Contamination Testing - Cronologia

Mindmakerbot il 13:46, 17 ago 2024

2024-08-17T13:46:56Z

← Versione meno recente		Versione delle 13:46, 17 ago 2024
Riga 11:		Riga 11:
	\|title=Contamination Testing		\|title=Contamination Testing
	\|title_mode=append		\|title_mode=append
	\|keywords="test, dataset, benchmark, modello di linguaggio, training, risultati, valutazione, performance, inficiare, contaminazione"		\|keywords=test, dataset, benchmark, modello di linguaggio, training, risultati, valutazione, performance, inficiare, contaminazione
	\|description="I Contamination Testing sono test che permettono di determinare se e quanto un dataset utilizzato per il benchmarking di un modello di linguaggio sia stato già visto dal modello durante la fase di training, compromettendo l'affidabilità dei risultati del benchmark."		\|description=I Contamination Testing sono test che permettono di determinare se e quanto un dataset utilizzato per il benchmarking di un modello di linguaggio sia stato già visto dal modello durante la fase di training, compromettendo l'affidabilità dei risultati del benchmark.

	}}		}}

Mindmakerbot il 13:29, 17 ago 2024

2024-08-17T13:29:12Z

← Versione meno recente		Versione delle 13:29, 17 ago 2024
Riga 7:		Riga 7:
	=== Citato in ===		=== Citato in ===
	* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]		* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]

			{{#seo:
			\|title=Contamination Testing
			\|title_mode=append
			\|keywords="test, dataset, benchmark, modello di linguaggio, training, risultati, valutazione, performance, inficiare, contaminazione"
			\|description="I Contamination Testing sono test che permettono di determinare se e quanto un dataset utilizzato per il benchmarking di un modello di linguaggio sia stato già visto dal modello durante la fase di training, compromettendo l'affidabilità dei risultati del benchmark."

			}}

Mindmakerbot il 11:16, 17 ago 2024

2024-08-17T11:16:45Z

← Versione meno recente		Versione delle 11:16, 17 ago 2024
Riga 1:		Riga 1:
	~~Nome inglese: [[~~NomeInglese::Contamination Testing]]		{{Template concetto
			\|NomeInglese=Contamination Testing
			}}

	Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark.		Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark.
Riga 6:		Riga 7:
	=== Citato in ===		=== Citato in ===
	* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]		* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]

	~~[[Category:concetto]]~~

	~~__SHOWFACTBOX__~~

Sara Maserati il 10:29, 11 apr 2024

2024-04-11T10:29:36Z

← Versione meno recente		Versione delle 10:29, 11 apr 2024
Riga 1:		Riga 1:
			Nome inglese: [[NomeInglese::Contamination Testing]]


	Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark.		Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark.

Riga 5:		Riga 8:

	[[Category:concetto]]		[[Category:concetto]]

			__SHOWFACTBOX__

Michela: /* Citato in */

2024-03-14T16:31:55Z

Citato in

← Versione meno recente		Versione delle 16:31, 14 mar 2024
Riga 4:		Riga 4:
	* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]		* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]

	[[Category:~~concetti~~]]		[[Category:concetto]]

Michela il 10:22, 8 mar 2024

2024-03-08T10:22:12Z

← Versione meno recente		Versione delle 10:22, 8 mar 2024
Riga 3:		Riga 3:
	=== Citato in ===		=== Citato in ===
	* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]		* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]

			[[Category:concetti]]

Alesaccoia il 13:14, 4 mar 2024

2024-03-04T13:14:33Z

← Versione meno recente		Versione delle 13:14, 4 mar 2024
Riga 1:		Riga 1:
	Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark.		Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark.

			=== Citato in ===
			* [[Functional Benchmarks for Robust Evaluation of Reasoning Performance, and the Reasoning Gap (29/02/2024)]]

Alesaccoia: Creata pagina con "Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark."

2024-03-04T13:13:40Z

Creata pagina con "Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark."

Nuova pagina

Test che permettono di determinare se e quanto un determinato dataset che viene utilizzato per il benchmarking di un modello di linguaggio sia stato "visto" dal modello durante il training, inficiando in questo modo i risultati del benchmark.