dataset generation | BriefGPT

关键词dataset generation

搜索结果 - 23

SynDARin: 用于低资源语言的自动推理数据集合成
提出了一种在低资源语言中生成和验证问题回答数据集的方法 SynDARin，该方法利用平行内容挖掘获得英文和目标语言之间的人工精选段落，使用英语数据作为上下文生成合成的多项选择问题 - 回答对，并经过自动翻译和质量验证。人类评估显示，生成的英
PDF14 days ago
SPIN: 航天器图像导航
通过 SPIN 工具进行了太空航天影像生成，用于改进空间操作、可视化导航和姿态估计数据集，并展示了相对于现有综合数据集的平均错误率减少 50% 的结果。
PDF23 days ago
UniGen：通用领域泛化情感分类的零样本数据集生成
本研究提出了一种新颖的方法，通过生成适用于任意领域的数据集来实现小型任务模型的领域通用性，从而提高数据集生成模式的实际应用性。实验证明，该方法在使用比预训练语言模型小数个数量级的参数集的情况下，实现了在各种领域的泛化能力。
PDF2 months ago
自然语言到 Kusto 查询的 NL2KQL
NL2KQL 是一种创新的框架，使用大型语言模型将自然语言查询转换为 KQL 查询，并包括模式优化、示例选择和查询修正等关键组件，同时还介绍了一种生成合成 NLQ-KQL 对的方法，并通过在线和离线度量验证了该框架的性能。
PDF3 months ago
通过监督微调向大规模语言模型注入新知识
研究了在最新的体育事件领域中，通过具有监督的微调方法对大规模语言模型进行知识注入的有效性，并比较了基于令牌和基于事实缩放的不同数据集生成策略，发现基于事实缩放提供了更为系统的方法来确保对所有事实的均匀覆盖。通过 SFT 进行更有效的知识吸收
PDF3 months ago
NToP: 用于顶视鱼眼图像中的 2D 和 3D 人体姿态估计的基于 NeRF 的大规模数据集生成
利用神经辐射场技术从现有的 2D 和 3D 数据集生成特别适用于鱼眼透视的顶视图人体姿势数据集，并评估其在增强 2D 和顶视图 3D 人体姿势估计中的有效性。
PDF4 months ago
评估基于机器学习的异常检测在不同数据完整性的数据集上的表现：案例研究
网络安全在数字时代仍然是一个重要的挑战，网络流量异常检测是对抗网络威胁的关键手段之一。本研究解决了网络流量数据集中数据完整性的普遍问题，并引入了两个经过改进的数据集，通过采用 NFStream 进行了方法论检查和标记。我们通过对比原始 CI
PDF5 months ago
GTAutoAct：一种基于游戏引擎重构的自动数据集生成框架用于行为识别
使用创新的游戏引擎技术，GTAutoAct 自动生成大规模高质量标注的行为识别数据集，通过将坐标为基础的三维人体动作转换为适用于多个视角的旋转导向表示，使用动态分割和插值创建平滑真实的动作动画，并提供可定制的动画场景和自主视频捕获与处理流水
PDF5 months ago
AAAI通用游戏求解的快速且无需专业知识的深度学习
我们开发了一种将 AlphaZero 模型适应于通用游戏对战（GGP）的方法，该方法侧重于更快的模型生成并且需要从游戏规则中提取的知识更少。数据集生成使用 MCTS 进行游戏对战，只使用值网络，并且使用注意力层替换卷积层。我们在 Regul
PDF6 months ago
EMNLPLLMaAA：构建大型语言模型用于主动标注
通过使用大型语言模型作为注释者，并将其放入主动学习循环中，我们提出了 LLMaAA 方法，充分发挥大型语言模型的潜力并有效利用大量无标签数据，提高效率和可靠性，并且在命名实体识别和关系抽取等自然语言处理任务上取得了超过其他基线方法的更高性能
PDF8 months ago
生成标记培训数据的开源工具包：Fabricator 和 Teacher LLMs
NLP 任务通常被建模为监督学习，然而需要大量标记训练数据以训练有效模型的手工生产被认为耗时且昂贵，因此当前研究探索一种称为零样本学习的新范式，通过数据集生成来解决这个瓶颈。本文介绍一个名为 Fabricator 的开源 Python 工具
PDF10 months ago
开发一个可扩展的基准测试，用于评估大型语言模型在知识图谱工程中的表现
大型语言模型在知识图谱工程方面的性能评估和监控是一个重要问题，我们引入了一个基于知识图谱工程的基准评测框架，涵盖了语法和纠错、事实抽取以及数据集生成三个挑战。通过实验证明，尽管具有一定的实用性，大型语言模型在零样本生成知识图谱方面尚不适用。
PDF10 months ago
Prompt2Model: 从自然语言指令生成可部署的模型
通过 Prompt2Model 方法，可以使用少量的提示，训练出性能优异、体积小 700 倍的特定目的模型，用于自然语言处理任务。
PDF10 months ago
DatasetDM: 使用扩散模型合成带有感知标注的数据
通过使用基于 DALL-E 和扩散模型的生成模型，我们提出了 DatasetDM，一个通用的数据集生成模型，可以生成各种合成图像和相应的高质量感知注释。训练仅需要少于 1％的手动标记图像，使得生成无限大的注释数据集成为可能。我们生成了具有丰
PDFa year ago
JABBERWOCK: WebAssembly 数据集生成工具及其在恶意网站检测中的应用
JABBERWOCK 是一个工具，它可以将 JavaScript 代码自动转换为 WebAssembly，并将其输出为恶意网站检测的样本，通过实验评估，它可以在 4.5 秒内生成一个数据集，并提供 99％的 F1 分数。
PDFa year ago
使用遗传算法通过脱敏匿名数据集增强生成毒品滥用的人脸图像 (3DG-GA)
通过遗传算法，以生物医学研究和人工智能为基础，为科学界提供可复现的数据集的研究中，通过脸部特征增强生成高度逼真的合成面部器官，在合成过程中保留药物滥用特征的方法，使用数据集包含 120 张实际面部药品滥用的图片，最终可以提供 3000 张合
PDFa year ago
MVTrans：透明物体的多视角感知
本论文提出了一种名为 MVTrans 的新型多视点方法，采用多种感知能力，包括深度估计、分割和姿态估计，可用于透明物体检测，并建立了一个逼真的数据集合成管道 Syn-TODD 用于网络训练。
PDFa year ago
InPars-v2: 信息检索高效数据集生成器的大型语言模型
通过使用开源的大型语言模型和现有强大的重排序器，InPars-v2 提出了一种用于生成训练数据的合成查询 - 文档对的数据集生成器，并通过简单的 BM25 检索管道和使用 InPars-v2 数据微调的 monoT5 重排序器，取得了 BE
PDFa year ago
CVPR自动生成标注数据集的 HandsOff 方法
本文介绍了 HandsOff 框架，它可以在使用不到 50 个已标记图像的情况下训练，生成数量不限的带有标签的合成图像，这个方法绕过了现有方法的实际缺点，同时具有优异的性能表现。
PDF2 years ago
EMNLPProGen: 利用上下文反馈逐步实现零样本数据集生成
本文提出了一种渐进式的零样本数据集生成框架（ProGen），该框架利用任务特定模型的反馈通过上下文示例来指导生成新的训练数据，实验结果表明该方法在五个文本分类数据集上有效，并与没有上下文反馈的基线方法相比，只有 1％的合成数据大小就可以达到
PDF2 years ago