PulseAugur
中
实时 08:41:44
English(EN) Fine-tuning NuExtract3 (LoRA) on 624 train / 44 eval books from this pilot corpus markedly improved precision (0.61→0.76), with recall essentially unchanged (0.

NuExtract3 模型在 LoRA 微调后精度提升

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员使用 LoRA 在一个包含 624 本训练书和 44 本评估书的试点语料库上对 NuExtract3 模型进行了微调。此过程将模型的精度从 0.61 显著提升至 0.76，而召回率保持在 0.75 的稳定水平。下一步将扩大训练数据集。 AI

影响 这种微调技术有望带来更精确的信息提取模型，从而惠及依赖准确数据处理的应用。

排序理由 该条目描述了一个现有模型（NuExtract3）的微调过程，并报告了其性能改进，符合“研究”类别。[lever_c_demoted from research: ic=1 ai=1.0]

在 Mastodon — mastodon.social 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

NuExtract3 模型在 LoRA 微调后精度提升

报道来源 [1]

  1. Mastodon — mastodon.social TIER_1 English(EN) · [email protected] ·

    使用 pilot corpus 中的 624 本训练书/44 本评估书对 NuExtract3 (LoRA) 进行微调，精度显著提高（0.61→0.76），召回率基本不变（0.

    Fine-tuning NuExtract3 (LoRA) on 624 train / 44 eval books from this pilot corpus markedly improved precision (0.61→0.76), with recall essentially unchanged (0.76→0.75) vs. the zero-shot base model. Next: scale up the training set. Code: https:// github.com/cboulanger/finetune -n…

    链接 github.com/…/finetune-nuextract-toc huggingface.co/…/nuextract3-toc-demo

相关实体

相关话题