AI训练数据污染问题：寻找50页纯净素材的探索
当前AI模型训练面临数据污染的挑战，一位开发者正在寻找未被大型语言模型学习过的50页PDF素材，用于对比测试半开源项目pageindex与text-embedding-3-small的性能。pageindex项目通过LLM创建索引以提高召回...
标签索引
素材获取
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
标签索引
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
当前AI模型训练面临数据污染的挑战，一位开发者正在寻找未被大型语言模型学习过的50页PDF素材，用于对比测试半开源项目pageindex与text-embedding-3-small的性能。pageindex项目通过LLM创建索引以提高召回...