📰 王桂荣在第八届数字中国建设峰会高质量数据集合数据标注主题交流活动上的发言_嘉宾观点_数字中国建设峰会
在人工智能时代，数据对模型效果的决定性作用日益突出。与基础大模型相比，行业大模型的性能提升往往仅在5%到8%之间，原因在于投入重点从算力转向数据，但企业对高质量数据的投入仍不足。业内普遍认为数据投入应占总投入的60%，未来五年数据投入每年需再提升约10个百分点。构建高质量数据集被归纳为三个步骤：加工、标注、评测，本文重点聚焦标注与评测，并提出人机协同的任务分解、数据合成的重要性以及自动化评测的必要性。标注从劳动密集向知识密集转变，强调简单任务由机器完成，复杂任务由人参与，形成“一套工具、一批数据、一套指标”的能力体系。数据合成成为稀缺资源的有效解决方案，自动化评测与生产流程深度融合，能快速、稳定地评估数据质量。中国电子建立自有数据集并推动86项评测指标及相关国家和行业标准，确保多模态数据、结构化数据和文本数据的高质量应用。通过不断完善的标准体系与数据产权观念转变，企业能够以更高效、可控的方式服务客户，推动产业的高质量发展。
🏷️ #高质量数据 #行业大模型 #数据投入 #数据标注 #自动化评测
🔗 原文链接
📰 王桂荣在第八届数字中国建设峰会高质量数据集合数据标注主题交流活动上的发言_嘉宾观点_数字中国建设峰会
在人工智能时代，数据对模型效果的决定性作用日益突出。与基础大模型相比，行业大模型的性能提升往往仅在5%到8%之间，原因在于投入重点从算力转向数据，但企业对高质量数据的投入仍不足。业内普遍认为数据投入应占总投入的60%，未来五年数据投入每年需再提升约10个百分点。构建高质量数据集被归纳为三个步骤：加工、标注、评测，本文重点聚焦标注与评测，并提出人机协同的任务分解、数据合成的重要性以及自动化评测的必要性。标注从劳动密集向知识密集转变，强调简单任务由机器完成，复杂任务由人参与，形成“一套工具、一批数据、一套指标”的能力体系。数据合成成为稀缺资源的有效解决方案，自动化评测与生产流程深度融合，能快速、稳定地评估数据质量。中国电子建立自有数据集并推动86项评测指标及相关国家和行业标准，确保多模态数据、结构化数据和文本数据的高质量应用。通过不断完善的标准体系与数据产权观念转变，企业能够以更高效、可控的方式服务客户，推动产业的高质量发展。
🏷️ #高质量数据 #行业大模型 #数据投入 #数据标注 #自动化评测
🔗 原文链接
