直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

你觉得大模型标注的痛点是什么?

回答

大模型在标注数据方面存在以下几个主要痛点:

  1. 缺乏高质量的训练数据
  • 相比英文数据,中文开源高质量数据较少,特别是通用领域的百科、问答、学术等数据
  • 专业数据服务行业还处于起步阶段,可用于训练的经过加工、清洗、标注的高质量数据集较为匮乏
  1. 数据标注人才短缺
  • 能够进行专业数据标注的人才并不多,这成为制约大模型训练的瓶颈之一
  • 企业需要与高校、研究机构等合作,共同解决数据标注人才的缺乏问题
  1. 数据隐私和安全问题
  • 由于训练数据的敏感性,企业往往只愿意将大模型的训练数据保留在本地,这与需要借助云端算力的矛盾
  • 需要在数据隐私保护和算力需求之间寻求平衡

总的来说,高质量训练数据的获取、专业数据标注人才的培养,以及数据隐私安全的平衡,都是当前大模型在标注数据方面面临的主要挑战。这些问题需要产学研各方通力合作,共同解决。

内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

其他人在问
根据数智经济、银发经济、低空经济、单身经济其中有什么痛点和创新发展内容
数智经济的痛点可能包括数据安全与隐私保护问题、数字鸿沟导致的发展不平衡、技术更新换代快带来的高投入成本等。创新发展方面,可以加强数据治理和安全防护技术,推动数字技术与传统产业深度融合,拓展数字经济新场景。 银发经济的痛点或许有产品和服务针对性不足、市场标准和规范不完善、养老服务专业人才短缺等。创新发展可着眼于开发个性化的老年产品和服务,建立健全行业标准,加强养老服务人才培养。 低空经济的痛点可能存在政策法规不完善、基础设施建设不足、技术创新能力有待提高等。创新发展可以从完善政策法规、加大基础设施投资、推动技术研发和应用等方面入手。 单身经济的痛点也许是消费市场细分不够精准、社交需求满足不足、部分产品和服务质量参差不齐等。创新发展能够在精准定位消费需求、创新社交模式、提升产品和服务品质上下功夫。
2024-10-29
我是做跨境电商的,我想通过AI调研竞品的产品卖点和痛点,编写自己产品的文案,做产品图片和视频,请问可以用哪些工具,如何学习
如果你想通过 AI 调研竞品的产品卖点和痛点,编写自己产品的文案,制作产品图片和视频,以下是一些工具和学习资源供你参考: 1. AI 调研工具:你可以使用一些 AI 工具来分析竞品的产品卖点和痛点。例如,使用 AI 分析工具来研究市场趋势、消费者行为和竞争对手情况。这些工具可以帮助你快速识别出哪些产品受欢迎、价格区间、销量等关键信息。 2. AI 文案工具:AI 文案工具可以撰写有说服力的产品描述和营销文案,提高转化率。你可以使用这些工具来生成产品文案,或者对已有的文案进行优化和改进。 3. AI 设计工具:AI 设计工具可以根据市场趋势和用户偏好自动生成吸引人的产品页面布局。这些工具可以帮助你快速设计出符合用户需求的产品页面,提高用户体验和转化率。 4. AI 图像识别和优化工具:AI 图像识别技术可以帮助选择或生成高质量的产品图片,这些图片能够更好地吸引顾客并展示产品特点。你可以使用这些工具来优化产品图片,提高图片的质量和吸引力。 5. AI 视频制作工具:你可以使用 AI 视频制作工具来制作产品视频。这些工具可以帮助你快速生成视频内容,或者对已有的视频进行优化和改进。 6. 学习资源:你可以通过在线课程、教程、视频等学习资源来学习如何使用 AI 工具和技术。这些资源可以帮助你了解 AI 的基本原理和应用场景,掌握使用 AI 工具和技术的技能和方法。 总之,使用 AI 工具和技术可以帮助你更好地调研竞品的产品卖点和痛点,编写自己产品的文案,制作产品图片和视频。你可以根据自己的需求和实际情况选择合适的工具和学习资源,提高工作效率和质量。
2024-05-09
在语音数据的标注中你有什么针对你行业(车载语音助手)的特殊标注规则
在车载语音助手这一行业的语音数据标注中,特殊标注规则如下: 1. 音素覆盖:在录音开始前构建基础的文本前端,具备简单的文本转音素(G2P)系统。录音文本要保持多样性,音素或音素组合尽可能覆盖全,统计音素序列中的 NGram,避免某些音素或组合出现频次过高或过少。 2. 场景定制:收集车载播报的常用话术、专业术语(如油量、胎压等)、音乐名或歌手名、地名和新闻播报。对业务有一定理解,并在一开始就和需求方紧密沟通。 3. 文本正确性:确保录音文本拼写无误,内容正确,删除脏话、不符合宗教信仰或政治不正确的语句。
2024-11-11
