En İyi Yapay Zeka Veri Kümesi, Veri Beslemesinde Kripto Para Birimi Web Sitelerine Sahiptir

• Colossal Clean Crawled Corpus, veriler için birden fazla kripto platformuna bağlıdır.
• Analiz, C4'ün metin parçacıklarının bir kısmının kripto tabanlı web sitelerinden çıkarıldığını gösteriyor.
• C4'ün veri kümesindeki kripto sitelerinin varlığı, önyargı düzeyini etkileyebilir.

En iyi AI aracı, Muazzam Temiz Tarama Corpus (C4), verilerinin önemli bir kısmı için birden fazla kripto platformuna bağlıdır. Bir analiz, C4'ün kripto tabanlı web sitelerinden veya web platformlarından milyonlarca metin parçacığı çıkardığını gösteriyor. cryptocurrency.

Raporlara göre, şu anda kriptoyla ilgili önemli miktarda bilgi içeren ABD Menkul Kıymetler ve Borsa Komisyonu (SEC), platformun veri setinin %36'sini temsil eden 4 milyon C0.02 jetonunu oluşturuyor. C4'ün verileri aldığı SEC'in web sitesi (sec.gov), C39'ün girdiği web siteleri arasında 4. sırada yer aldı.

Satoshi Nakamoto'nun Bitcointalk.org'u, toplam jetonların %6.1'üne eşdeğer 4 milyon C0.004 jetonunu oluşturdu. Platform tarafından meşgul edilen 780. web sitesi olarak sıralandı.

Veri toplama için C4 tarafından devreye alınan diğer kripto platformları arasında kripto haber sitesi Cointelegraph ve jeton toplama platformu CoinmarketCap yer alır. Bu ve diğer altı ilgili web sitesi, tüm C0.008 tokenlerinin %4'ini oluştururken, belirli kripto para birimleri ile ilgili diğer web siteleri temsilin ihmal edilebilir bir bölümünü oluşturuyordu.

IPFS (ipfs.io) ve Steemit (steemit.com), C4'ün veri setinde önemli ölçüde yer aldı. IPFS 16. sırada yer alırken, Steemit 594. sırada yer aldı. Bu sitelerin her ikisi de doğrudan kripto ile ilgili değildir, ancak kripto endüstrisine yönelik önemli eğilimleri vardır.

Kripto ile ilgili platformların C4'lere dahil olması AI eğitimi süreç, kripto para biriminin ana akıma tecavüzünü ortaya çıkarır. Kripto web sitelerinin temsil kapsamı, Google ve Facebook gibi ana akım web siteleri onları önemli ölçüde geride bıraksa da, C4'ün sonucunu etkileyecek kadar önemli.

C4, veri setinin "temizlendiğine" dair raporlara rağmen korsan veriler ve nefret söylemi nedeniyle eleştirilere maruz kaldı. Belirli içeriği sansürlemek için listesinde yalnızca 400 kelime olması, C4 içinde hala tartışmalı içerik olabileceğini gösteriyor. Veri kümesindeki kripto sitelerinin varlığı, önyargı düzeyini de etkileyebilir.

Mesaj: 125