来自 Potato 团队的新闻、教程和更新。
Potato 2.3.0 führt agentische Annotation mit 12 Trace-Format-Konvertern, Solo Mode für menschlich-LLM-kollaboratives Labeling, Best-Worst Scaling, SSO/OAuth, Parquet-Export und 15 Demo-Projekte ein.
Potato 2.3.0 में agentic annotation के साथ 12 trace format converters, Solo Mode, Best-Worst Scaling, SSO/OAuth, Parquet export, और 15 demo projects प्रस्तुत किए गए हैं।
Potato 2.3.0 introduce l'annotazione agentica con 12 convertitori di formato traccia, Solo Mode per l'etichettatura collaborativa umano-LLM, Best-Worst Scaling, SSO/OAuth, esportazione Parquet e 15 progetti demo.
Potato 2.3.0 引入了智能体标注（支持 12 种 trace 格式转换器）、Solo Mode 人机协同标注、Best-Worst Scaling、SSO/OAuth 认证、Parquet 导出以及 15 个演示项目。
Erfahren Sie, wie Sie mit Potatos agentischen Annotationsfunktionen eine vollständige Evaluierungspipeline für KI-Agenten einrichten – von der Trace-Importierung bis zum Annotationsschema-Design.
Potato की agentic annotation सुविधाओं का उपयोग करके AI agent outputs का human evaluation कैसे सेट करें — trace import से annotation schema design तक।
Scopri come configurare la valutazione umana degli output di agenti AI utilizzando le funzionalità di annotazione agentica di Potato, dall'importazione delle tracce alla progettazione degli schemi di annotazione.
学习如何使用 Potato 的智能体标注功能设置 AI 智能体输出的人类评估，从 trace 导入到标注方案设计。
Schritt-für-Schritt-Tutorial zur effizienten Beschriftung großer Datensätze mit Potatos Solo Mode und menschlich-LLM-Kollaboration – Annotationskosten um bis zu 90 % reduzieren.
Human-LLM collaboration के साथ बड़े datasets को कुशलतापूर्वक label करने के लिए Potato के Solo Mode का उपयोग करने पर चरण-दर-चरण tutorial, annotation लागत को 90% तक कम करते हुए।
Tutorial passo per passo sull'utilizzo di Solo Mode di Potato per etichettare in modo efficiente grandi dataset con la collaborazione umano-LLM, riducendo il costo dell'annotazione fino al 90%.
使用 Potato 的 Solo Mode 通过人机协同高效标注大型数据集的分步教程，标注成本最高可降低 90%。
Wie man Potatos Web-Agent-Trace-Anzeige nutzt, um autonome Web-Browsing-Agenten mit schrittweisen Screenshots, SVG-Overlays und schrittweisen Annotationsschemata zu evaluieren.
Potato के web agent trace display का उपयोग करके स्वायत्त web browsing agents का मूल्यांकन कैसे करें — चरण-दर-चरण screenshots, SVG overlays, और per-step annotation schemas के साथ।
Come utilizzare il display delle tracce degli agenti web di Potato per valutare agenti di navigazione web autonomi, con screenshot passo per passo, overlay SVG e schemi di annotazione per passo.
如何使用 Potato 的 web agent trace 显示来评估自主网页浏览智能体，包含逐步截图、SVG 覆盖层和逐步标注方案。
Potato 2.2.0 新增 9 种标注方案、可插拔的导出系统、MACE 能力评估、55 个经过验证的调查量表以及远程数据源支持。
Potato 2.1.0 带来了实例显示系统、支持图像和视频标注的视觉 AI、跨度链接、多字段跨度以及布局自定义功能。
KI-gestützte Objekterkennung, Pre-Annotation und Klassifizierung für Bild- und Videoaufgaben mit YOLO, Ollama, OpenAI und Claude einrichten.
YOLO, Ollama, OpenAI, और Claude के साथ image और video tasks के लिए AI-powered object detection, pre-annotation, और classification सेट करें।
Configura il rilevamento di oggetti assistito dall'AI, la pre-annotazione e la classificazione per task su immagini e video con YOLO, Ollama, OpenAI e Claude.
