Machine learning model training for data annotation

Abstract

A plurality of data items is received via an interface. Based on the plurality of data items, a machine learning model generates model outputs. The model outputs comprise a plurality of labels and a plurality of confidence scores. Each data item corresponds to a label and a confidence score. Confidence scores below a threshold value are identified. Labels for data items associated with the confidence scores below the threshold value are regenerated by human annotators. The machine learning model is trained based on the regenerated labels.

Description

MACHINE LEARNING MODEL TRAINING FOR DATA ANNOTATIONTECHNICAL FIELD

[0001] The present disclosure generally relates to data processing using machine learning technologies. More particularly, various embodiments described herein provide for systems, methods, techniques, instruction sequences, and devices that facilitate machine learning model training for data annotation using an active learning approach.BACKGROUND

[0002] The development of machine learning models is contingent upon the quality and quantity of data used during training. A significant challenge in this field is the creation of high-quality labeled datasets, which are essential for training accurate models. Traditional data labeling processes rely on human annotators, which can be time-consuming and expensive. Additionally, the requirement for domain-specific knowledge can further complicate the labeling process, increasing the time and resources needed. As a result, there is an ongoing effort to streamline the annotation process while improving the quality of the labeled data.BRIEF DESCRIPTION OF THE DRAWINGS

[0003] In the drawings, which are not necessarily drawn to scale, like numerals may describe similar components in different views. To easily identify the discussion of any particular element or act, the most significant digit or digits in a reference number refer to the figure number in which that element is first introduced. Some embodiments are illustrated by way of examples, and not limitations, in the accompanying figures.

[0004] FIG. 1 is a block diagram showing an example data system that includes a data management system, according to various embodiments of the present disclosure.

[0005] FIG. 2 is a block diagram illustrating an example data management system that facilitates machine learning model training for data annotation using  an active learning approach, according to various embodiments of the present disclosure.

[0006] FIG. 3 is a flowchart illustrating an example method for facilitating machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure.

[0007] FIG. 4 is a flowchart illustrating an example method for facilitating machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure.

[0008] FIG. 5 is a flowchart illustrating an example method for facilitating machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure.

[0009] FIG. 6 is a diagram illustrating data flow within an example data management system that facilitates machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure.

[0010] FIG. 7 is a diagram illustrating data tables that facilitate machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure.

[0011] FIG. 8 is a block diagram illustrating a representative software architecture, which may be used in conjunction with various hardware architectures herein described, according to various embodiments of the present disclosure.

[0012] FIG. 9 is a block diagram illustrating components of a machine able to read instructions from a machine storage medium and perform any one or more of the methodologies discussed herein according to various embodiments of the present disclosure.DETAILED DESCRIPTION

[0013] The description that follows includes systems, methods, techniques, instruction sequences, and computing machine program products that embody illustrative embodiments of the present disclosure. In the following description, for purposes of explanation, numerous specific details are set forth in order to  provide a thorough understanding of embodiments. It will be evident, however, to one skilled in the art that the present inventive subject matter may be practiced without these specific details.

[0014] Reference in the specification to “one embodiment” or “an embodiment” means that a particular feature, structure, or characteristic described in connection with the embodiment is included in at least one embodiment of the present subject matter. Thus, the appearances of the phrase “in one embodiment” or “in an embodiment” appearing in various places throughout the specification are not necessarily all referring to the same embodiment.

[0015] For purposes of explanation, specific configurations and details are set forth in order to provide a thorough understanding of the present subject matter. However, it will be apparent to one of ordinary skill in the art that embodiments of the subject matter described may be practiced without the specific details presented herein, or in various combinations, as described herein. Furthermore, well-known features may be omitted or simplified in order not to obscure the described embodiments. Various embodiments may be given throughout this description. These are merely descriptions of specific embodiments. The scope or meaning of the claims is not limited to the embodiments given.

[0016] The development of machine learning models is contingent upon the quality and quantity of data used during training. A significant challenge in this field is the creation of high-quality labeled datasets, which are essential for training accurate models. Traditional data labeling processes rely on human annotators, which can be time-consuming and expensive. Additionally, the requirement for domain-specific knowledge can further complicate the labeling process, increasing the time and resources needed.

[0017] Various embodiments include systems, methods, and non-transitory computer-readable media that facilitate machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure. Specifically, various embodiments involve training machine learning models (e.g., Large Language Models (LLMs) ) using an active learning approach to streamline the annotation (e.g., data labeling) process. The machine learning models are trained to annotate data items (e.g., product listings  and instant messages) in targeted domains (e.g., risk assessment, fraud detection) . The active learning approach involves uncertainty sampling and a human-in-the-loop where the model actively selects the most uncertain data points (e.g., labels with low confidence scores) from which it can learn. This is particularly useful in domain-specific scenarios where labeling data is expensive, time-consuming, and / or requires expert knowledge. The active learning approach maximizes the model's performance while minimizing the volume of data required for human annotation. Since the most uncertain data points are selected and sent to human annotators for labeling or review, human efforts are utilized where they can have the greatest impact on model performance. Refined data points (e.g., regenerated labels) are fed back into the domain-specific LLM as part of a training dataset. This helps fine-tune the model and improve its performance over time in order to improve the overall quality and efficiency of the labeling process.

[0018] In various embodiments, a data management system receives a plurality of data items via a user interface or an Application Programming Interface (API) . Example data items can include various types, such as item listings, user-generated content (e.g., instant messages exchanged between users) , or user identifiers. Item listings can include detailed descriptions and imagery presentations of products that are available for sale on online platforms. Item listings provide potential buyers with information about the products, helping them make informed purchasing decisions.

[0019] In various embodiments, the data management system uses a machine learning model to generate model outputs based on the plurality of data items. Model outputs can include a plurality of labels and a plurality of confidence scores. Each data item is associated with at least one label and an associated confidence score. A confidence score described herein represents a machine learning model’s level of certainty regarding the correctness of a generated label for a given data item. The machine learning model can be a domain-specific large language model with weights between 10 million and 50 million parameters.

[0020] In various embodiments, example labels generated for instant messages can indicate results of sentiment analysis (e.g., positive, negative, neutral) , intent classification (e.g., request information, express gratitude, complaint) , privacy analysis (e.g., Personal Identifiable Information (PII) included, PII not included) , topic categorization (e.g., general inquiry, sales inquiry) , language identification (e.g., English, Spanish) , etc. Example labels generated for item listings can indicate item category (e.g., electronics, apparel) , condition (e.g., new, used) , hazardous material (e.g., hazardous, non-hazardous) , shipping restrictions (e.g., restricted shipping, no restrictions) , to name but a few.

[0021] In various embodiments, the data management system identifies one or more confidence scores that are below a predetermined threshold value. The threshold value represents the minimum confidence level required for the model's prediction to be considered reliable. The threshold value can be configured manually by an administrative user of the data management system or automatically by the system itself.

[0022] In various embodiments, the data management system regenerates one or more labels for one or more data items associated with the one or more confidence scores below the threshold value. Example regenerated labels can include one or more manually-generated labels provided by human annotators.

[0023] In various embodiments, the data management system trains the machine learning model based on the one or more regenerated labels. In particular, during the process of training, the data management system identifies a precision value and a recall value associated with the machine learning model. Precision and recall value are important metrics used to evaluate the model performance, particularly in classification tasks. These metrics help assess how well the model is performing in terms of correctly identifying positive instances (e.g., correctly labeled data) while minimizing errors.

