English(EN) DataFoundry: Evolving Data Preparators via Recursive Self-Improvement

DataFoundry 框架演进 LLM 训练数据准备器

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了 DataFoundry，一个旨在提高大型语言模型训练数据质量的新颖框架。与在生成后过滤数据的传统方法不同，DataFoundry 通过递归自我改进来专注于演进数据准备过程本身。该框架利用了模块化技能（Skills-as-Modules）架构，其中控制器管理模块化技能以创建可执行运行时，使用试点数据集识别缺陷，并根据诊断反馈优化准备组件。在数学、金融、法律和医学等各个领域的 DataPrep-Bench 上进行的评估表明，与基线方法相比，DataFoundry 生成的数据在下游应用中具有更高的效用。 AI

影响提高了 LLM 训练数据的质量，可能导致在各个领域中更强大、更可靠的模型。

排序理由这是一篇详细介绍 LLM 数据准备新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 30 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍 LLM 数据准备新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Cehao Yang, Xiaojun Wu, Xueyuan Lin, Chengjin Xu, Xuhui Jiang, Hui Xiong, Jian Guo · 2026-09-01 04:00

DataFoundry：通过递归自我改进来改进数据准备器

arXiv:2608.29966v1 Announce Type: new Abstract: Domain adaptation of large language models increasingly depends on constructing high-quality training data, yet existing data-preparation pipelines typically address quality only after generation through post-hoc filtering. This cre…

本文如何被排名

报道来源 [1]

DataFoundry：通过递归自我改进来改进数据准备器

相关实体

相关话题