AI和人工标注相关
以下是关于 AI 和人工标注相关的内容: 在 Agent 相关比赛的赛道介绍中,涉及到多个与 AI 和人工标注相关的参考方向,包括: 1. 内容生成:AI 可自动编写文章并选择或生成相应图片。 2. 图像标注:AI 能识别和理解图片内容,并生成相应文字描述。 3. 图文匹配:为给定图片找到合适文字描述,或为给定文字找到匹配图片。 4. 数据可视化:将复杂数据用图表、信息图等方式可视化展示,使解读更直观简洁。 5. 设计辅助:例如生成 LOGO、海报设计等。 6. 自动化排版:根据文本内容与结构自动进行页面布局和美观排版。 7. 图文识别:借助 OCR 技术抓取图文内容后,AI 能够理解并处理。 8. 新闻和社交媒体:AI 可对大量新闻和社交媒体信息自动编辑和汇总,生成图文摘要。 9. 艺术创作:辅助绘画、音乐创作。 在 OpenAI O1 的训练中,可能采用的训练数据包括人工标注数据和合成数据。对于人工标注数据,会人工标注一批 COT 思考过程,形成<问题,思考过程(包括思考过程中出现的错误及错误修正过程),答案>,用这些数据 SFT 一下 o1 初始的模型,启动其输出模式。但人工标注存在难度大、成本高、可扩展性差的问题,优点是质量较高。之后可以采用合成数据的模式,如从人工标注的 COT 里截取片段,用 MCTS 树搜索方式补齐后续推理过程,或者对于有确定标准答案的逻辑问题,通过不断试错的模式搜索答案,这些正确或错误的答案都可用于训练 o1 模型。
2024-10-14
推荐分析PDF文档 提炼标注关键词的AI
以下是一些可以分析 PDF 文档、提炼标注关键词的 AI 产品或方法: 1. DeepL(网站):点击页面“翻译文件”按钮,上传 PDF、Word 或 PowerPoint 文件即可。 2. 沉浸式翻译(浏览器插件):安装插件后,点击插件底部“更多”按钮,选择“制作双语 BPUB 电子书”、“翻译本地 PDF 文件”、“翻译 THML / TXT 文件”、“翻译本地字幕文件”。 3. Calibre(电子书管理应用):下载并安装 calibre,并安装翻译插件“Ebook Translator”。 4. 谷歌翻译(网页):使用工具把 PDF 转成 Word,再点击谷歌翻译“Document”按钮,上传 Word 文档。 5. 百度翻译(网页):点击导航栏“文件翻译”,上传 PDF、Word、Excel、PPT、TXT 等格式的文件,支持选择领域和导出格式(不过进阶功能基本都需要付费了)。 6. 彩云小译(App):下载后点击“文档翻译”,可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译(不过有免费次数限制且进阶功能需要付费)。 7. 微信读书(App):下载 App 后将 PDF 文档添加到书架,打开并点击页面上方“切换成电子书”,轻触屏幕唤出翻译按钮。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-09-14
数据标注与Ai的大模型是怎样的环节
在 AI 领域中,数据标注与大模型有着密切的关系。 对于大模型而言: 1. 数据清洗:在训练前对数据预处理,移除或修正有偏见、歧视等不道德内容的数据。 2. 算法设计:减少偏见和不公平性,平衡数据集中不同群体的代表性。 3. 道德和伦理准则:制定明确准则指导开发和使用。 4. 透明度:对模型能力和局限性保持透明,告知用户可能的偏差和不确定性。 5. 用户反馈:允许用户反馈以识别和纠正不道德行为。 6. 持续监控:监控模型表现,确保输出符合道德和伦理标准。 7. 人工干预:在可能涉及道德伦理问题时引入人工审核和干预。 8. 教育和培训:对使用人员进行道德伦理方面的教育和培训。 在数据标注方面: 1. 数据清洗工作占据 AIGC 时代模型训练 70%80%的时间,必不可少,因为数据质量决定机器学习的上限。 2. 需筛除分辨率低、质量差、存在破损及与任务目标无关的数据,去除可能包含的水印、干扰文字等。 3. 数据标注分为自动标注和手动标注,自动标注主要依赖像 BLIP 和 Waifu Diffusion 1.4 这样的模型,手动标注依赖标注人员。例如使用 BLIP 可对数据进行自动标注 caption。 然而,在中国的 AI 创业生态中,存在一些问题: 1. 高质量的数据处理服务稀缺。 2. 数据获取门槛低,但高质量数据获取困难,中文互联网数据质量相对较低。 总之,确保 AI 大模型的道德和伦理性以及获取高质量的数据标注是复杂且持续的挑战。
2024-09-12
数据标注会涉及哪些方面?以及现在哪些类型、行业的数据更需要标注?
