15|数据:如何基于数字孪生自动生成电商客服的百万语料?
蓝金伟
你好,我是金伟。
上节课我们提到电商客服项目里的客服话术,你可能会想,将这些客服话术做为数据微调大模型就可以了。然而,在真实项目中,这几乎是不可能的。大多数的商家甚至都没有保留完整客服话术的习惯。可以说,在电商客服项目里,缺少数据是一种常态。
但我们知道,在大模型微调项目中,数据工程是最重要的部分。那我们这节课要讨论的问题就是:怎么在没有数据或只有少量数据的前提下,生成足够多的客服数据用于模型训练呢?
微调与数据
要搞清数据在微调中的真正作用,我们需要先理解一个词:大模型的泛化能力。
回想上节课的规则化智能客服,我们可以说它的泛化能力很差。明明客户问的是同样的问题,它都处理不了,好像一个只会死记硬背规则的人。大模型则完全不一样,你要是拿这些数据去训练大模型,它就能应对这一整类问题。
大模型的泛化能力,其实就是人类举一反三的能力。我们做微调,包括上节课的自我认知微调,目的都是让大模型在某类问题上完全具备某种能力。
客服领域的微调数据准备就是话术整理。针对某类问题,如果有正则的模板、规则库,则可以利用它们。如果没有,那就从历史对话里总结数据规则,整理出用于训练的数据。
我们以电商客服最常见的个人发货信息为例,大模型先从会话里抽取关键客户信息。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 在电商客服项目中,缺少数据是一种常态,需要探讨如何在没有数据或只有少量数据的前提下,生成足够多的客服数据用于模型训练。 2. 为了让大模型具备较好的泛化能力,需要准备大量的微调数据,每一个细化的场景可能需要1000-10000条训练数据。 3. 数字孪生的方法可以利用Python库Jinja2和Faker来实现句式变种和数据变种,从而生成大量训练数据。 4. 在数字孪生中,最核心的工作是设计数据模版,通过结合Jinja2和Faker,可以完成微调的数据准备。 5. 大模型微调中80%的工作是准备数据,数字孪生技术可以在只有一条数据的情况下,生成上万条数据,解决缺少数据的问题。 6. 在数字孪生中,设计数据模版是关键,将所有可变量设计为模版的变量,再结合Jinja2和Facker,就能完成微调的数据准备。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 大模型项目落地实战》,新⼈⾸单¥59
《AI 大模型项目落地实战》,新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论