Обсуждение:Краудсорсинг

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: '''Промпт, использованный для генерации статьи:''' «Ты специалист в области машинного обучения, профес...)
 
Строка 1: Строка 1:
-
'''Промпт, использованный для генерации статьи:'''
+
== Первый промпт ==
-
«Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Напиши статью для вики-энциклопедии MachineLearning.ru на тему «Краудсорсинг».
+
Напиши вики-статью на русском языке "Краудсорсинг". Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки.
 +
Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Статья должна быть полезна как новичку (понятно даются определения, популярно объясняются идеи), так и профессионалу (есть полезные ссылки, приводятся актуальные научные результаты).
 +
Для вики-энциклопедии по машинному обучению важна связность. Поэтому термины из области машинного обучения и искусственного интеллекта, названия методов должны быть оформлены как внутренние ссылки, желательно с англоязычным термином в скобках, например Анализ «что-если» (What-If Analysis).
 +
Не выдумывай факты. Ищи надёжные источники в научной литературе. Добавляй ссылки на них в текст статьи. В конце собери список научной литературы. Всегда проверяй корректность ссылок.
-
Обязательные требования к содержанию:
+
== Второй промпт ==
-
1. Статья должна быть энциклопедичной. Начни с широкого определения и упомяни применение метода вне ML (Википедия, Kaggle, OpenStreetMap, Foldit), а затем переходи к роли краудсорсинга в обучении моделей с учителем.
+
Хорошо, но требуются дополнения. Допиши вики-статью на русском языке про "Краудсорсинг" в контексте машинного обучения. Подробно распиши математическую сторону агрегации ответов исполнителей. Добавь формулу для простейшего голосования большинства (Majority voting), а также детально разбери модель Дэвида — Скина (Dawid-Skene model) на базе EM-алгоритма с приведением основных формул для E-шага и M-шага. Для математических формул используй теги <tex> и </tex>.
-
 
+
Чётче разделяй методики контроля качества на качественные и количественные. Приведи примеры известных крауд-платформ, включая Amazon Mechanical Turk и Toloka AI. Оформи список литературы как ненумерованный список (через *), используя шаблоны {{статья}} и {{книга}} для академических источников. Придумывать факты не надо, ссылайся только на реальные научные статьи (например, классическую работу Dawid & Skene 1979 года).
-
2. Статья должна быть полезна новичку: просто и наглядно объясни суть метода (на примерах задач вроде классификации кошек/собак), раскрой понятия «асессор» и «анализ тональности». Учитывай, что данные нужны в первую очередь для моделей с учителем.
+
-
 
+
-
3. Статья должна быть полезна профессионалу: глубоко раскрой проблему контроля качества, опиши математические методы агрегации ответов (Голосование большинством, модель Дэвида-Скина, модель GLAD), понятия перекрытия и матрицы ошибок, упомяни использование ханипотов, связь с Active Learning и RLHF.
+
-
 
+
-
4. Опиши существующую инфраструктуру платформ разметки (Яндекс.Толока, Amazon Mechanical Turk, Scale AI).
+
-
 
+
-
5. Избегай излишне категоричных утверждений (не пиши, что какой-то метод «вообще не применяется» или является «абсолютным стандартом», используй более научные формулировки). Без банальных вступлений, пиши академично, заголовки делай строгими (например, «Основные принципы»).
+
-
 
+
-
Обязательные требования к оформлению:
+
-
 
+
-
1. Используй только вики-разметку. Обязательно создавай внутренние ссылки для ключевых терминов: [[Машинное обучение]], [[Обучение с учителем]], [[RLHF]], [[EM-алгоритм]], [[Активное обучение]], [[NER]], [[Асессор]], [[Анализ тональности]], [[Перекрытие]], [[Голосование большинством]], [[Модель Дэвида-Скина]], [[Модель GLAD]], [[Матрица ошибок]], [[Яндекс.Толока]], [[Amazon Mechanical Turk]], [[Scale AI]]. Англоязычные термины (overlap, Dawid-Skene) давай в скобках без ссылок, чтобы не плодить красные страницы.
+
-
 
+
-
2. Список литературы оформи как ненумерованный список (через *) с обязательным использованием шаблонов {{статья}}. Приведи 4 реальные академические статьи (оригинальную статью Dawid & Skene и современные работы).
+
-
 
+
-
3. Добавь категории.»
+

Текущая версия

Первый промпт

Напиши вики-статью на русском языке "Краудсорсинг". Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Статья должна быть полезна как новичку (понятно даются определения, популярно объясняются идеи), так и профессионалу (есть полезные ссылки, приводятся актуальные научные результаты). Для вики-энциклопедии по машинному обучению важна связность. Поэтому термины из области машинного обучения и искусственного интеллекта, названия методов должны быть оформлены как внутренние ссылки, желательно с англоязычным термином в скобках, например Анализ «что-если» (What-If Analysis). Не выдумывай факты. Ищи надёжные источники в научной литературе. Добавляй ссылки на них в текст статьи. В конце собери список научной литературы. Всегда проверяй корректность ссылок.

Второй промпт

Хорошо, но требуются дополнения. Допиши вики-статью на русском языке про "Краудсорсинг" в контексте машинного обучения. Подробно распиши математическую сторону агрегации ответов исполнителей. Добавь формулу для простейшего голосования большинства (Majority voting), а также детально разбери модель Дэвида — Скина (Dawid-Skene model) на базе EM-алгоритма с приведением основных формул для E-шага и M-шага. Для математических формул используй теги и . Чётче разделяй методики контроля качества на качественные и количественные. Приведи примеры известных крауд-платформ, включая Amazon Mechanical Turk и Toloka AI. Оформи список литературы как ненумерованный список (через *), используя шаблоны {{{заглавие}}}. и {{{заглавие}}}. для академических источников. Придумывать факты не надо, ссылайся только на реальные научные статьи (например, классическую работу Dawid & Skene 1979 года).

Источник — «http://recognition.su/wiki/index.php?title=%D0%9E%D0%B1%D1%81%D1%83%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5:%D0%9A%D1%80%D0%B0%D1%83%D0%B4%D1%81%D0%BE%D1%80%D1%81%D0%B8%D0%BD%D0%B3»