凯特·赛恩科：更多语言，更少标注 - #580

这篇文章总结了一个播客节目，该节目邀请了波士顿大学的副教授凯特·赛恩科。讨论的重点是赛恩科在多模态学习方面的研究，包括其出现、当前挑战以及大型语言模型（LLM）中的偏见问题。该集还涵盖了构建人工智能应用程序的实际方面，例如数据标注的成本以及减轻成本的方法。此外，它还涉及计算资源的垄断以及赛恩科关于无监督域泛化的工作。这篇文章简要概述了播客中讨论的关键主题。

• •播客探讨了多模态学习及其当前的研究格局。
• •讨论解决了LLM中偏见的挑战。
• •该集重点介绍了人工智能应用开发中的实际考虑因素，例如数据标注成本。