Технический отчет: Разработка модели классификации качества данных для образовательного контента на немецком языке Аннотация: В этом отчете подробно описана разработка и оценка модели машинного обучения, предназначенной для классификации качества образовательного контента на немецком языке. Вдохновленная прекрасным набором данных Huggingface для веб-обучения, наша цель состояла в том, чтобы адаптировать и усовершенствовать методы классификации данных для оценки образовательной ценности различных типов текстов — от начальной школы до университетского уровня. 1. Введение. Распространение цифровых образовательных ресурсов требует надежных моделей, способных эффективно оценивать качество контента. Этот проект направлен на создание модели, которая сможет автоматически оценивать педагогическую ценность текстов на немецком языке с использованием передовых моделей изучения языка (LLM). — Сбор данных: мы использовали более 15 000 записей для каждой модели, в результате итеративного тестирования было получено до 2 миллионов помеченных записей. — Используемые языковые модели: сравнивались семь различных LLM: 1. Llama 3 70b instruct 2. Discoresearch LLama 3 8b 3. Llama 3 8b Sauerkraut 4. Mixtral 8×7 Instruct 5. GPT 4o 6. Command r plus 7. Llama 3 70b Sauerkraut Каждая модель прошла пятнадцать итераций с…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: pL-Community
Теги: qwen2, conversational, de, text-generation-inference, endpoints_compatible
Лайков: 14 | Загрузок: 19
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