[0024] In various embodiments, the data management system determines that the precision value reaches a threshold value and that the recall value begins to decrease. This indicates that the model has likely reached its optimal performance. Continuing training beyond this point may lead to diminishing returns, such as overfitting, where the model becomes too finely tuned to the  training data and less effective on new, unseen data. Therefore, to preserve the model's generalizability and maintain its effectiveness in real-world applications, training can be halted at this stage.

[0025] In various embodiments, in response to determining that the precision value reaches a threshold value and that the recall value begins to decrease, the data management system can conclude the training process.

[0026] In various embodiments, the manually-generated labels, along with the model-generated labels having confidence scores above or equal to the predetermined threshold value, are stored in a database. This database serves as a repository for downstream processing and future use in model training. Specifically, the data management system stores regenerated labels and model-generated labels associated with confidence scores above and equal to the threshold value in a database for downstream processing.

[0027] In various embodiments, the plurality of data items includes a plurality of user identifiers. Based on the plurality of user identifiers, depending on the use cases, the data management system can retrieve a plurality of data items, including product listings, user profiles, and transaction records based on the user identifiers. The data management system can then use the machine learning model to generate the model outputs based on the retrieved item listings, user profiles, or transaction records described herein. The model outputs can include labels generated for each retrieved data item. Each label can be associated with a confidence score described herein.

[0028] In various embodiments, the machine learning model can be a multimodal large language model. The plurality of data items corresponds to one or more types of data, including without limitation, text data, visual data, and audio data, wherein the text data comprises plain text and structured text. Visual data can include images, videos, charts, and graphs. Audio data can include speech, music, and sound effects.

[0029] In various embodiments, the machine learning model can be pre-trained based on a plurality of manually generated labels and the associated data items. In particular, during the pre-training process, human annotators can provide scores for each label generated by the machine learning model. The scores can  be ranked and serve as the basis for fine-tuning the model. Reward model training can be used during the pre-training process. Reward model training can be a process where a machine learning model learns to evaluate actions or outcomes based on a reward function, optimizing its behavior toward desired goals. It is central to reinforcement learning and aligning machine learning with human preferences.

[0030] Reference will now be made in detail to embodiments of the present disclosure, examples of which are illustrated in the appended drawings. The present disclosure may, however, be embodied in many different forms and should not be construed as being limited to the embodiments set forth herein.

[0031] FIG. 1 is a block diagram showing an example data system 100 that includes a data management system 122 (also referred to as system 122) , according to various embodiments of the present disclosure. By including the data management system 122, the data system 100 can facilitate machine learning model training for data annotation using an active learning approach. As shown, the data system 100 includes one or more client devices 102, a server system 108, and a network 106 (e.g., Internet, wide-area-network (WAN) , local-area-network (LAN) , wireless network) that communicatively couples them together. Each client device 102 can host a number of applications, including a client software application 104. The client software application 104 can communicate data with the server system 108 via a network 106. Accordingly, the client software application 104 can communicate and exchange data with the server system 108 via network 106.

[0032] The server system 108 provides server-side functionality via the network 106 to the client software application 104. While certain functions of the data system 100 are described herein as being performed by the data management system 122 on the server system 108, it will be appreciated that the location of certain functionality within the server system 108 is a design choice. For example, it may be technically preferable to initially deploy certain technology and functionality within the server system 108, but to later migrate this technology and functionality to the client software application 104.

[0033] The server system 108 supports various services and operations that are provided to the client software application 104 by the data management system 122. Such operations include transmitting data from the data management system 122 to the client software application 104, receiving data from the client software application 104 at the data management system 122, and the data management system 122 processing data generated by the client software application 104. Data exchanges within the data system 100 may be invoked and controlled through operations of software component environments available via one or more endpoints, or functions available via one or more user interfaces of the client software application 104, which may include web-based user interfaces provided by the server system 108 for presentation at the client device 102.

[0034] With respect to the server system 108, an Application Program Interface (API) server 110 and a web server 112 is coupled to an application server 116, which hosts the data management system 122. The application server 116 is communicatively coupled to a database server 118, which facilitates access to a database 120 that stores data associated with the application server 116, including data that may be generated or used by the data management system 122.

[0035] The API server 110 receives and transmits data (e.g., API calls, commands, requests, responses, and authentication data) between the client device 102 and the application server 116. Specifically, the API server 110 provides a set of interfaces (e.g., routines and protocols) that can be called or queried by the client software application 104 in order to invoke the functionality of the application server 116. The API server 110 exposes various functions supported by the application server 116 including, without limitation, user registration; login functionality; data object operations (e.g., generating, storing, retrieving, encrypting, decrypting, transferring, access rights, licensing) ; and / or user communications.

[0036] Through one or more web-based interfaces (e.g., web-based user interfaces) , the web server 112 can support various functionality of the data management system 122 of the application server 116.

[0037] FIG. 2 is a block diagram illustrating an example data management system 212 that facilitates machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure. For some embodiments, the data management system 212 represents an example of the data management system 122 described with respect to FIG. 1. As shown, the data management system 212 comprises a data item receiving component 210, a model output generating component 220, a confidence score identifying component 230, a label regenerating component 240, a model training component 250, a label storing component 260, and a data item retrieving component 270. According to various embodiments, one or more of the data item receiving component 210, the model output generating component 220, the confidence score identifying component 230, the label regenerating component 240, the model training component 250, the label storing component 260, and the data item retrieving component 270 are implemented by one or more hardware processors 202. Data generated by one or more of the data item receiving component 210, the model output generating component 220, the confidence score identifying component 230, the label regenerating component 240, the model training component 250, the label storing component 260, and the data item retrieving component 270 may be stored in a database (or datastore) 280 of the data management system 212.

[0038] The data item receiving component 210 is configured to receive a plurality of data items via a user interface or an Application Programming Interface (API) . Example data items can include various types, such as item listings, user-generated content (e.g., instant messages exchanged between users) , or user identifiers.

[0039] The model output generating component 220 is configured to use a machine learning model (e.g., a domain-specific large language model) to generate model outputs based on the plurality of data items. Model outputs can include a plurality of labels and a plurality of confidence scores. Each data item can be associated with at least one label and an associated confidence score. A confidence score described herein can represent a model’s level of certainty regarding the correctness of a generated label for a given data item. The machine  learning model can be a domain-specific large language model with weights between 10 million and 50 million parameters.

[0040] The confidence score identifying component 230 is configured to identify one or more confidence scores that are below a predetermined threshold value. The threshold value represents the minimum confidence level required for the model's prediction to be considered reliable. The threshold value can be configured manually by an administrative user of the data management system or automatically by the system itself.

[0041] The label regenerating component 240 is configured to regenerate one or more labels for one or more data items associated with the one or more confidence scores below the threshold value. For example, regenerated labels can include one or more manually generated labels provided by human annotators.

[0042] The model training component 250 is configured to train the machine learning model based on the one or more regenerated labels. In particular, during the process of training, the model training component 250 is configured to identify a precision value and a recall value associated with the machine learning model. Precision and recall value are important metrics used to evaluate the model performance, particularly in classification tasks. These metrics help assess how well the model is performing in terms of correctly identifying positive instances (e.g., correctly labeled data) while minimizing errors. Upon determining that the precision value reaches a threshold value and that the recall value begins to decrease, the model training component 250 is configured to conclude the training process.

