Actualités, tutoriels et mises à jour de l'équipe Potato.
Un regard honnête sur la façon de choisir un outil d'annotation de données open source, les questions qui restreignent réellement le choix, et la place de Potato parmi Label Studio, Prodigy, Doccano, brat et Argilla.
Step-by-step guide to collecting per-step reward signals for PRM training using Potato. Covers first-error mode, per-step annotation, and export to training pipelines.
Tutorial for setting up live coding agent observation with Ollama, Anthropic API, or Claude Agent SDK. Includes pause, rollback, branching, and trajectory export.
Get notified about new tutorials, releases, and community highlights.
Set up multi-criteria rubric evaluation with custom criteria, configurable rating scales, and dimension weights for systematic AI agent evaluation using Potato's rubric_eval.
Potato 2.4.0 ships web agent trace review, real-time live agent evaluation, an LLM chat sidebar, HuggingFace Hub export, webhooks, SSO/OAuth, and five active learning strategies.
Potato 2.2.0 ajoute 9 nouveaux schémas d'annotation, un système d'export extensible, l'estimation de compétence MACE, 55 instruments d'enquête validés et des sources de données distantes.
Potato 2.1.0 apporte le système d'affichage d'instances, le support de l'IA visuelle pour l'annotation d'images et de vidéos, la liaison de spans, les spans multi-champs et la personnalisation de la mise en page.
Bonnes pratiques pour annoter des images médicales dans Potato, affichage DICOM, étiquetage de comptes rendus de radiologie, extraction d'événements indésirables et déploiement auto-hébergé conforme à l'IRB.
Comment configurer les outils de dessin de polygones pour la segmentation d'images, avec des conseils pour les formes complexes et les régions superposées.
Nous sommes ravis d'annoncer Potato 2.0 avec des fonctionnalités alimentées par l'IA, le support multimédia et des capacités d'apprentissage actif.
Configurez le surlignage de mots-clés alimenté par l'IA pour attirer l'attention des annotateurs sur les termes et phrases importants.
Construisez une tâche d'annotation pour l'apprentissage des langues permettant d'évaluer la qualité de la prononciation avec lecture audio et échelles de Likert.
Construisez une tâche d'identification de locuteurs avec des formes d'onde audio, des marqueurs temporels et l'attribution d'étiquettes de locuteurs.
Notre article sur Potato a été accepté à EMNLP 2022. Découvrez la recherche derrière l'outil et comment le citer dans vos travaux.
Bonnes pratiques pour assurer la qualité des annotations dans les projets d'annotation, incluant des stratégies pratiques que vous pouvez mettre en œuvre avec et au-delà de Potato.
Un aperçu des concepts d'annotation de suivi multi-objets et de la manière dont les capacités d'annotation vidéo de Potato peuvent supporter des flux de travail de suivi basiques.
Créez une tâche de classification des émotions audio avec affichage de la forme d'onde, contrôles de vitesse de lecture et échelles de Likert.