從 NLP 研究到計算機視覺，瞭解團隊如何使用 Potato 構建高品質訓練資料集。
文本分類、情感分析、命名實體識別和文本片段標註，服務於 NLP 研究和應用。
使用單選按鈕和可選文本說明對社交媒體帖子進行情感分類。
影像分類、使用邊界框的目標檢測以及使用多邊形標註的語義分割。
帶有物體類別和屬性的多標籤影像分類。
語音轉寫稽核、說話人分離、情感檢測和音樂標註，支援波形視覺化。
使用波形播放和李克特量表對語音中的情感內容進行分類。
人類偏好資料收集、回覆品質評分以及語言模型訓練的安全性評估。
比較兩個 AI 回覆並選出更優者，用於 RLHF 訓練。
臨床 NLP、醫學影像標註、不良事件檢測和病歷編碼，採用隱私優先的自託管方案。
從臨床文本中提取藥物名稱和不良事件。
問卷工具、內容分析、話語標註和定性編碼，服務於社會科學研究。
評估論證強度並識別邏輯謬誤。
跨模態評估AI智慧體——網頁瀏覽智慧體、推理智慧體和程式設計智慧體。專用軌跡檢視器、逐步評分和即時評估介面。
瀏覽帶有SVG覆蓋層的智慧體截圖，標記錯誤，並對每個步驟的任務成功率進行評分。
大學和研究實驗室
醫院和醫學研究
AI/ML 初創公司和團隊
公共部門研究
文件處理和 NLP
內容分析和稽核
Potato 靈活的 YAML 配置幾乎支援任何標註任務。瀏覽我們的展示頁面或在線上構建器中自行建立。