每个规模的基准
50-100 示例: 明显的风格转变,但一致性差(60-70%)。适合概念验证。
200-500 示例: 窄任务上的可靠性能。分类准确率 82-90%。适合可预测输入模式的窄生产任务。
1,000-2,000 示例: 大多数 fine-tuning 项目的甜蜜点。分类准确率 90-95%。适合大多数生产部署。
3,000-5,000 示例: 复杂任务的生产级性能。适合输入空间大且多样的复杂任务。
10,000+ 示例: 边际改进。适合多语言任务或安全关键应用。
递减收益曲线
数据集大小与模型性能之间的关系遵循对数曲线。从 500 翻倍到 1,000 可能改进 8%。从 1,000 到 2,000 改进 4%。从 4,000 到 8,000 约 1%。
如何衡量你是否有足够数据
不要猜测。衡量。使用学习曲线分析:在 25%、50%、75%、100% 数据上 fine-tune,绘制曲线。
按用例的实用建议
| 用例 | 起步 | 生产目标 | 最大有用量 |
|---|---|---|---|
| 客服分类 | 500-800 | 1,000-1,500 | 3,000 |
| 文档数据提取 | 300-500 | 800-1,200 | 2,000 |
| 内容生成 | 800-1,200 | 2,000-3,000 | 5,000-8,000 |
| 法律/医疗文档分析 | 1,000-2,000 | 3,000-5,000 | 10,000+ |
对于大多数团队:从 1,000 到 2,000 示例开始。运行学习曲线分析。在收集更多数据之前先清洗数据。