[0043] The label storing component 260 is configured to store the manually-reviewed labels, along with the model-generated labels having confidence scores above or equal to the predetermined threshold value in a database for downstream processing and future use in model training.

[0044] The data item retrieving component 270 is configured to retrieve a plurality of data items (e.g., product listings, user profiles, transaction records) based on received user identifiers. Depending on the use case, a machine learning model can be used to generate model outputs based on the retrieved  data items. The model outputs can include labels generated for each retrieved data item. Each label can be associated with a confidence score described herein.

[0045] FIG. 3 is a flowchart illustrating an example method 300 for facilitating machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure. It will be understood that example methods described herein may be performed by a machine in accordance with some embodiments. For example, method 300 can be performed by the data management system 122 described with respect to FIG. 1, the data management system 212 described with respect to FIG. 2, or individual components thereof. An operation of various methods described herein may be performed by one or more hardware processors (e.g., central processing units or graphics processing units) of a computing device (e.g., a desktop, server, laptop, mobile phone, tablet, etc. ) , which may be part of a computing system based on a cloud architecture. Example methods described herein may also be implemented in the form of executable instructions stored on a machine-readable medium or in the form of electronic circuitry. For instance, the operations of method 300 may be represented by executable instructions that, when executed by a processor of a computing device, cause the computing device to perform method 300. Depending on the embodiment, an operation of an example method described herein may be repeated in different ways or involve intervening operations not shown. Though the operations of example methods may be depicted and described in a certain order, the order in which the operations are performed may vary among embodiments, including performing certain operations in parallel.

[0046] At operation 302, a processor receives a plurality of data items via a user interface or an Application Programming Interface (API) . Example data items can include various types, such as item listings, user-generated content (e.g., instant messages exchanged between users) , or user identifiers.

[0047] At operation 304, a processor uses a machine learning model (e.g., a domain-specific large language model) to generate model outputs based on the plurality of data items. Model outputs can include a plurality of labels and a plurality of confidence scores. Each data item can be associated with at least one  label and an associated confidence score. A confidence score described herein can represent a model’s level of certainty regarding the correctness of a generated label for a given data item. The machine learning model can be a domain-specific large language model with weights between 10 million and 50 million parameters.

[0048] At operation 306, a processor identifies one or more confidence scores that are below a predetermined threshold value. The threshold value represents the minimum confidence level required for the model's prediction to be considered reliable. The threshold value can be configured manually by an administrative user of the data management system or automatically by the system itself.

[0049] At operation 308, a processor regenerates one or more labels for one or more data items associated with the one or more confidence scores below the threshold value. For example, regenerated labels can include one or more manually generated labels provided by human annotators.

[0050] At operation 310, a processor trains the machine learning model at least based on the one or more regenerated labels. Under this active learning model training approach, the data management system optimizes model performance by intelligently selecting the most uncertain data points (e.g., labels with low confidence scores) for human annotation. It significantly reduces the amount of data requiring manual intervention, ensuring that human expertise is applied where it matters most. Incorporating these manually refined labels into the training process enhances the quality and efficiency of domain-specific machine learning models over time, improving the accuracy and effectiveness of the labeling process.

[0051] Though not illustrated, method 300 can include an operation where a graphical user interface is displayed (or caused to be displayed) by the hardware processor. For instance, the operation can cause a client device (e.g., the client device 102 communicatively coupled to the data management system 122) to display the graphical user interface. This operation for displaying the graphical user interface can be separate from operations 302 through 310 or, alternatively, form part of one or more of operations 302 through 310.

[0052] FIG. 4 is a flowchart illustrating an example method 400 for facilitating machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure. It will be understood that example methods described herein may be performed by a machine in accordance with some embodiments. For example, method 400 can be performed by the data management system 122 described with respect to FIG. 1, the data management system 212 described with respect to FIG. 2, or individual components thereof. An operation of various methods described herein may be performed by one or more hardware processors (e.g., central processing units or graphics processing units) of a computing device (e.g., a desktop, server, laptop, mobile phone, tablet, etc. ) , which may be part of a computing system based on a cloud architecture. Example methods described herein may also be implemented in the form of executable instructions stored on a machine-readable medium or in the form of electronic circuitry. For instance, the operations of method 400 may be represented by executable instructions that, when executed by a processor of a computing device, cause the computing device to perform method 400. Depending on the embodiment, an operation of an example method described herein may be repeated in different ways or involve intervening operations not shown. Though the operations of example methods may be depicted and described in a certain order, the order in which the operations are performed may vary among embodiments, including performing certain operations in parallel. Operations in method 400 can be performed dependently or independently from operations in method 300.

[0053] At operation 402, a processor receives a plurality of user identifiers via a user interface or an Application Programming Interface (API) .

[0054] At operation 404, a processor retrieves a plurality of data items (e.g., product listings, user profiles, transaction records) based on the plurality of user identifiers.

[0055] At operation 406, a processor uses a machine learning model (e.g., domain-specific large language model) to generate model outputs based on the plurality of retrieved data items. The model outputs can include labels generated for each retrieved data item. Each label can be associated with a confidence  score described herein. Labels and confidence scores can be similarly processed in accordance with operations 306-310 in method 300.

[0056] Though not illustrated, method 400 can include an operation where a graphical user interface can be displayed (or caused to be displayed) by the hardware processor. For instance, the operation can cause a client device (e.g., the client device 102 communicatively coupled to the data management system 122) to display the graphical user interface. This operation for displaying the graphical user interface can be separate from operations 402 through 406 or, alternatively, form part of one or more of operations 402 through 406.

[0057] FIG. 5 is a flowchart illustrating an example method 500 for facilitating machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure. It will be understood that example methods described herein may be performed by a machine in accordance with some embodiments. For example, method 500 can be performed by the data management system 122 described with respect to FIG. 1, the data management system 212 described with respect to FIG. 2, or individual components thereof. An operation of various methods described herein may be performed by one or more hardware processors (e.g., central processing units or graphics processing units) of a computing device (e.g., a desktop, server, laptop, mobile phone, tablet, etc. ) , which may be part of a computing system based on a cloud architecture. Example methods described herein may also be implemented in the form of executable instructions stored on a machine-readable medium or in the form of electronic circuitry. For instance, the operations of method 500 may be represented by executable instructions that, when executed by a processor of a computing device, cause the computing device to perform method 500. Depending on the embodiment, an operation of an example method described herein may be repeated in different ways or involve intervening operations not shown. Though the operations of example methods may be depicted and described in a certain order, the order in which the operations are performed may vary among embodiments, including performing certain operations in parallel. Operations in method 500 can be performed dependently or independently from operations in method 300 and method 400.

[0058] At operation 502, a processor identifies a precision value and a recall value associated with the machine learning model during the model training process described herein. Precision and recall value are important metrics used to evaluate the model performance, particularly in classification tasks. These metrics help assess how well the model is performing in terms of correctly identifying positive instances (e.g., correctly labeled data) while minimizing errors.

[0059] At operation 504, a processor determines that the precision value reaches a threshold value and that the recall value begins to decrease. This indicates that the model has likely reached its optimal performance. Continuing training beyond this point may lead to diminishing returns, such as overfitting, where the model becomes too finely tuned to the training data and less effective on new, unseen data. Therefore, training can be halted at this stage to preserve the model's generalizability and maintain its effectiveness in real-world applications.

