研究人员推出了一种名为QMAC的新方法,用于选择高质量数据来训练大型语言模型和视觉-语言模型。QMAC通过将数据选择构建为分布匹配和质量过滤的联合优化问题,解决了海量数据集相关的计算和存储成本问题。该方法确保所选子集的分布在嵌入空间中与完整数据集对齐,同时过滤掉噪声或低质量样本。在不同数据类型和模型上的实验表明,QMAC的性能优于现有方法,在某些场景下甚至超越了完整数据训练。 AI
影响 优化训练数据选择,可能降低成本并提高模型性能。
排序理由 这是一篇研究论文,详细介绍了LLM训练中数据选择的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Litmaps
- QMAC
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →