Hallucinating (or poorly fed) LLMs? The problem of data accuracy

Elisabetta Stringhi

doi:10.6092/issn.1825-1927/18877

LLM allucinanti (o mal addestrati)?

Il problema dell'accuratezza dei dati

Autori

Elisabetta Stringhi Università di Milano, Information Society Law Center https://orcid.org/0000-0002-1825-0097

DOI:

https://doi.org/10.6092/issn.1825-1927/18877

Parole chiave:

LLMs, IA, intelligenza artificiale, Data scraping, Grandi Modelli Linguistici, Accuratezza dei dati

Abstract

Il data scraping è fondamentale per i grandi modelli linguistici (LLM) perchè raccoglie dati sostanziali per l'addestramento. Tuttavia, solleva preoccupazioni riguardo all'accuratezza. I sistemi di web scraping non dispongono di filtri, il che porta a informazioni imprecise e obsolete. La convalida dell’accuratezza in grandi volumi è, tuttavia, tecnicamente impegnativa. Tuttavia, l’accuratezza dei dati è vitale per la qualità dell’output e la fiducia degli utenti negli LLM. Questa presentazione esplora la conciliazione dell'estrazione dei dati con l'accuratezza, considerando i diritti e gli interessi contrastanti in gioco.

Downloads

PDF (English)

Pubblicato

2024-01-12

Come citare

Stringhi, E. (2023) «LLM allucinanti (o mal addestrati)? Il problema dell’accuratezza dei dati», i-lex. Bologna, Italy, 16(2), pagg. 54–63. doi: 10.6092/issn.1825-1927/18877.