[0060] At operation 506, a processor concludes the training process of the machine learning model in response to determining that the precision value reaches a threshold value and that the recall value begins to decrease.

[0061] Though not illustrated, method 500 can include an operation where a graphical user interface can be displayed (or caused to be displayed) by the hardware processor. For instance, the operation can cause a client device (e.g., the client device 102 communicatively coupled to the data management system 122) to display the graphical user interface. This operation for displaying the graphical user interface can be separate from operations 502 through 506 or, alternatively, form part of one or more of operations 502 through 506.

[0062] FIG. 6 is a diagram illustrating data flow 600 within an example data management system that facilitates machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure. As shown, the domain-specific fine-tuned LLM 602 (also referred to as LLM 602) is trained and fine-tuned to generate labels for data items described herein. Given the need to balance inference time and accuracy for online detection, LLM 602 is configured and trained to meet the demands of an online environment in targeted domains, such as online contact information  detection, fraud detection, and risk assessment. This involves balancing the need for speed with the requirement for reliable and accurate predictions. In this context, LLM 602 is used as the base model. Training this model requires labeled data. Initially, unlabeled data 604 is fed into the LLM 602. Based on the model outputs, samples (e.g., sample labels) with low confidence are forwarded to human annotators 606 for review (or regeneration) . Once labeled data 608 is obtained, it can be leveraged (e.g., via model iteration) to train and refit the LLM 602.

[0063] In various embodiments, the architecture of system 610 can be designed to be modular, extensible, and resilient. System 610 can be the data management system (e.g., systems 122 and 212) , or a sub-system of the data management system described herein.

[0064] The architecture of system 610 can include several interconnected components that collaborate to streamline the labeling process and effectively integrate the LLM 602. For example, a user interface component (not shown) can provide a user interface acting as a core interface for both model label generation and human annotators. The user interface can include an intuitive graphical user interface (GUI) that supports various data types such as text, images, and video. System 610 also provides a customized workflow adaptable to specific labeling tasks, guidelines, and quality control mechanisms to ensure high-quality annotations.

[0065] A role-based access control (RBAC) component (not shown) can be included to enforce the principle of least privilege, ensuring that users have only the minimum level of access necessary to perform their tasks.

[0066] A label service component (not shown) can be included to perform pre-annotation tasks in accordance with user requirements and manage data pertinent to labeling, including managing label projects, jobs, and label data. This component functions similarly to source code version control for labeled datasets, storing and managing metadata associated with the labeling process. It ensures the tracking of all changes made to the labeled data, including details on who made the change and when. It also allows for the ability to revert to previous versions of the data if necessary, supports branching and merging  capabilities to facilitate parallel labeling tasks and experimental labeling strategies, and manages task-specific metadata such as labeling guidelines, task descriptions, and completion status. Additionally, audit trails are maintained to record every action taken within the system, providing transparency and accountability.

[0067] A data storage and process component (not shown) can be included, acting as a centralized repository for all labeled data. It can be configured to store large volumes of labeled data in a structured and accessible format, provide robust data backup and recovery solutions to prevent data loss, and support efficient data retrieval for model training, validation, and analysis. To ensure the system’s flexibility in handling varying loads, recovering from potential failures, and complying with the sensitive nature of some datasets, the system is also designed with high scalability, resilience, and compliance. This includes a microservices architecture that allows individual components to be scaled independently based on demand, containerization, and orchestration technologies to manage the deployment and scaling of services, load balancers and auto-scaling groups to distribute traffic evenly and scale resources automatically, redundancy and failover strategies to maintain system availability and minimize downtime, and encryption both in transit and at rest to protect data from unauthorized access.

[0068] FIG. 7 is a diagram 700 illustrating data tables that facilitate machine learning model training for data annotation using an active learning approach, according to various embodiments of the present disclosure. As shown, with respect to Table 1, an open-source LLM (e.g., LLM A) was used without fine-tuning to detect certain data types (e.g., phone numbers) in data items (e.g., instant messages) , achieving only 14.2%precision and 38.2%recall. An experiment was conducted with a 3-shot prompt to improve the model's performance. The results remained unsatisfactory. The model was then fine-tuned using low-rank adaptation (LoRA) and a processed dataset. LoRA parameters were adjusted after addressing challenges related to memory and training speed. This fine-tuning significantly improved precision to 90.2%and recall to 98.1%.

[0069] With respect to Table 2, a multi-task approach was adopted to detect both emails and phone numbers within a single instant message. By fine-tuning LLM A with this method, the precision increased from 93.8%to 96.1%, which was more crucial for the task despite a slight drop in recall. The F1 score was also considered to balance precision and recall, revealing that the multi-task approach was more effective. F1 score is a metric used in model training to evaluate the performance of a machine learning model. It is the harmonic mean of precision and recall, providing a single score that balances both concerns. After testing various LLM scales among three LLMs, as shown in Table 3, the fine-tuned LLM A demonstrated high precision and comparable F1 scores to LLM C, leading to the selection of LLM A (e.g., LLM 602) as the pre-annotator model (i.e., the LLM used under the active learning approach described herein) . LLM A can be a large language model with weights between 10 million and 50 million parameters.

[0070] Example 1 is a system comprising: one or more hardware processors; and at least one machine-storage medium for storing instructions that, when executed by the one or more hardware processors, cause the one or more hardware processors to perform operations comprising: receiving, via an interface, a plurality of data items; generating, using a machine learning model, model outputs based on the plurality of data items, the model outputs including a plurality of labels and a plurality of confidence scores, each data item corresponding to a label and a confidence score; identifying one or more confidence scores that are below a threshold value; regenerating one or more labels for one or more data items associated with the one or more confidence scores below the threshold value; and training the machine learning model based on the one or more regenerated labels.

[0071] In Example 2, the subject matter of Example 1, wherein the operations comprise: storing one or more regenerated labels and a plurality of labels associated with confidence scores above and equal to the threshold value in a database for downstream processing.

[0072] In Example 3, the subject matter of Example 1 or 2, wherein the machine learning model comprises a large language model with weights between 10 million and 50 million parameters.

[0073] In Example 4, the subject matter of any one of Examples 1 to 3, wherein the plurality of data items comprises a plurality of item listings or a plurality of user-generated content items.

[0074] In Example 5, the subject matter of any one of Examples 1 to 4, wherein the plurality of data items comprises a plurality of user identifiers.

[0075] In Example 6, the subject matter of Example 5, wherein the operations comprise: retrieving a plurality of item listings based on the plurality of user identifiers; and generating, using the machine learning model, the model outputs based on the plurality of item listings.

[0076] In Example 7, the subject matter of any one of Examples 1 to 6, wherein the plurality of data items corresponds to one or more types of data, including text data, visual data, and audio data, wherein the text data comprises plain text and structured text, wherein the visual data comprises images, videos, charts, and graphs, wherein the audio data comprises speech, music, and sounds effects.

[0077] In Example 8, the subject matter of Example 7, wherein the machine learning model comprises a multimodal large language model.

[0078] In Example 9, the subject matter of any one of Examples 1 to 8, wherein one or more regenerated labels comprise one or more manually-reviewed labels, wherein the machine learning model is pre-trained based on a plurality of manually generated labels and the associated data items, and wherein the interface corresponds to an Application Programming Interface or a user interface.

