L’elaborazione di tecniche per misurare la qualità dei dati dei testi presenti nei dataset è un aspetto importante ai fini di sviluppare intelligenze artificiali sicure e responsabili. Molti team che sviluppano Language Models prevedono ormai una fase di creazione di dataset curati da usare come benchmark per filtrare i testi da somministrare ai modelli durante il pre-training.
data quality
Misurare la qualità dei dati: tecniche per IA sicure e responsabili
La performance dell’Intelligenza Artificiale è fortemente influenzata dalla selezione e dall’acquisizione dei dati di addestramento. È quindi fondamentale riconsiderare le strategie attuali, privilegiando la qualità dei dati rispetto alla quantità. Un focus sulla rappresentatività del campione e sul contesto di raccolta dei dati può migliorare significativamente le prestazioni dell’IA
Pubblicato il 27 dic 2023
Marco Antonio Stranisci
Università degli Studi di Torino
Continua a leggere questo articolo
InnovAttori
-
La vera sfida dell’AI in azienda non è cercare, ma ricordare bene
18 Ago 2026 -
Quali competenze per portare la physical AI nello spazio: il caso Sitael
22 Lug 2026 -
AI in azienda, perché gestire il cambiamento è anche una questione di sicurezza
10 Lug 2026 -
Data center, quanto cresce l’Italia: ma attenzione al thermal management
06 Lug 2026 -
Ecosistemi travel-tech: startup, AI e nuovi modelli per il turismo
15 Giu 2026