数据标注涉及以下方面: 1. 从量到质的转变:早期大模型训练侧重依靠大量算力和大规模数据集提升性能,如今数据质量成为提高模型性能的关键瓶颈,更需注重提高数据质量和相关性。 2. 向知识密集型转变:多模态模型需处理多种类型数据,如文本、图像、声音等,这使数据标注过程更细致复杂,需要更高水平的理解和分析能力,不再是简单的劳动力作业。 3. 对标注方式的理解:大模型的数据标注不仅关注清晰的行业术语,还需要能被模型理解的标注方式,可能涉及更多上下文的理解和语义分析。 4. 对业务的理解:目前数据服务依赖于标注员对业务的理解,通用型数据需求减少,更多是公司内部独有的数据内容和词语,能承接大模型数据标注的服务商不多。 现在更需要标注的数据类型和行业包括: 1. 多模态模型相关的数据,如同时包含文本、图像、声音等多种类型的数据。 2. 公司内部独有的、与特定业务相关的数据。 在数据标注过程中,还需注意数据隐私与安全问题,如数据加密与计算效率的权衡等。
2024-09-12
数据标注主要有什么用
数据标注主要有以下作用: 在 AIGC 时代的模型训练中,数据标注是必不可少的环节。数据质量决定了机器学习的上限,而标注工作能筛除分辨率低、质量差、存在破损以及与任务目标无关的数据,去除可能包含的水印、干扰文字等,从而提高数据质量。 有助于提高训练数据的真实性、准确性、客观性和多样性。 在生成式人工智能技术研发过程中,数据标注的提供者应当制定清晰、具体、可操作的标注规则,开展质量评估,抽样核验标注内容的准确性,对标注人员进行必要培训,监督指导标注人员规范开展标注工作。 数据标注分为自动标注和手动标注。自动标注主要依赖像 BLIP 和 Waifu Diffusion 1.4 这样的模型,手动标注则依赖标注人员。例如使用 BLIP 可自动标注 caption。
2024-09-12
siri是不是使用大模型技术
Siri 目前并非使用大模型技术。苹果公司的 Siri 概念虽好,但由于技术限制,其表现未达到人工智能的水平,常被称为“人工智障”。不过,随着技术发展,未来可能会用大模型重新改造 Siri,将手机上的所有功能控制起来,使其成为真正的智能助理。例如,苹果公司在手机算力的芯片发展到能够支撑大模型上手机的情况下,可能会推出大模型的小数据量、专业的版本来替代 Siri。同时,苹果公司若 All in 手机,其大模型可能会是本地化的,以重视个人数据保护和隐私。
2024-11-21
sairi是不是使用大模型技术
Sora 是使用大模型技术的。周鸿祎认为 Open AI 训练这个模型会阅读大量视频,大模型加上 Diffusion 技术需要对世界进一步了解,学习样本以视频和摄像头捕捉到的画面为主。Sora 在训练数据上采用在原始尺寸上进行训练的策略,避免了传统 AI 对人为抽象的依赖。此外,Sora 还采用了一些数据预处理技术,如将视觉图块压缩成低维潜在表示,并将其排列成序列,注入噪声后输入扩散变换器的输入层,同时采用时空分块化来降低后续对时间信息建模的复杂性。这种对原始视频和图像特征的细腻处理标志着生成模型领域的重大进步。
