Der Kernwert des SailorFog-QA-Datensatzes ist sein innovatives Schwierigkeitsdesign:
- Information unscharfe VerarbeitungDie ursprünglichen Daten werden mit Hilfe von Graph-Sampling-Techniken rekonstruiert, und wichtige Entitäten (z. B. Namen von Personen und Organisationen) werden durch Synonyme ersetzt oder durch Attribute verallgemeinert, um die Unvollständigkeit der Informationen in realen Szenarien zu simulieren. So wird beispielsweise das "Transformer-Modell" umgeschrieben in "Attention architecture proposed by a Google".
- Multi-Jump Reasoning HerausforderungProblem 40% muss aus mehr als drei Informationsquellen abgeleitet werden, z. B. "Predicting Tesla's 2025 Battery Technology Route" erfordert die Integration von drei Arten von Inhalten: Patentdaten, Interviews mit Führungskräften und akademische Arbeiten.
- Reichhaltigkeit der BewertungsdimensionenZusätzlich zu den konventionellen Genauigkeitsraten wurden charakteristische Indikatoren wie die Nachvollziehbarkeit von Informationen (Qualität der bereitgestellten Verweise) und die Interpretierbarkeit von Schlussfolgerungen (Vollständigkeit der logischen Ketten) entwickelt.
Dieser Datensatz enthält 120.000 Beispiele in Englisch und Chinesisch und wurde in der Feinabstimmungsphase des Reinforcement Learning für WebSailor eingesetzt, was zu einer Verbesserung des F1-Wertes des Modells in Fuzzy-Szenarien um 22,5% führte. WebAgent/dataset/sailorfog-QA.jsonl Die Datei liegt im JSON-Lines-Format vor, und jeder Eintrag enthält Felder wie: ursprüngliche Anfrage, Fuzzy-Anfrage, goldener Pfad, Belege usw.
Diese Antwort stammt aus dem ArtikelWebAgent: Ein intelligentes Werkzeug zur Suche und Verarbeitung von WebinformationenDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Was ist der einzigartige Wert der SailorFog-QA-Datensätze für die KI-F&E?
Deutsch 
简体中文 
English 
日本語 
Português do Brasil