整合进去，自动产生高质量数据集和提高对比度图像 - 文本训练的速度，从而实现了数据筛选管道的免除和训练速度的提高。
PDFa year ago
一种灵活框架的零样本文档级问答检测、检索和理解
本文提出了一种三阶段文件 QA 方法，包括从 PDF 中提取文本，从提取的文本中检索证据以形成良好的上下文，以及从上下文中提取 3 种类型的知识（抽取式、生成式或布尔式）。通过对 QASPER 的评估，DRC 系统在交付更优的上下文选择的同
PDF2 years ago
esCorpius: 一份庞大的西班牙语爬虫语料库
通过使用多达 1 PB 的 Common Crawl 数据，我们提出了 esCorpius，一个高质量的西班牙网络爬取语料库，利用了新颖的高度并行的清理管道和多种去重机制，以确保文档和段落边界的完整性，并遵守欧盟法规。
PDF2 years ago
ACL沿着种族、性别和综合交错的轴线分析仇恨言论数据
为了解决仇恨言论不断增长的问题，本文探索了种族、性别交叉轴线上仇恨言论数据集的分析，发现 African American English、男性和 AAE + 男性推文中存在强烈的偏见，BERT 模型会传播这种偏见，但通过平衡训练数据可以实
PDF2 years ago
GlobalWoZ：将 MultiWoZ 全球化以开发多语言任务导向的对话系统
该论文介绍了一种通过翻译并修改本地实体的对话模板来生成 GlobalWoZ 数据集的方法，以增加多种语言的任务导向对话系统的数据覆盖范围，并提供了一组坚实的基准数据集以进行学习和评估。
PDF3 years ago
ACL改变数据，改变世界
该研究论文讨论了关于 NLP 在深度学习模型和训练数据上的投资，目前我们的模型学到了很多假的模式、社会偏见和标注错误现象。虽然算法解决方案的成功有限，但还有一种替代方案被积极讨论，即更加细心地设计数据集来传递特定的信号，本文探讨了有关数据整
PDF3 years ago
机器学习数据集安全性：数据投毒、后门攻击和防御
介绍机器学习系统中数据集安全领域的各种潜在威胁及其防御方法，并提出解决这些问题的未解之谜。
PDF4 years ago
结合弱监督和网络监督学习对食品图像进行分类
本文研究如何通过最小化数据编辑从网络数据中正确分类包含多个共同食品类别的图像，并使用弱监督学习方法增强深度学习模型来提高分类识别准确度。
PDF7 years ago