<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>dcm_kohara</author_name>
  <author_url>https://blog.hatena.ne.jp/dcm_kohara/</author_url>
  <blog_title>ENGINEERING BLOG ドコモ開発者ブログ</blog_title>
  <blog_url>https://nttdocomo-developers.jp/</blog_url>
  <categories>
    <anon>AI・機械学習</anon>
    <anon>アドベントカレンダー2024</anon>
    <anon>自然言語処理</anon>
    <anon>論文・研究紹介</anon>
    <anon>データ分析</anon>
  </categories>
  <description>はじめに NTTドコモ クロステック開発部の小原です。 本記事では、KDDCup 2024 Amazon Multi-Task Online Shopping Challenge for LLMs (以下、本コンペ)の解法で使用されたデータセット構築についてご紹介します。我々ドコモも本コンペへ取り組んでいたものの、残念ながら入賞範囲外となってしまいました。我々の手法の中でうまく開発が進まなかったものとして、Fine-tuning用のデータセット開発があったため、今回は入賞手法がどのようにFine-tuning用のデータを用意したか確認しながらの話となります。 幣グループの順位、トラックごとに見…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fnttdocomo-developers.jp%2Fentry%2F2024%2F12%2F21%2F090000_5&quot; title=&quot;KDDCup 2024 Amazon Multi-Task Online Shopping Challenge for LLMs における訓練用データセット構築 - ENGINEERING BLOG ドコモ開発者ブログ&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/d/dcm_kohara/20241216/20241216191615.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2024-12-21 09:00:00</published>
  <title>KDDCup 2024 Amazon Multi-Task Online Shopping Challenge for LLMs における訓練用データセット構築</title>
  <type>rich</type>
  <url>https://nttdocomo-developers.jp/entry/2024/12/21/090000_5</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
