被大模型刷屏的2023年，數(shù)據(jù)標(biāo)注發(fā)生了哪些變化？

大模型的熱潮為人工智能開(kāi)啟了新的篇章，作為人工智能的重要生產(chǎn)要素，數(shù)據(jù)集的作用更加凸顯。然而，飛速發(fā)展的大模型時(shí)代，訓(xùn)練數(shù)據(jù)供需兩端也在發(fā)生轉(zhuǎn)變，適配于大模型領(lǐng)域的數(shù)據(jù)處理工具應(yīng)運(yùn)而生。

數(shù)據(jù)堂現(xiàn)有4個(gè)大型數(shù)據(jù)標(biāo)注基地，通過(guò)專業(yè)化培訓(xùn)、針對(duì)性考試，不斷提升大模型標(biāo)注人員的專業(yè)理解力、邏輯思維、總結(jié)能力，現(xiàn)在500名穩(wěn)定的大模型專業(yè)標(biāo)注人員，全部通過(guò)內(nèi)部考核

數(shù)據(jù)堂擁有一支經(jīng)驗(yàn)豐富的大模型數(shù)據(jù)標(biāo)注團(tuán)隊(duì)，已經(jīng)過(guò)多個(gè)項(xiàng)目的實(shí)戰(zhàn)。本科及以上學(xué)歷占比達(dá)95%，覆蓋醫(yī)療、IT、金融、教育、設(shè)計(jì)美學(xué)等專業(yè)領(lǐng)域的過(guò)往從業(yè)人員，保障數(shù)據(jù)集的更高質(zhì)量要求。

價(jià)值對(duì)齊是AI安全的一個(gè)核心議題。需要確保大模型的能力和行為跟人類的價(jià)值、真實(shí)意圖和倫理原則相一致，確保人類與人工智能協(xié)作過(guò)程中的安全與信任。不能輸出帶有歧視性的、有毒有害的、惡意引導(dǎo)性的內(nèi)容。

數(shù)據(jù)堂的專業(yè)人員可以編寫各種對(duì)抗攻擊，如試探性的或者危險(xiǎn)性的問(wèn)題，以發(fā)現(xiàn)潛在問(wèn)題并予以解決。通過(guò)紅隊(duì)測(cè)試，幫助客戶發(fā)現(xiàn)其模型在不準(zhǔn)確信息（幻覺(jué)）、有害內(nèi)容、虛假信息、歧視、語(yǔ)言偏見(jiàn)等方面的問(wèn)題。

數(shù)據(jù)堂作為全球知名的AI訓(xùn)練數(shù)據(jù)服務(wù)企業(yè)，為了更好的推動(dòng)大模型領(lǐng)域發(fā)展，幫助客戶快速解決訓(xùn)練數(shù)據(jù)需求，結(jié)合多個(gè)大模型數(shù)據(jù)處理案例，開(kāi)發(fā)了更適配于大模型數(shù)據(jù)的標(biāo)注工具。

針對(duì)現(xiàn)有大語(yǔ)言模型的數(shù)據(jù)標(biāo)注，主要分為兩種類型。一種是對(duì)已有的問(wèn)答數(shù)據(jù)進(jìn)行評(píng)分評(píng)估，例如，客戶給定了一個(gè)問(wèn)題以及多個(gè)答案，也可以是一個(gè)問(wèn)題，通過(guò)外部模型生成答案，然后對(duì)答案進(jìn)行打分、排序、評(píng)估敏感信息等。

另一種則是根據(jù)提示，自行編寫多輪問(wèn)答數(shù)據(jù)，適用于監(jiān)督微調(diào)SFT，例如，客戶只給定了一個(gè)指令，需要團(tuán)隊(duì)根據(jù)指令去編寫問(wèn)題與答案。

多輪問(wèn)答模板操作界面

數(shù)據(jù)堂LLM文本模型標(biāo)注平臺(tái)針對(duì)答案、整體布局、API接口以及評(píng)分規(guī)則等多個(gè)部分進(jìn)行自有配置，幫助標(biāo)注人員匹配更適合自己的高效工作版式。

在大模型數(shù)據(jù)服務(wù)方面，數(shù)據(jù)堂擁有豐富的項(xiàng)目經(jīng)驗(yàn)，可以提供高效率、高準(zhǔn)確率的數(shù)據(jù)交付。我們始終采取高標(biāo)準(zhǔn)、完善的數(shù)據(jù)安全合規(guī)管理方案，全力保障客戶權(quán)益。從而讓客戶放心無(wú)憂的使用我們的服務(wù)。