HARP：大模型微调的高效数据选择方法

研究者 Ning Wang 等人提出一种面向大语言模型微调的数据选择方法 HARP（Hierarchical Active Region Pruning）。该方法基于训练过程进行选择，通过节点-叶层级结构只评估具有代表性的叶子节点，并利用经验贝叶斯后验推断未测量数据的效用，以在保持下游对齐效果的同时降低数据选择成本。 目前该工作以 arXiv cs.LG 论文形式发布，报道未给出与其他数据选择方法的具体对比结果或适用模型范围。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。