综合评价指标F1-Measure - 飞书文档
https://docs.feishu.cn/v/wiki/WZ2kwvlXPidUPokss5ncTW6nnNc/a8一个物体它会有一个真值框，英文称为ground truth，也就是我们实际为它标注的真实矩形框(一般情况下该矩形框是物体的最小外接矩形框，手工标注)。在评价一个算法的时候 ...
飞搜侠
热门搜索
评价指标对模型发展重要吗？ - 飞书文档
https://docs.feishu.cn/v/wiki/JPJgwf74ginUjkk0lChcUpRKnGf/af顿悟现象，英文叫『Grokking』。 我们首先解释下什么是顿悟现象。如上图所示，对于一个训练数据较少的数学任务（通常是数字求和取余数的问题），研究人员发现一种新奇 ...
RAG实践：从数据集到评价指标，小白入门指南 - 飞书文档
https://docs.feishu.cn/v/wiki/Dy5dw45rFiwS4Qk98E7c3SA7nOe/a2**步骤2：定义评价指标**. 传统评估指标如BLEU和ROUGE可能无法准确捕捉句子之间的相似性。例如，尽管两个句子在翻译成英文后表达相同的意思，但它们的BLEU和ROUGE得分 ...
RAG系统的评估：方法与指标 - 飞书文档
https://docs.feishu.cn/v/wiki/WiAwwqSfYiT8sKkYU33c7FMpnvh/aa评估生成：生成的质量通常需要经过评估来衡量，以确保生成的文本准确、相关且合乎要求。 ... 因为embedding模型对于中英文、繁简体的支持可能不一样，如果文档不做处理，引擎 ...
大语言模型的涌现能力：现象与解释 - 飞书文档
https://docs.feishu.cn/v/wiki/XNVqwrBfciGnKEkIF13cZbhInff/a7这里介绍一个比较新的研究方向，顿悟现象，英文叫“Grokking”。 在这里介绍 ... 一种猜想是因为很多任务的评价指标不够平滑，导致我们现在看到的涌现现象。关于这 ...
大模型预训练时，如何解决语言不匹配问题？ - 飞书文档
https://docs.feishu.cn/v/wiki/BW3WwbNGui2FeDkjMFJcatxqnfd/abInstruction 环节中的评价指标比较令人头疼。 鉴于语言生成模型的发展速度，BLEU 和ROUGH 这样的指标已经不再客观。 一种比较流行的方式是像[ ...
深度学习之baseline代码全面解读 - 飞书文档
https://docs.feishu.cn/v/wiki/PztLwkofsi95oak2Iercw9hkn2g/a3... 英文翻译中文的任务。 通常我们基于神经网络解决机器翻译任务的流程如下：. 本节 ... 随着文本序列的进一步增加，翻译性能的评价指标BLEU 的值就开始出现明显地下降。
AI专业术语 - 飞书文档
https://docs.feishu.cn/article/wiki/Kf9rwJlomiXOVikDTRFc6xLpnCf将训练好的机器学习模型应用于生产环境的过程，例如部署到Web服务器或集成到应用程序中。 模型评估. 英文：Model evaluation. 通过使用诸如精度、精确度和召回率等指标，对 ...
活字3.0在英文评测数据集中表现怎样？ - 飞书文档
https://docs.feishu.cn/v/wiki/RmkcwGsHfiAjEPkMUQxcpzX8nAf/ae... 评价多步数学推理能力。 HumanEval [9]：一个由164 个原创编程问题组成的 ... 指标。所有测试均采用greedy策略。我们使用OpenCompass作为评测框架，commit hash ...
从零开始的RAG最佳实践 - 飞书
https://agijuejin.feishu.cn/wiki/Dy5dw45rFiwS4Qk98E7c3SA7nOe步骤2：定义评价指标. 传统评估指标如BLEU和ROUGE可能无法准确捕捉句子之间的相似性。例如，尽管两个句子在翻译成英文后表达相同的意思，但它们的BLEU和ROUGE得分可能很低。