Cleanlabは、モデルの質はデータの質による、という考えから始まります。実際のデータセットには誤りがあります。ラベルの違う画像、重複した例、外れ値です。Cleanlabのオープンソースのライブラリは、統計的な手法とモデルの予測で、間違っている可能性が高い例を見つけるので、チームは全部を見直さずにそれらを直せます。
商用のプラットフォームであるCleanlab Studioは、これをノーコードの画面に広げ、データセットをきれいにして改善し、その結果でモデルを学習できます。同社は生成AIの信頼性にも進み、言語モデルの出力がどれだけ信頼できるかを採点し、本番のシステムでハルシネーションを捉えるツールを出しています。
オープンソースのライブラリは無料で、プラットフォームには無料と有料の枠があります。データをきれいにするには、正しいラベルは何かという人の判断が必要です。代替にはSnorkel AI、Label Studio、Argilla、Encord、Labelboxがあります。Cleanlabは、散らかったデータセットを持つ機械学習のチームに向いています。