![](https://cdn-ak-scissors.b.st-hatena.com/image/square/9e3c01b84a7a91c3c03cfcd64e1df7c638315dd2/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBrZXJuZWxpYW4mdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTc1NzI0ZmRjNzcwMTAwNTFiMTc4MGJiZjc4NjEzZDA1%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dd06c0de931cd057fdcabc22cd50953ff)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
大規模英語コーパス「The Pile: An 800GB Dataset of Diverse Text for Language Modeling」を要約した - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
大規模英語コーパス「The Pile: An 800GB Dataset of Diverse Text for Language Modeling」を要約した - Qiita
大規模英語コーパス「The Pile: An 800GB Dataset of Diverse Text for Language Modeling」を要約したN... 大規模英語コーパス「The Pile: An 800GB Dataset of Diverse Text for Language Modeling」を要約したNLPAIcorpusLLM 三行で要約 大規模言語モデルの学習にはデータセットの多様性を増やすのが良い。 多様性が増えると、モデルの知識も一般化能力も向上できる。 だから、いろんなデータ集めて、英語のテキストコーパス (825 GB) を作ったよ。 対象読者 大規模(小規模)言語モデルを作ろうとしている人 課題:データの需要の増加と多様性の重要性 大規模言語モデル (LLM) の性能を上げるには大量のテキストで学習をすることが重要。そのため、今後はデータの重要性は更に増していく。 最近の LLM は Common Crawl からデータを取得することが多い。Common Crawl のデータで学習すると性能が向上するのは確かだが、