1. Learn
  2. /
  3. คอร์ส
  4. /
  5. Reinforcement Learning from Human Feedback (RLHF)

Connected

แบบฝึกหัด

การระบุแหล่งข้อมูลที่ไม่น่าเชื่อถือ

ทีมของคุณกำลังพัฒนาโมเดลสำหรับช่วยสร้างรายงานที่แม่นยำในอุตสาหกรรมความปลอดภัยยานยนต์ โดยได้รวบรวมข้อมูล preference จากแหล่งข้อมูลสามแห่ง ได้แก่ "GlobalDrive Safety Institute", "AutoTech Safety Alliance" และ "QuickScan Auto Review" เมื่อเร็ว ๆ นี้ เกิดข้อกังวลเกี่ยวกับความถูกต้องของข้อมูล จึงได้รับมอบหมายให้ตรวจสอบว่ามีแหล่งข้อมูลใดที่ไม่น่าเชื่อถือหรือไม่

automotive_df คือ DataFrame รวมที่โหลดโดยใช้ไลบรารี pandas ที่ import ไว้แล้ว ซึ่งประกอบด้วยข้อมูลจากทั้งสามแหล่ง ฟังก์ชัน majority_vote ที่ import ไว้แล้วจะสร้างออบเจกต์คล้าย dictionary ที่เก็บคู่ (chosen, rejected) ซึ่งได้รับเสียงส่วนใหญ่ในแต่ละ 'id'

คำแนะนำ

100 XP
  • กำหนดเงื่อนไขสำหรับนับหนึ่งความไม่สอดคล้องกับการโหวตเสียงส่วนใหญ่ของแหล่งข้อมูลที่กำหนด