English(EN) Data Optimization for LLMs: A Survey

调查论文详述了大型语言模型的数据优化技术

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

这项调查论文提供了一个全面的框架，用于理解和分类在大型语言模型（LLMs）的训练和应用中使用的各种数据优化技术。它探讨了LLM训练和推理中的数据挑战，引入了用于评估数据属性（如质量和多样性）的维度，并回顾了现有的优化方法，如数据选择、增强和重加权。论文还分析了这些技术之间的相互联系，并指出了LLM数据优化未来的研究方向。 AI

影响为改进LLM训练和效率至关重要的数据优化方法提供了结构化的概述。

排序理由该条目是一篇在arXiv上发表的调查论文，详细介绍了LLM的数据优化技术。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇在arXiv上发表的调查论文，详细介绍了LLM的数据优化技术。[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, other; 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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ou Wu · 2026-10-27 04:00

LLM 的数据优化：一项调查

arXiv:2610.33405v1 Announce Type: new Abstract: Large language models (LLMs) have attracted great attention in both academic and industrial communities in recent years. Numerous survey studies have covered various aspects of LLMs, such as learning strategies, applications, alignm…

本文如何被排名

报道来源 [1]

LLM 的数据优化：一项调查

相关实体

相关话题