[0079] In Example 10, the subject matter of any one of Examples 1 to 9, wherein the operations comprise: in response to training the machine learning model based on the one or more regenerated labels, identifying a precision value and a recall value associated with the machine learning model; determining that the precision value reaches a threshold value and that the recall value begins to decrease; and concluding a training process of the machine learning model.

[0080] Example 11 is a method comprising: receiving, via an interface, a plurality of data items; generating, using a machine learning model, model outputs based on the plurality of data items, the model outputs including a plurality of labels and a plurality of confidence scores, each data item corresponding to a label and a confidence score; identifying one or more confidence scores that are below a threshold value; regenerating one or more labels for one or more data items associated with the one or more confidence scores below the threshold value; and training the machine learning model based on the one or more regenerated labels.

[0081] In Example 12, the subject matter of Example 11, wherein the method comprises: storing one or more regenerated labels and a plurality of labels associated with confidence scores above and equal to the threshold value in a database for downstream processing.

[0082] In Example 13, the subject matter of Example 11 or 12, wherein the machine learning model comprises a large language model with weights between 10 million and 50 million parameters.

[0083] In Example 14, the subject matter of any one of Examples 11 to 13, wherein the plurality of data items comprises a plurality of item listings or a plurality of user-generated content items.

[0084] In Example 15, the subject matter of any one of Examples 11 to 14, wherein the plurality of data items comprises a plurality of user identifiers.

[0085] In Example 16, the subject matter of Example 15, wherein the method comprises: retrieving a plurality of item listings based on the plurality of user identifiers; and generating, using the machine learning model, the model outputs based on the plurality of item listings.

[0086] In Example 17, the subject matter of any one of Examples 11 to 16, wherein the machine learning model comprises a multimodal large language model, wherein the plurality of data items corresponds to one or more types of data, including text data, visual data, and audio data, wherein the text data comprises plain text and structured text, wherein the visual data comprises images, videos, charts, and graphs, wherein the audio data comprises speech, music, and sounds effects.

[0087] In Example 18, the subject matter of any one of Examples 11 to 17, wherein one or more regenerated labels comprise one or more manually-reviewed labels, wherein the machine learning model is pre-trained based on a plurality of manually generated labels and the associated data items, and wherein the interface corresponds to an Application Programming Interface or a user interface.

[0088] In Example 19, the subject matter of any one of Examples 11 to 18, wherein the method comprises: in response to training the machine learning model based on the one or more regenerated labels, identifying a precision value and a recall value associated with the machine learning model; determining that the precision value reaches a threshold value and that the recall value begins to decrease; and concluding a training process of the machine learning model.

[0089] Example 20 is a machine-storage medium for storing instructions that, when executed by one or more hardware processors, cause the one or more hardware processors to perform operations comprising: receiving, via an interface, a plurality of data items; generating, using a machine learning model, model outputs based on the plurality of data items, the model outputs including a plurality of labels and a plurality of confidence scores, each data item corresponding to a label and a confidence score; identifying one or more confidence scores that are below a threshold value; regenerating one or more labels for one or more data items associated with the one or more confidence scores below the threshold value; and training the machine learning model based on the one or more regenerated labels.

[0090] FIG. 8 is a block diagram illustrating an example of a software architecture 802 that may be installed on a machine, according to some example embodiments. FIG. 8 is merely a non-limiting example of a software architecture, and it will be appreciated that many other architectures may be implemented to facilitate the functionality described herein. The software architecture 802 may be executing on hardware such as a machine 900 of FIG. 9 that includes, among other things, processors 910, memory 930, and input / output (I / O) components 950. A representative hardware layer 804 is illustrated and can represent, for example, the machine 900 of FIG. 9. The representative hardware  layer 804 comprises one or more processing units 806 having associated executable instructions 808. The executable instructions 808 represent the executable instructions of the software architecture 802. The hardware layer 804 also includes memory or storage modules 810, which also have the executable instructions 808. The hardware layer 804 may also comprise other hardware 812, which represents any other hardware of the hardware layer 804, such as the other hardware illustrated as part of the machine 900.

[0091] In the example architecture of FIG. 8, the software architecture 802 may be conceptualized as a stack of layers, where each layer provides particular functionality. For example, the software architecture 802 may include layers such as an operating system 814, libraries 816, frameworks / middleware 818, applications 820, and a presentation layer 844. Operationally, the applications 820 or other components within the layers may invoke API calls 824 through the software stack and receive a response, returned values, and so forth (illustrated as messages 826) in response to the API calls 824. The layers illustrated are representative in nature, and not all software architectures have all layers. For example, some mobile or special-purpose operating systems may not provide a frameworks / middleware 818 layer, while others may provide such a layer. Other software architectures may include additional or different layers.

[0092] The operating system 814 may manage hardware resources and provide common services. The operating system 814 may include, for example, a kernel 828, services 830, and drivers 832. The kernel 828 may act as an abstraction layer between the hardware and the other software layers. For example, the kernel 828 may be responsible for memory management, processor management (e.g., scheduling) , component management, networking, security settings, and so on.The services 830 may provide other common services for the other software layers. The drivers 832 may be responsible for controlling or interfacing with the underlying hardware. For instance, the drivers 832 may include display drivers, camera drivers,  drivers, flash memory drivers, serial communication drivers (e.g., Universal Serial Bus (USB) drivers) ,  drivers, audio drivers, power management drivers, and so forth depending on the hardware configuration.

[0093] The libraries 816 may provide a common infrastructure that may be utilized by the applications 820 and / or other components and / or layers. The libraries 816 typically provide functionality that allows other software modules to perform tasks in an easier fashion than by interfacing directly with the underlying operating system 814 functionality (e.g., kernel 828, services 830, or drivers 832) . The libraries 816 may include system libraries 834 (e.g., C standard library) that may provide functions such as memory allocation functions, string manipulation functions, mathematic functions, and the like. In addition, the libraries 816 may include API libraries 836 such as media libraries (e.g., libraries to support presentation and manipulation of various media formats such as MPEG4, H. 264, MP3, AAC, AMR, JPG, and PNG) , graphics libraries (e.g., an OpenGL framework that may be used to render 2D and 3D graphic content on a display) , database libraries (e.g., SQLite that may provide various relational database functions) , web libraries (e.g., WebKit that may provide web browsing functionality) , and the like. The libraries 816 may also include a wide variety of other libraries 838 to provide many other APIs to the applications 820 and other software components / modules.

[0094] The frameworks 818 (also sometimes referred to as middleware) may provide a higher-level common infrastructure that may be utilized by the applications 820 or other software components / modules. For example, the frameworks 818 may provide various graphical user interface functions, high-level resource management, high-level location services, and so forth. The frameworks 818 may provide a broad spectrum of other APIs that may be utilized by the applications 820 and / or other software components / modules, some of which may be specific to a particular operating system or platform.

[0095] The applications 820 include built-in applications 840 and / or third-party applications 842. Examples of representative built-in applications 840 may include, but are not limited to, a home application, a contacts application, a browser application, a book reader application, a location application, a media application, a messaging application, or a game application.

[0096] The third-party applications 842 may include any of the built-in applications 840, as well as a broad assortment of other applications. In a  specific example, the third-party applications 842 (e.g., an application developed using the AndroidTM or iOSTM software development kit (SDK) by an entity other than the vendor of the particular platform) may be mobile software running on a mobile operating system such as iOSTM, AndroidTM, or other mobile operating systems. In this example, the third-party applications 842 may invoke the API calls 824 provided by the mobile operating system such as the operating system 814 to facilitate functionality described herein.

