BriefGPT - AI 论文速递 · 2024-12-09T00:00:00Z 基于多样性的大型语言模型的数据质量提升用于文本分类：不可发现的、困难的和嘈杂的数据 💡 原文中文，约700字，阅读约需2分钟。 📝 内容提要 本研究提出了一种基于大型语言模型的数据质量提升方法（DQE），旨在提高文本分类的准确率。通过贪婪算法选择样本进行微调，并对未采样数据进行预测，成功将错误分类的数据分为不可发现、困难和嘈杂的数据。实验结果表明，该方法显著提升了模型性能，并节省了近一半的训练时间。 🏷️ 标签 大型语言模型 微调 数据质量 文本分类 训练时间 阅读原文 生成长图 分享链接 已复制链接
