数据总览 - 度目软硬一体DUMU | 百度智能云文档
数据总览 在配置完校园管理后，合规总览会统计并产出全局的数据报表，便于查看校园整体的监测情况。 校园红黑榜 ：显示所有校园中违规次数最少/最多的五个校园，标注为红/黑榜； 校园地图 ：根据校园违规数量，在校园地图中用不同颜色标注。
数据总览 - 度目软硬一体DUMU | 百度智能云文档
数据总览 在配置完厂区管理后，合规总览会统计并产出全局的数据报表，便于查看厂区整体的监测情况。 厂区红黑榜 ：显示所有厂区中违规次数最少/最多的五个厂区，标注为红/黑榜； 厂区地图 ：根据厂区违规数量，在厂区地图中用不同颜色标注。
数据监控与预警_解决方案实践
相关产品 数据可视化Sugar BI 自助BI报表分析和制作可视化数据大屏的强大工具，组件丰富，开箱即用，无需SQL和任何编码
角色与权限控制列表 - 百度千帆·大模型服务及Agent开发平台
除数据标注外）的权限 QianfanDataOperateAccessPolicy 运维操作千帆平台数据管理（除数据标注外）的权限 QianfanDataReadAccessPolicy 只读访问千帆平台数据管理（除数据标注外）的权限 QianfanDatasetAnnotationFullControlAccessPolicy 完全控制千帆平台数据管理-数据标注的权限（多人标注发起相关操作目前仅主用户可操作
文心千帆大模型实战操作指南 千帆社区
在收集时可参考以下准备数据集的技巧： 数据集的规模要足够大，以保证模型的泛化能力 数据集的质量要高，尽量避免噪声和错误标注的数据。 数据集的多样性要足够，以覆盖不同的场景和语言风格，每个分类的文本需要覆盖实际场景里面存在的可能性，训练集若能覆盖的场景越多，模型的泛化能力则越强。
文心千帆大模型实战操作指南 千帆社区
在收集时可参考以下准备数据集的技巧： 数据集的规模要足够大，以保证模型的泛化能力 数据集的质量要高，尽量避免噪声和错误标注的数据。 数据集的多样性要足够，以覆盖不同的场景和语言风格，每个分类的文本需要覆盖实际场景里面存在的可能性，训练集若能覆盖的场景越多，模型的泛化能力则越强。
010-NLP算法 - BML 全功能AI开发平台 | 百度智能云文档
Bert词性标注模型为：BERT + CRF，输入的数据格式应满足BIO的标注格式。 输入 输入文本数据集，标注数据常采用BIO的标注方式。 输出 输出Bert词性标注模型。 算子参数 参数名称 是否必选 参数描述 默认值 batch_size 是 训练过程中的batch_size 范围：[1, inf)。 4 epoch 是 训练过程中的训练轮数 范围：[1, inf)。
手把手教你三步极速蒸馏DeepSeek R1，效果媲美OpenAI o3 mini！ 千帆社区
在这个场景下，我们选取百度自主研发的轻量级大模型ERNIE Speed作为学生模型，通过公开数据集GSM8K和SCQ5K进行了测试。 蒸馏前后模型效果： 模型效果对比：取四个模型分别在公开数据集GSM8K、SCQ5K下的效果评估对比 蒸馏前模型的数学解题能力表现一般，在GSM8K、SCQ5K数据集上的表现分别为84%和55%。然而，蒸馏后的模型在GSM8K和SCQ5K上分别达到95%和81%。
工作台 - 百度千帆·数据智能平台DataBuilder | 百度智能云文档
导入文件 通过在项目列表右上角单击创建按钮，选择 导入文件 ，将文件拖拽到页面对应区域或选择文件可进行数据上传。 创建结构化数据集 通过在项目列表右上角单击创建按钮，选择结构化数据集，进入结构化数据集配置流程。 配置完成后单击确定，数据集创建成功。 详细配置项说明见下表。
使用千帆大模型平台的初体验 千帆社区
2.通过千帆大模型平台进行微调 从其管理后台可以看出，千帆大模型平台支持统一纳管自训模型的数据集，并对数据样本集可自主进行版本迭代、继续导入和删除等操作。 1.进入数据集管理。我们创建一个数据集。 2.因为我最近很长时间都在开发和医疗服务有关的工作，在本次测试中我选择医疗方向的内容进行调优和训练。 我们选择标注类型为：文本对话。标注模板为含排序。