使用 YOLO、Ollama、OpenAI 和 Claude 为图像和视频任务设置 AI 驱动的目标检测、预标注和分类。
手动转换 Label Studio 项目、模板和标注到 Potato 格式的分步指南。
将 Potato 与 Prolific 集成进行众包标注的完整指南，包括付款和质量控制。
标注合同、法庭文件和监管申报的专业技术，需要领域专业知识。
使用 Potato 标准图像标注功能进行医学图像标注的最佳实践。
如何配置多边形绘制工具进行图像分割，以及处理复杂形状和重叠区域的技巧。
Wie man Unsicherheits-Sampling nutzt, um Annotationen zu priorisieren und den gesamten Beschriftungsaufwand um bis zu 50 % zu reduzieren.
Annotations को prioritize करने और कुल labeling effort को 50% तक कम करने के लिए uncertainty sampling का उपयोग कैसे करें।
Come usare l'uncertainty sampling per prioritizzare le annotazioni e ridurre il lavoro totale di etichettatura fino al 50%.
如何使用不确定性采样来优先安排标注任务，将总标注工作量减少最多50%。
完整的边界框标注设置指南，适用于计算机视觉任务，包括标签颜色和验证规则。
如何将 Potato 标注转换为 Hugging Face 数据集格式，用于模型训练和数据集共享。
构建并排图像比较界面，用于偏好排名、A/B 测试和质量评估。
我们很高兴地宣布 Potato 2.0 发布，带来了 AI 驱动的功能、多媒体支持和主动学习能力。
配置 AI 驱动的关键词高亮功能，引导标注者关注重要术语和短语。
在 MTurk 上运行 Potato 标注任务的分步说明，包括资格测试和审批工作流。
构建一个完整的情感分类任务，包含单选按钮、工具提示和键盘快捷键，实现高效标注。
配置 Potato 进行毒性检测、仇恨言论分类和敏感内容标注，同时关注标注者的身心健康。
使用 HTML 模板、CSS 样式和 JavaScript 交互创建自定义标注界面。
构建一个带有音频播放和 Likert 量表的语言学习标注任务，用于评估发音质量。
构建一个带有音频波形、时间戳标记和说话人标签分配的说话人识别任务。
设置具有精确帧导航、时间戳标记和时序事件标注的视频标注任务。
设置标注任务，用于检测语音、音乐、掌声或环境噪音等特定声音，并带有时间戳标注。
Eine schnelle Anleitung zur Einrichtung Ihres ersten Annotationsprojekts mit Potato – von der Installation bis zu Ihren ersten beschrifteten Daten.
Installation से अपने पहले labeled data तक, Potato के साथ अपना पहला annotation project सेट करने के लिए एक त्वरित गाइड।
Una guida rapida per configurare il tuo primo progetto di annotazione con Potato, dall'installazione ai tuoi primi dati etichettati.
快速指南：从安装到首次标注数据，快速搭建你的第一个标注项目。
如何计算和解读 Cohen's Kappa、Fleiss' Kappa 和 Krippendorff's Alpha。
我们关于 Potato 的论文被 EMNLP 2022 收录。了解该工具背后的研究以及如何在您的工作中引用它。
确保标注项目质量的最佳实践，包括可以在 Potato 内外实施的实用策略。
学习如何设置带有缩略图预览、缩放控制和多标签支持的图像分类任务。
Erfahren Sie, wie Sie OpenAI, Claude oder Gemini nutzen, um Ihren Annotatoren intelligente Hinweise und Vorschläge bereitzustellen.
OpenAI, Claude, या Gemini का उपयोग करके अपने annotators को intelligent hints और suggestions प्रदान करना सीखें।
Scopri come usare OpenAI, Claude o Gemini per fornire suggerimenti e hint intelligenti ai tuoi annotatori.
学习如何使用 OpenAI、Claude 或 Gemini 为标注者提供智能提示和建议。
创建一个带有波形可视化、30 秒预览和分层流派标签的音乐标注任务。
Potato 生产环境部署指南，包括 Docker、云平台和 SSL 配置。
多目标跟踪标注概念概述，以及 Potato 的视频标注功能如何支持基本的跟踪工作流。
创建带有波形显示、播放速度控制和李克特量表的音频情感分类任务。
逐步教程：创建带有 span 标签和键盘快捷键的命名实体识别标注任务。
深入介绍 JSON 和 JSONL 数据格式，包含文本、图像、音频和多模态标注的示例。
配置波形可视化、播放控制和文本校正界面，用于音频转写任务。
Get notified about new tutorials, releases, and community highlights.