通俗版
要学会认猫,得有人先在成千上万张图上标出“这是猫”。今天的也离不开标注:有人写示范回答,有人给的几个回答排好坏。这是一份大量依靠人力的工作。
工程版
为与评估构建监督信号的过程,包括分类标签、框选、转写、偏好排序、示范答案编写等。标注质量、标注规范和标注者构成会直接影响行为; 依赖的偏好数据就来自标注。行业中还涉及标注员的劳动条件和心理健康等问题,部分标注也开始由 辅助完成。
文言
数据标注,人为数据加签、评其优劣,以供训练者也。
举个例子
你在网站上被要求“选出所有包含红绿灯的图片”,某种程度上也在帮机器标注数据。
容易搞混
数据标注不是简单的体力活,复杂领域(医疗、法律、编程)的标注需要专业知识;标注者的偏好也可能被学走。