让知识彼此相连
知识图谱
沿着人物与判断，回到原始证据。
1 位人物 · 1 个来源 · 1 条观点
放回语境
微调成本效益
选择一条判断，追溯到它所在的原始对话。
微调成本：38,340个样本需17美元
等分区块用于阅读定位，不表示排名或权重。
当前 1–1 / 共 1 条判断 · 按来源日期由新到旧
1 / 1
当前判断
微调成本：38,340个样本需17美元
仅使用38,340个样本即可将微调成本控制在较低水平——约17.0美元；而更大规模的数据集则会同时推高成本与训练耗时。
这些是个人表达的观点，并非共识度量。原始资料保持其原始语言。
支持这项说法
如何仅花费17美元训练你自己的Jev模型
我们仅使用38,340个样本，以控制微调成本。针对该规模数据集进行训练的成本约为17.0美元；而更大规模的数据集训练成本更高，且耗时更长。
原始摘录
We only use 38,340 examples to keep our fine-tuning costs low. Training against a dataset of this size will only cost about $17.0, while larger datasets are more expensive and time-consuming to train against.
日期表示来源发表时间，不代表观点发生变化。 缺少审核合格译文的内容保留原文。