2024-11-21
模型微调怎么解决多轮对话容易受到上轮对话的影响问题
在解决模型微调中多轮对话容易受到上轮对话影响的问题时: 对于多轮对话,现实中常伴随指代问题,如使用“它”“他们”“我们”等代词。若仅依据原始提问检索知识片段,可能导致结果不精确或无法检索到信息。同时,对模型回复内容的限制可能影响多轮对话流畅性甚至中断。 为提升对话系统性能和用户体验,需开发提示词解决多轮对话中的指代消解问题,确保模型能在连续交流中提供准确连贯回答。但由于“指代消解”需多轮对话完成,单次交互无法达成,所以要转换测试形式,先解决“指代消解”问题再进行下一轮答复。 首先准备指代消解所需提示词,这里使用的“指代消解”提示词是用 CoT 写出的思维链,列举不同推理情景,让模型适应并推理出需消解的代词,再根据结果重新组织问题。 接着复现指代消解步骤,如进行第一轮对话,提出问题“尼罗河是什么?”,系统召回相关知识片段并回复,然后开始指代消解。 另外,聊天模型通过一串聊天对话输入并返回生成消息输出。聊天格式虽为多轮对话设计,但对单轮任务也有用。会话通过 messages 参数输入,包含不同角色和内容的消息对象数组。通常会话先有系统消息设定助手行为,再交替使用用户和助手消息。当指令涉及之前消息时,包含聊天历史记录有帮助,若超出模型限制需缩减会话。
2024-11-21
企业做自己的小模型,需要用到的工具及工具背后的公司都有哪些?
企业做自己的小模型,可能会用到以下工具及背后的公司: 1. 在编排(Orchestration)方面,涉及的公司如 DUST、FIAVIE、LangChain 等,其提供的工具可帮助管理和协调各部分及任务,确保系统流畅运行。 2. 部署、可扩展性和预训练(Deployment, Scalability, & PreTraining)类别中,像 UWA mosaicm、NMAREL、anyscale 等公司提供的工具,有助于部署模型、保证可扩展性及进行预训练。 3. 处理上下文和嵌入(Context & Embeddings)的工具,相关公司有 TRUDO、Llamalndex、BerriAI 等,能帮助模型处理和理解语言上下文,并将词语和句子转化为计算机可理解的形式。 4. 质量保证和可观察性(QA & Observability)方面,例如 Pinecone、drant、Vald 等公司提供的工具,可确保模型表现并监控其性能和状态。 此外,还有以下工具和相关公司: 1. 图片生成 3D 建模工具,如 Tripo AI(由 VAST 发布)、Meshy、CSM AI(Common Sense Machines)、Sudo AI、VoxCraft(由生数科技推出)等。 企业还可能涉及具身智能、3D 眼镜、AI 绘本、AI 图书、学习机、飞书的多维表格、蚂蚁的智能体、Coze 的智能体、Zeabur 等云平台、0 编码平台、大模型(通义、智谱、kimi、deepseek 等)、编程辅助、文生图(可灵、即梦等)等方面,可能需要相应资质。
2024-11-20
你认为目前最好用的大模型有哪些?