[0097] The applications 820 may utilize built-in operating system functions (e.g., kernel 828, services 830, or drivers 832) , libraries (e.g., system libraries 834, API libraries 836, and other libraries 838) , or frameworks / middleware 818 to create user interfaces to interact with users of the system. Alternatively, or additionally, in some systems, interactions with a user may occur through a presentation layer, such as the presentation layer 844. In these systems, the application / module “logic” can be separated from the aspects of the application / module that interact with the user.

[0098] Some software architectures utilize virtual machines. In the example of FIG. 8, this is illustrated by a virtual machine 848. The virtual machine 848 creates a software environment where applications / modules can execute as if they were executing on a hardware machine (e.g., the machine 800 of FIG. 8) . The virtual machine 848 is hosted by a host operating system (e.g., the operating system 814) and typically, although not always, has a virtual machine monitor 846, which manages the operation of the virtual machine 848 as well as the interface with the host operating system (e.g., the operating system 814) . A software architecture executes within the virtual machine 848, such as an operating system 850, libraries 852, frameworks 854, applications 856, or a presentation layer 858. These layers of software architecture executing within the virtual machine 848 can be the same as corresponding layers previously described or may be different.

[0099] FIG. 9 illustrates a diagrammatic representation of a machine 900 in the form of a computer system within which a set of instructions may be executed for causing the machine 900 to perform any one or more of the methodologies discussed herein, according to an embodiment. Specifically, FIG. 9 shows a  diagrammatic representation of the machine 900 in the example form of a computer system, within which instructions 916 (e.g., software, a program, an application, an applet, an app, or other executable code) for causing the machine 900 to perform any one or more of the methodologies discussed herein may be executed. For example, the instructions 916 may cause the machine 900 to execute method 300 described above with respect to FIG. 3, method 400 described above with respect to FIG. 4, and method 500 described above with respect to FIG. 5. The instructions 916 transform the general, non-programmed machine 900 into a particular machine 900 programmed to carry out the described and illustrated functions in the manner described. In alternative embodiments, the machine 900 operates as a standalone device or may be coupled (e.g., networked) to other machines. In a networked deployment, the machine 900 may operate in the capacity of a server machine or a client machine in a server-client network environment, or as a peer machine in a peer-to-peer (or distributed) network environment. The machine 900 may comprise, but not be limited to, a server computer, a client computer, a personal computer (PC) , a tablet computer, a laptop computer, a netbook, a personal digital assistant (PDA) , an entertainment media system, a cellular telephone, a smart phone, a mobile device, or any machine capable of executing the instructions 916, sequentially or otherwise, that specify actions to be taken by the machine 900. Further, while only a single machine 900 is illustrated, the term “machine” shall also be taken to include a collection of machines 900 that individually or jointly execute the instructions 916 to perform any one or more of the methodologies discussed herein.

[0100] The machine 900 may include processors 910, memory 930, and I / O components 950, which may be configured to communicate with each other such as via a bus 902. In an embodiment, the processors 910 (e.g., a hardware processor, such as a central processing unit (CPU) , a reduced instruction set computing (RISC) processor, a complex instruction set computing (CISC) processor, a graphics processing unit (GPU) , a digital signal processor (DSP) , an application-specific integrated circuit (ASIC) , a radio-frequency integrated circuit (RFIC) , another processor, or any suitable combination thereof) may include, for example, a processor 912 and a processor 914 that may execute the  instructions 916. The term “processor” is intended to include multi-core processors that may comprise two or more independent processors (sometimes referred to as “cores” ) that may execute instructions contemporaneously. Although FIG. 9 shows multiple processors 910, the machine 900 may include a single processor with a single core, a single processor with multiple cores (e.g., a multi-core processor) , multiple processors with a single core, multiple processors with multiples cores, or any combination thereof.

[0101] The memory 930 may include a main memory 932, a static memory 934, and a storage unit 936 including machine-readable medium 938, each accessible to the processors 910 such as via the bus 902. The main memory 932, the static memory 934, and the storage unit 936 store the instructions 916 embodying any one or more of the methodologies or functions described herein. The instructions 916 may also reside, completely or partially, within the main memory 932, within the static memory 934, within the storage unit 936, within at least one of the processors 910 (e.g., within the processor’s cache memory) , or any suitable combination thereof, during execution thereof by the machine 900.

[0102] The I / O components 950 may include a wide variety of components to receive input, provide output, produce output, transmit information, exchange information, capture measurements, and so on. The specific I / O components 950 that are included in a particular machine will depend on the type of machine. For example, portable machines such as mobile phones will likely include a touch input device or other such input mechanisms, while a headless server machine will likely not include such a touch input device. It will be appreciated that the I / O components 950 may include many other components that are not shown in FIG. 9. The I / O components 950 are grouped according to functionality merely for simplifying the following discussion, and the grouping is in no way limiting. In some examples, the I / O components 950 may include output components 952 and input components 954. The output components 952 may include visual components (e.g., a display such as a plasma display panel (PDP) , a light-emitting diode (LED) display, a liquid crystal display (LCD) , a projector, or a cathode ray tube (CRT) ) , acoustic components (e.g., speakers) , haptic components (e.g., a vibratory motor,  resistance mechanisms) , other signal generators, and so forth. The input components 954 may include alphanumeric input components (e.g., a keyboard, a touch screen configured to receive alphanumeric input, a photo-optical keyboard, or other alphanumeric input components) , point-based input components (e.g., a mouse, a touchpad, a trackball, a joystick, a motion sensor, or another pointing instrument) , tactile input components (e.g., a physical button, a touch screen that provides location and / or force of touches or touch gestures, or other tactile input components) , audio input components (e.g., a microphone) , and the like.

[0103] In further embodiments, the I / O components 950 may include biometric components 956, motion components 958, environmental components 960, or position components 962, among a wide array of other components. The motion components 958 may include acceleration sensor components (e.g., accelerometer) , gravitation sensor components, rotation sensor components (e.g., gyroscope) , and so forth. The environmental components 960 may include, for example, illumination sensor components (e.g., photometer) , temperature sensor components (e.g., one or more thermometers that detect ambient temperature) , humidity sensor components, pressure sensor components (e.g., barometer) , acoustic sensor components (e.g., one or more microphones that detect background noise) , proximity sensor components (e.g., infrared sensors that detect nearby objects) , gas sensors (e.g., gas detection sensors to detect concentrations of hazardous gases for safety or to measure pollutants in the atmosphere) , or other components that may provide indications, measurements, or signals corresponding to a surrounding physical environment. The position components 962 may include location sensor components (e.g., a Global Positioning System (GPS) receiver component) , altitude sensor components (e.g., altimeters or barometers that detect air pressure from which altitude may be derived) , orientation sensor components (e.g., magnetometers) , and the like.

[0104] Communication may be implemented using a wide variety of technologies. The I / O components 950 may include communication components 964 operable to couple the machine 900 to a network 980 or devices 970 via a coupling 982 and a coupling 972, respectively. For example, the communication  components 964 may include a network interface component or another suitable device to interface with the network 980. In further examples, the communication components 964 may include wired communication components, wireless communication components, cellular communication components, near field communication (NFC) components,  components (e.g.,  Low Energy) ,  components, and other communication components to provide communication via other modalities. The devices 970 may be another machine or any of a wide variety of peripheral devices (e.g., a peripheral device coupled via a USB) .

