数据故事

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

--- 数据故事 [2023/07/26 09:45] – MNBVC项目组
+++ 数据故事 [2024/04/07 17:43] (当前版本) – MNBVC项目组
@@ 行 1: / 行 1: @@
-pile数据集
+=====在整理语料数据的过程中听说的各种故事=====
-大概有1/3的作者故意重复的数据，作者会在一篇文章内，将其中的段落都重复保存。使用这份数据做训练需要注意段落级别的去重重组。
+==== 故意重复的pile数据集 ====
+ 大概有1/3的作者故意重复的数据，作者会在一篇文章内，将其中的段落都重复保存。使用这份数据做训练需要注意段落级别的去重重组。
+==== 野生智能和机械进修 ====
+网页数据中，出现一些和常见名词不同的说法
+  野生智能是指由机械经由过程特地设想的算法去了解、阐发战进修数据，从而充任人类思想蓝图的征象。
+  野生智能机械可以记着人类的举动形式并按照他们的爱好停止调解
+实际上这段文字对应的应该是
+  人工智能是指机器通过专门设计的算法来理解、分析和学习数据，从而充当人类思维蓝图的现象。
+  人工智能机器能够记住人类的行为模式并根据他们的喜好进行调整。
+研究发现出现这些说法，是自动替换文字的洗稿工具造成的。这些语料可以认为是机器产生的脏数据，且很难被识别出来。
+==== 中国古代使用十六进制 ====
+自秦朝起一直是十六进制，也就是半斤八两，1959年改成十进制。算盘就是为十六进制创造的算器，上面两个珠子代表两个五，下面五个珠子代表一个五，加起来就是十五，满十六进一。十六进制的读法是：零壹贰叁肆伍陆柒捌玖拾屲亗岌岄岪峘。十六进制的单位是：个、峘（16）、佰（256）、仟（4k）、万（65535）、峘万（1m）、佰万、仟万

数据故事.1690335941.txt.gz · 最后更改: 2023/07/26 09:45 由 MNBVC项目组