目前最好用的大模型包括: 1. OpenAI 的 GPT4:是最先进和广泛使用的大型语言模型之一,在多种任务上表现卓越,如文本生成、理解、翻译及各种专业和创意写作任务,能通过大量数据学习理解和生成人类语言,处理复杂问题和理解上下文能力出色。 2. Anthropic 公司的 Claude 3。 3. 谷歌的 Gemini。 4. 百度的文心一言。 5. 阿里巴巴的通义大模型。 大型模型主要分为两类: 1. 大型语言模型:专注于处理和生成文本信息。 2. 大型多模态模型:能够处理包括文本、图片、音频等多种类型的信息。 大型多模态模型与大型语言模型的不同点: 1. 处理的信息类型不同:大型语言模型专注于文本,大型多模态模型能处理多种类型信息。 2. 应用场景不同:大型语言模型主要用于自然语言处理任务,大型多模态模型应用领域更广泛。 3. 数据需求不同:大型语言模型依赖大量文本数据训练,大型多模态模型需要多种类型数据训练。 此外,如果想了解国内的大模型效果,可以参考第三方基准评测报告: 。需注意,内容由 AI 大模型生成,请仔细甄别。
2024-11-19
能生成sql语句的ai模型或工具,能提供api调用的
以下是一些能生成 SQL 语句并提供 API 调用的 AI 模型或工具的相关信息: OpenAI 的 GPT 系列模型,如 gpt40613 和 gpt3.5turbo0613 ,可以通过函数调用及其他 API 更新,让开发人员向模型描述函数,并让模型智能地选择输出一个包含调用这些函数所需参数的 JSON 对象。但需要注意的是,为了让 ChatGPT 返回符合要求的 JSON 格式,prompt 的定制尤为重要和复杂。 在使用代码执行来进行更精确的计算或调用外部 API 时,不能依赖模型自行准确地执行算术或长计算。可以指示模型编写和运行代码,例如将代码放入三重反引号中。生成输出后,可以提取并运行代码。同时,模型在正确使用 API 的指导下,可以编写使用 API 的代码,但需要通过提供 API 文档或代码示例进行指导。 但需要注意的是,执行模型生成的代码存在安全风险,建议在安全的沙箱环境中运行代码,避免潜在危害。
2024-11-19
你觉得AGI是什么
AGI 即通用人工智能(Artificial General Intelligence),是指具有人类水平的智能和理解能力的人工智能系统。它能够完成任何聪明人类所能完成的智力任务,适用于不同的领域,同时拥有某种形式的意识或自我意识。 目前,像 GPT3 及其半步后继者 GPT3.5(在 2023 年 3 月升级为 GPT4 之前,它驱动了现在著名的 ChatGPT)在某种程度上是朝着 AGI 迈出的巨大一步。但需要注意的是,强人工智能目前还只是一个理论概念,还没有任何 AI 系统能达到这种通用智能水平。 对于“智能”的定义较为模糊,阿兰·图灵提出了名为“图灵测试”的方法,该方法将某一计算机系统和真人进行比较,若人类评审员在文本对话中无法区分真人和计算机系统,那么这个计算机系统就会被认为是“智能”的。
2024-11-18
你觉得人工智能带给人类的到底是提升还是毁灭呢?
人工智能带给人类的影响既有提升也有潜在的挑战,但并非必然导致毁灭。 从提升的方面来看: 技术上可以解决类似于社会歧视等问题,如通过 RLHF 等方法。 优化工作效率,虽然可能导致某些岗位的调整,但实际每个工作的组成部分不是单一的,人可以和人工智能更好地协同。例如放射科医生的案例,解读 X 光照片只是其工作的一部分,实际并未失业。 可以成为解决气候变化和大流行病等问题的关键。 作为自主的个人助理,代表人们执行特定任务,如协调医疗护理。帮助构建更好的下一代系统,并在各个领域推动科学进展。 潜在的挑战和担忧包括: 可能放大人类的负面影响,需要在技术层级加以解决。 导致失业,但能掌握人工智能的人会取代不会的人。 存在人类毁灭的担忧,不过目前此类观点缺乏具体的说明和论证。 对于强人工智能,目前 ChatGPT 的崛起引发了相关讨论,但通用技术并非等同于强人工智能。对于复杂的神经网络和黑箱模型的研究仍在进行,如何使用和控制这些模型是业界和社会争论的热点。科技公司倾向于训练辅助人类的超级智能助手,而非自我改进升级的超级智能体,以推动新一轮的工业革命和经济增长。 总之,人工智能的发展带来了巨大的机遇和挑战,需要我们聪明而坚定地采取行动,以实现其正面影响并应对潜在风险。