[0105] Moreover, the communication components 964 may detect identifiers or include components operable to detect identifiers. For example, the communication components 964 may include radio frequency identification (RFID) tag reader components, NFC smart tag detection components, optical reader components (e.g., an optical sensor to detect one-dimensional bar codes such as Universal Product Code (UPC) bar code, multi-dimensional bar codes such as Quick Response (QR) code, Aztec code, Data Matrix, Dataglyph, MaxiCode, PDF417, Ultra Code, UCC RSS-2D bar code, and other optical codes) , or acoustic detection components (e.g., microphones to identify tagged audio signals) . In addition, a variety of information may be derived via the communication components 964, such as location via Internet Protocol (IP) geolocation, location via  signal triangulation, location via detecting an NFC beacon signal that may indicate a particular location, and so forth.

[0106] Certain embodiments are described herein as including logic or a number of components, modules, elements, or mechanisms. Such modules can constitute either software modules (e.g., code embodied on a machine-readable medium or in a transmission signal) or hardware modules. A “hardware module” is a tangible unit capable of performing certain operations and can be configured or arranged in a certain physical manner. In various example embodiments, one or more computer systems (e.g., a standalone computer system, a client computer system, or a server computer system) or one or more hardware modules of a computer system (e.g., a processor or a group of processors) are  configured by software (e.g., an application or application portion) as a hardware module that operates to perform certain operations as described herein.

[0107] In some examples, a hardware module is implemented mechanically, electronically, or any suitable combination thereof. For example, a hardware module can include dedicated circuitry or logic that is permanently configured to perform certain operations. For example, a hardware module can be a special-purpose processor, such as a field-programmable gate array (FPGA) or an ASIC. A hardware module may also include programmable logic or circuitry that is temporarily configured by software to perform certain operations. For example, a hardware module can include software encompassed within a general-purpose processor or other programmable processor. It will be appreciated that the decision to implement a hardware module mechanically, in dedicated and permanently configured circuitry, or in temporarily configured circuitry (e.g., configured by software) can be driven by cost and time considerations.

[0108] Accordingly, the phrase “module” should be understood to encompass a tangible entity, be that an entity that is physically constructed, permanently configured (e.g., hardwired) , or temporarily configured (e.g., programmed) to operate in a certain manner or to perform certain operations described herein. Considering embodiments in which hardware modules are temporarily configured (e.g., programmed) , each of the hardware modules need not be configured or instantiated at any one instance in time. For example, where a hardware module comprises a general-purpose processor configured by software to become a special-purpose processor, the general-purpose processor may be configured as respectively different special-purpose processors (e.g., comprising different hardware modules) at different times. Software can accordingly configure a particular processor or processors, for example, to constitute a particular hardware module at one instance of time and to constitute a different hardware module at a different instance of time.

[0109] Hardware modules can provide information to, and receive information from, other hardware modules. Accordingly, the described hardware modules can be regarded as being communicatively coupled. Where multiple  hardware modules exist contemporaneously, communications can be achieved through signal transmission (e.g., over appropriate circuits and buses) between or among two or more of the hardware modules. In embodiments in which multiple hardware modules are configured or instantiated at different times, communications between or among such hardware modules may be achieved, for example, through the storage and retrieval of information in memory structures to which the multiple hardware modules have access. For example, one hardware module performs an operation and stores the output of that operation in a memory device to which it is communicatively coupled. A further hardware module can then, at a later time, access the memory device to retrieve and process the stored output. Hardware modules can also initiate communications with input or output devices, and can operate on a resource (e.g., a collection of information) .

[0110] The various operations of example methods described herein can be performed, at least partially, by one or more processors that are temporarily configured (e.g., by software) or permanently configured to perform the relevant operations. Whether temporarily or permanently configured, such processors constitute processor-implemented modules that operate to perform one or more operations or functions described herein. As used herein, “processor-implemented module” refers to a hardware module implemented using one or more processors.

[0111] Similarly, the methods described herein can be at least partially processor-implemented, with a particular processor or processors being an example of hardware. For example, at least some of the operations of a method can be performed by one or more processors or processor-implemented modules. Moreover, the one or more processors may also operate to support performance of the relevant operations in a “cloud computing” environment or as a “software as a service” (SaaS) . For example, at least some of the operations may be performed by a group of computers (as examples of machines 900 including processors 910) , with these operations being accessible via a network (e.g., the Internet) and via one or more appropriate interfaces (e.g., an API) . In certain embodiments, for example, a client device may relay or operate in  communication with cloud computing systems and may access circuit design information in a cloud environment.

[0112] The performance of certain of the operations may be distributed among the processors, not only residing within a single machine 900, but deployed across a number of machines 900. In some example embodiments, the processors 910 or processor-implemented modules are located in a single geographic location (e.g., within a home environment, an office environment, or a server farm) . In other example embodiments, the processors or processor-implemented modules are distributed across a number of geographic locations.

[0113] The various memories (i.e., 930, 932, 934, and / or the memory of the processor (s) 910) and / or the storage unit 936 may store one or more sets of instructions 916 and data structures (e.g., software) embodying or utilized by any one or more of the methodologies or functions described herein. These instructions (e.g., the instructions 916) , when executed by the processor (s) 910, cause various operations to implement the disclosed embodiments.

[0114] As used herein, the terms “machine-storage medium, ” “device-storage medium, ” and “computer-storage medium” mean the same thing and may be used interchangeably. The terms refer to a single or multiple storage devices and / or media (e.g., a centralized or distributed database, and / or associated caches and servers) that store executable instructions 916 and / or data. The terms shall accordingly be taken to include, but not be limited to, solid-state memories, and optical and magnetic media, including memory internal or external to processors. Specific examples of machine-storage media, computer-storage media and / or device-storage media include non-volatile memory, including by way of example semiconductor memory devices, e.g., erasable programmable read-only memory (EPROM) , electrically erasable programmable read-only memory (EEPROM) , FPGA, and flash memory devices; magnetic disks such as internal hard disks and removable disks; magneto-optical disks; and CD-ROM and DVD-ROM disks. The terms “machine-storage media, ” “computer-storage media, ” and “device-storage media” specifically exclude carrier waves, modulated data signals, and other such media, at least some of which are covered under the term “signal medium” discussed below.

[0115] In some examples, one or more portions of the network 980 may be an ad hoc network, an intranet, an extranet, a virtual private network (VPN) , a LAN, a wireless LAN (WLAN) , a WAN, a wireless WAN (WWAN) , a metropolitan-area network (MAN) , the Internet, a portion of the Internet, a portion of the public switched telephone network (PSTN) , a plain old telephone service (POTS) network, a cellular telephone network, a wireless network, a  network, another type of network, or a combination of two or more such networks. For example, the network 980 or a portion of the network 980 may include a wireless or cellular network, and the coupling 982 may be a Code Division Multiple Access (CDMA) connection, a Global System for Mobile communications (GSM) connection, or another type of cellular or wireless coupling. In this example, the coupling 982 may implement any of a variety of types of data transfer technology, such as Single Carrier Radio Transmission Technology (1xRTT) , Evolution-Data Optimized (EVDO) technology, General Packet Radio Service (GPRS) technology, Enhanced Data rates for GSM Evolution (EDGE) technology, third Generation Partnership Project (3GPP) including 3G, fourth generation wireless (4G) networks, Universal Mobile Telecommunications System (UMTS) , High-Speed Packet Access (HSPA) , Worldwide Interoperability for Microwave Access (WiMAX) , Long-Term Evolution (LTE) standard, others defined by various standard-setting organizations, other long-range protocols, or other data transfer technology.

