Bliss

新的BLISS方法通过高效的数据选择加速LLM预训练

研究人员开发了BLISS，一种用于更高效地预训练大型语言模型的数据选择新方法。与以前的方法不同，BLISS不需要外部预训练模型，并且通过使用代理模型和评分模型来考虑数据的长期影响。这种双层优化方法允许BLISS预测训练样本的影响得分，从而实现高质量数据的选择。使用Pythia和LLaMA模型进行的实验表明，与最先进的方法相比，BLISS在达到目标性能方面实现了1.7倍的加速。