LLM:badcase分析

bad case分析是了解业务、了解场景的重要途径,知道当前研究、实践中容易出现的问题,往通俗的说,吸收经验的重要途径。

分析badcase必须要先了解目前模型的效果,也就是baseline,知道该往哪个方向努力。

现状

评测集

要兼顾数量、统计意义、质量。

指标

指标的设计必须要考虑观测的目标。

注重指标的口径,比如不同数据源的情况。

多个指标的组合观测。

结论

确定预期的目标、进一步优化我们当前的算法方案的方向。

分析

分析的对象

根据优化算法的方面来观察不利于指标提升的badcase。

分析思路

粗看法

大体上去看,错误的样本都有什么特点,带有哪些特征,例如长度、句式等是否有什么特点。

追溯法

对一个case,重现整个训练和预测过程的方法。给定一个bad case,准备好日志,分析预测的每个阶段的分析结果,查看是否符合预期。

解决

样本的误导

增广数据

阈值的确定和权衡

不同的阈值得到的召回不一样

预处理

预处理的本质是对数据进行处理使之更好地被用来预测

前处理

指模型预测之前的处理,尤其在模型比较大,性能要求比较高的场景,我们需要把一些肯定确定能快速预测出来的东西给过滤掉,从而提升性能也降低模型的负担,最简单的例如黑白名单,复杂的可以有一些针对业务的规则,例如超短句或者超长句直接拒绝等等,能用规则的尽量用规则。

后处理

指在模型预测以后的一些调整,最直接能想到的就是阈值过滤,但不仅是这些,有的时候需要结合模型的预测打分进行调整

参考:
https://mp.weixin.qq.com/s/GUDVPL_7oZKKUtQZ2ZP4tA

相关推荐
code2cat5 小时前
【随笔】MCP长任务:查询已经返回,为什么任务还没有完成
javascript·人工智能·后端·mcp
玄魂6 小时前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·agent·视觉设计
写标小何6 小时前
AI 标书工具技术架构解析:从文件解析到排版导出的工程实践
人工智能
敖老师6 小时前
DeepSeek Harness Web 版从装到用:dsh web 启动、接入本地 Ollama 全流程
人工智能
阿里云大数据AI技术6 小时前
DataWorks AI 数据生成:一条配置,量产多行业的仿真级业务数据
人工智能
QA老兵的AI实战手记6 小时前
别再用人工盯 AI 幻觉了:我手搓了一套带“代码审查拦截”的 AI 效能大屏(附源码)
人工智能
火山引擎开发者社区7 小时前
APMPlus・看得见的 Agent(三) | Agent 说完成,结果却不对?APMPlus Agent 轨迹帮你查清执行过程
人工智能
羲云网络7 小时前
Claude Fable 5.2 创意编程分析:程序化生成、多智能体协作与工程验收
人工智能·大语言模型·blender·游戏开发
Linye7 小时前
HTML 流程图连线交叉看不清?聊聊画布避障折线与跳弧实现
前端·人工智能
weixin_469163697 小时前
金融租赁项目管理:维普时代以混合模型+AI实现管控与效率兼得
人工智能·金融