针对目前人工智能开放平台普遍存在预训练模型开发成本高、行业数据标注成本高等问题,本文研究了一种使用弱监督训练范式且任务可解耦的人工智能算法平台(Weak Supervision&Task Decoupling AI Platform,简称为WSTD-AP)。不同于基...针对目前人工智能开放平台普遍存在预训练模型开发成本高、行业数据标注成本高等问题,本文研究了一种使用弱监督训练范式且任务可解耦的人工智能算法平台(Weak Supervision&Task Decoupling AI Platform,简称为WSTD-AP)。不同于基于传统强监督学习的人工智能算法平台,WSTP将大规模无标签数据用于不同规模的模型训练,在有限成本情况下充分利用“扩展法则”(Scaling Law),使模型在下游任务(如图像识别、目标检测等)达到更好的效果。展开更多