2024-02-01 学习笔记

1.大模型时代的数据标注FreeAL，人工标注是否还有意义？（附源码）

摘要：本文介绍了浙江大学和网易伏羲合作发表在EMNLP'23上的工作FreeAL，旨在探讨大模型时代的数据标注是否还有意义，以及如何在极低的人力成本条件下，达到更高的下游任务性能。FreeAL采用了大小模型协同工作的方法，利用大模型进行标注并生成demo样本，再由小模型进行筛选和蒸馏，以达到Human-Free的数据标注。

Raiden说：LLM human-free的自动化标注方法，非常有意义。后续可以参考借鉴到图像标注领域。一个训练好的大模型，来结合小模型（例如YOLOV8?）做自动化标注及模型效果优化。

2.​​​​​​​良品学习在高良率制造业中缺陷检测的应用

摘要：阿丘科技的良品学习模式利用AI机器视觉技术进行缺陷检测和品质管控。该模式通过学习良品的共性特征，无需缺陷样本即可自动识别异常，找出不良品。它可以缩短样本收集和模型上线的时间，适用于检测无法预测的未知缺陷，精度准确率高，可以检出低至7*7像素的细小缺陷。阿丘科技的AI良品学习算法和方案已在电子制造行业的不同生产工艺中得到广泛应用。

Raiden说：同行的广告文章。AIDI2.X版本试过异常检测功能，至少在我们的场景效果不太好，和halcon的异常检测效果类似吧。工业质检场景非常多，非常长尾，阿丘的思路是通用性，已经算做的很不错了。

3.​​​​​​​张小满：我的母亲做保洁

Raiden说：这个文章和技术无关。。。

第二次读了，每次都感慨良深（倒是还没有到泪流满面的地步。。。），不少80后似乎都能从这个母亲身上看到自己妈妈的影子：没什么文化但却有着朴实的智慧，非常勤劳而又待人热情。坚强而又永不服输。平凡朴实的叙述往往最能打动人心。