热点事件持续更新

研究者提出规则引导LLM重构框架回收低质量指令数据

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究者提出一种规则引导的 LLM 重构框架，用于回收低质量指令数据。该框架从 123,786 条低分样本中构建出 54,888 条训练样本，在三个 7B/8B 基础模型上，重构数据的平均下游表现优于低分源数据及所有评估过的数据选择基线，且样本量远少于约 300K 的全量数据集却取得更高平均分。消融实验显示，规则引导重构是相对直接融合的最大提升来源。人工审查指出，源整合与答案忠实度仍存局限。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00

用规则引导 LLM 重构低质量指令数据，提升 SFT 效果

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.CL
用规则引导 LLM 重构低质量指令数据，提升 SFT 效果
研究者提出规则引导的 LLM 重构框架，从 123,786 条低分样本中构建出 54,888 条训练样本。在三个 7B/8B 基础模型上，重构数据的平均下游表现优于低分源数据及所有评估过的数据选择基线，且样本量远少于约 300K 的全量数据集却取得更高平均分。消融实验显示规则引导重构是相对直接融合的最大提升来源，人工审查也指出源整合与答案忠实度仍存局限。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月15日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。