[0116] The instructions may be transmitted or received over the network using a transmission medium via a network interface device (e.g., a network interface component included in the communication components) and utilizing any one of a number of well-known transfer protocols (e.g., hypertext transfer protocol (HTTP) ) . Similarly, the instructions may be transmitted or received using a transmission medium via the coupling (e.g., a peer-to-peer coupling) to the devices 970. The terms “transmission medium” and “signal medium” mean the same thing and may be used interchangeably in this disclosure. The terms “transmission medium” and “signal medium” shall be taken to include any intangible medium that is capable of storing, encoding, or carrying the instructions for execution by the machine, and include digital or analog communications signals or other intangible media to facilitate communication of  such software. Hence, the terms “transmission medium” and “signal medium” shall be taken to include any form of modulated data signal, carrier wave, and so forth. The term “modulated data signal” means a signal that has one or more of its characteristics set or changed in such a manner as to encode information in the signal.

[0117] The terms “machine-readable medium, ” “computer-readable medium, ” and “device-readable medium” mean the same thing and may be used interchangeably in this disclosure. The terms are defined to include both machine-storage media and transmission media. Thus, the terms include both storage devices / media and carrier waves / modulated data signals. For instance, an embodiment described herein can be implemented using a non-transitory medium (e.g., a non-transitory computer-readable medium) .

[0118] Throughout this specification, plural instances may implement resources, components, operations, or structures described as a single instance. Although individual operations of one or more methods are illustrated and described as separate operations, one or more of the individual operations may be performed concurrently, and nothing requires that the operations be performed in the order illustrated. Structures and functionality presented as separate components in example configurations may be implemented as a combined structure or component. Similarly, structures and functionality presented as a single component may be implemented as separate components.

[0119] As used herein, the term “or” may be construed in either an inclusive or exclusive sense. The terms “a” or “an” should be read as meaning “at least one, ” “one or more, ” or the like. The presence of broadening words and phrases such as “one or more, ” “at least, ” “but not limited to, ” or other like phrases in some instances shall not be read to mean that the narrower case is intended or required in instances where such broadening phrases may be absent. Additionally, boundaries between various resources, operations, modules, engines, and data stores are somewhat arbitrary, and particular operations are illustrated in a context of specific illustrative configurations. Other allocations of functionality are envisioned and may fall within a scope of various embodiments  of the present disclosure. The specification and drawings are, accordingly, to be regarded in an illustrative rather than a restrictive sense.

[0120] It will be understood that changes and modifications may be made to the disclosed embodiments without departing from the scope of the present disclosure. These and other changes or modifications are intended to be included within the scope of the present disclosure.

Claims

1.A system comprising:one or more hardware processors; andat least one machine-storage medium for storing instructions that, when executed by the one or more hardware processors, cause the one or more hardware processors to perform operations comprising:receiving, via an interface, a plurality of data items;generating, using a machine learning model, model outputs based on the plurality of data items, the model outputs comprising a plurality of labels and a plurality of confidence scores, each data item corresponding to a label and a confidence score;identifying one or more confidence scores that are below a threshold value;regenerating one or more labels for one or more data items associated with the one or more confidence scores below the threshold value; andtraining the machine learning model based on the one or more regenerated labels.2.The system of claim 1, wherein the operations comprise:storing one or more regenerated labels and a plurality of labels associated with confidence scores above and equal to the threshold value in a database for downstream processing.3.The system of claim 1, wherein the machine learning model comprises a large language model with weights between 10 million and 50 million parameters.4.The system of claim 1, wherein the plurality of data items comprises a plurality of item listings or a plurality of user-generated content items.5.The system of claim 1, wherein the plurality of data items comprises a plurality of user identifiers.6.The system of claim 5, wherein the operations comprise:retrieving a plurality of item listings based on the plurality of user identifiers; andgenerating, using the machine learning model, the model outputs based on the plurality of item listings.7.The system of claim 1, wherein the plurality of data items corresponds to one or more types of data, comprising text data, visual data, and audio data, wherein the text data comprises plain text and structured text, wherein the visual data comprises images, videos, charts, and graphs, wherein the audio data comprises speech, music, and sounds effects.8.The system of claim 7, wherein the machine learning model comprises a multimodal large language model.9.The system of claim 1, wherein one or more regenerated labels comprise one or more manually-reviewed labels, wherein the machine learning model is pre-trained based on a plurality of manually generated labels and the associated data items, and wherein the interface comprises one of an Application Programming Interface or a user interface.10.The system of claim 1, wherein the operations comprise:in response to training the machine learning model based on the one or more regenerated labels, identifying a precision value and a recall value associated with the machine learning model;determining that the precision value reaches a threshold value and that the recall value begins to decrease; andconcluding a training process of the machine learning model.11.A method comprising:receiving, via an interface, a plurality of data items;generating, using a machine learning model, model outputs based on the plurality of data items, the model outputs comprising a plurality of labels and a plurality of confidence scores, each data item corresponding to a label and a confidence score;identifying, by at least one hardware processor, one or more confidence scores that are below a threshold value;regenerating one or more labels for one or more data items associated with the one or more confidence scores below the threshold value; andtraining the machine learning model based on the one or more regenerated labels.12.The method of claim 11, comprising:storing one or more regenerated labels and a plurality of labels associated with confidence scores above and equal to the threshold value in a database for downstream processing.13.The method of claim 11, wherein the machine learning model comprises a large language model with weights between 10 million and 50 million parameters.14.The method of claim 11, wherein the plurality of data items comprises a plurality of item listings or a plurality of user-generated content items.15.The method of claim 11, wherein the plurality of data items comprises a plurality of user identifiers.16.The method of claim 15, comprising:retrieving a plurality of item listings based on the plurality of user identifiers; andgenerating, using the machine learning model, the model outputs based on the plurality of item listings.17.The method of claim 11, wherein the machine learning model comprises a multimodal large language model, wherein the plurality of data items corresponds to one or more types of data, comprising text data, visual data, and audio data, wherein the text data comprises plain text and structured text, wherein the visual data comprises images, videos, charts, and graphs, wherein the audio data comprises speech, music, and sounds effects.18.The method of claim 11, wherein one or more regenerated labels comprise one or more manually-reviewed labels, wherein the machine learning model is pre-trained based on a plurality of manually generated labels and the associated data items, and wherein the interface corresponds to an Application Programming Interface or a user interface.19.The method of claim 11, comprising:in response to training the machine learning model based on the one or more regenerated labels, identifying a precision value and a recall value associated with the machine learning model;determining that the precision value reaches a threshold value and that the recall value begins to decrease; andconcluding a training process of the machine learning model.20.A machine-storage medium for storing instructions that, when executed by one or more hardware processors, cause the one or more hardware processors to perform operations comprising:receiving, via an interface, a plurality of data items;generating, using a machine learning model, model outputs based on the plurality of data items, the model outputs comprising a plurality of labels and a plurality of confidence scores, each data item corresponding to a label and a confidence score;identifying one or more confidence scores that are below a threshold value;regenerating one or more labels for one or more data items associated with the one or more confidence scores below the threshold value; andtraining the machine learning model based on the one or more regenerated labels.

Images