2024-11-16
你觉得ai+健康 会如何发展 ,优势和挑战分别是什么
AI 在健康领域的发展具有巨大潜力,同时也面临着一些优势和挑战。 优势方面: 有助于推进医疗保健中负责任地使用 AI,促进开发价格合理且能拯救生命的药物。 能够为教育者提供支持,例如在学校中提供个性化辅导,从而变革教育模式。 挑战方面: 存在工作场所监视、偏见和岗位替代等风险,可能影响劳动者权益。 可能会出现对劳动者补偿不足、不公平评估工作申请以及妨碍劳动者组织的情况。 对于医疗保健中 AI 应用的安全性需要建立相应的程序来接收和处理相关报告,并采取补救措施。 总之,AI 在健康领域的发展前景广阔,但需要妥善应对潜在的挑战,以实现其最大的价值和效益。
2024-11-14
智谱的内测版,你们觉得如何
智谱的 AutoGLM 目前处于内测阶段,申请入口在智谱清言 APP 中,直接跟 AutoGLM 内测申请小助手对话提交申请即可。智谱将传统表单的提交通过 Tools 的方式做到了对话中,提升了体验。目前只能在安卓设备上使用,iOS 很长时间内可能都不支持。因为数据的获取和操作是通过安卓的无障碍权限来控制的,用户同意应用获取无障碍服务的权限之后就可以模拟操作来控制手机,但开启无障碍服务可能会引起手机卡顿和存在隐私问题。登录 AutoGLM 后首先要引导开启无障碍权限和悬浮球权限,授权正常后可进入首页。 智谱 AI 发布的 AutoGLM 被认为是一个“王炸”产品,有人在 3 天前拿到内测,使用时带来震撼。例如对其说“我 29 号要去一趟深圳,你帮我定个罗湖地铁站附近的酒店,预算 600 元以内,大床房。” 此外,在各大模型对结构化 prompt 的测试和反馈中,智谱清言在输入相关 prompt 后,存在一些问题,需要改写并不断优化,结构化 prompt 非常重要。
2024-10-30
根据数智经济你觉得它的发展是怎样的
数智经济在过去十年中已极大地改变了经济和社会,影响了所有活动领域和日常生活。数据处于这一变革的核心,数据驱动的创新为欧盟公民和经济带来了巨大利益,例如改善和个性化医疗、提供新的出行方式,并有助于实现欧洲绿色协议。为使数据驱动经济惠及所有欧盟公民,必须特别关注缩小数字鸿沟、促进女性参与数据经济以及培养欧洲在技术领域的前沿专业知识。 发展需要一个强大且更协调的数据保护框架,以增强自然人和相关机构的法律及实际确定性。同时,要改善内部市场的数据共享条件,创建统一框架,制定数据治理的基本要求,特别关注促进成员国之间的合作。特定行业的欧盟法律可根据行业特点进一步发展、调整并提出新的补充元素。某些经济部门已受特定的欧盟法律监管,包括与跨境或跨欧盟的数据共享或访问相关的规则。 总之,数智经济的发展前景广阔,但也需要在法律、政策和技术等多方面不断完善和协调,以实现可持续和包容性的增长。
2024-10-29
我是一个老师,相信AI时代人人都能成为学霸,我认为学霸具有三个心法和一个方法,方法一,建立学霸的信念系统(我行、我能、我可以),方法二,不要和别人比,方法三、主动积极的思考力。学霸的终极方法是自学。自学+AI无所不能。你觉得我怎么能帮助每一个学生成为学霸,有哪些步骤和要点?
在 AI 时代帮助每个学生成为学霸,以下是一些步骤和要点: 1. 培养获取知识的能力:教导学生掌握利用 AI 技术获取和处理信息的方法,提高获取知识的效率。 2. 促进知识内化:引导学生将获取的信息和知识有效内化,转化为智慧。例如,通过实践反思、交流讨论等方式,提升知识的转化速度和质量。 3. 建立信念系统:帮助学生树立“我行、我能、我可以”的信念,增强学习的自信心。 4. 培养独立思考:鼓励学生主动积极思考,不盲目与他人比较,专注自身的成长和进步。 5. 强调自学:引导学生重视自学,让他们明白自学结合 AI 能够带来强大的能力。 6. 培养创造能力: 鼓励学生勇于尝试新事物,将失败视为学习的一部分。 培养批判性思维,不盲目跟从权威。 引导学生从实践中反思,提炼洞见。 促进学生与不同背景的人交流,激发新的思路。 持续学习和不断创造是相辅相成的,通过积累知识和经验,并将其转化为实际价值,学生能够在 AI 时代更好地成长和发展。
2024-10-08