大规模数据选择再思考：随机选择几乎是你所需要的全部 | CoMAT：链条数学注释思维改进数学推理.....

文章预览

前言： 平淡无奇的一天又来了，今天要分享的内容主要是关于大模型、模型结构改进、预训练的，喜欢的小伙伴赶紧去阅读相关论文吧。 1. 大规模数据选择再思考：随机选择几乎是你所需要的全部   标题： Rethinking Data Selection at Scale: Random Selection is Almost All You Need   机构： 吉林大学、阿里巴巴集团   关键词： 大规模数据、监督微调、数据选择、令牌长度过滤   作者： Tingyu Xia,  Bowen Yu,  Kai Dang   分析： 本文主要研究大规模数据下监督微调（SFT）中的数据选择问题。针对大型语言模型（LLMs），文章发现随机选择数据是一种有效的策略，并且在处理大规模数据时，大多数现有的数据选择方法都难以显著优于随机选择。文章强调在SFT中，数据选择的多样性比单纯追求高质量更为重要。此外，通过令牌长度过滤数据是一种稳定且有效的方法，尤其 ………………………………