ychhh
2026 13篇文章
10-31 SmolLM2: When Smol Goes Big — Data-Centric Training of a Small Language Model #大模型 #数据 #多阶段训练 #论文阅读 10-31 LLM4DATA 与未来挑战 #数据 #综述 #LLM4DATA #挑战 #选题机会 10-31 存储与推理期数据服务 #数据 #综述 #存储 #KVCache #RAG #数据格式 10-31 端到端管道 #数据 #综述 #数据管道 #FineWeb #RefinedWeb #DCLM #Data-Juicer 10-31 合成与蒸馏 #数据 #综述 #合成数据 #蒸馏 #推理数据 #RL数据 10-31 数据配比 #数据 #综述 #数据配比 #DoReMi #REGMIX #MixingLaw #ScaleBiO 10-31 数据选择 #数据 #综述 #数据选择 #DSIR #LESS #DsDm 10-31 过滤 #数据 #综述 #过滤 #困惑度 #影响力 #PII 10-31 去重 #数据 #综述 #去重 #MinHash #SimHash #DotHash #SoftDeDup #SemDeDup 10-31 数据获取 #数据 #综述 #爬虫 #版面解析 #实体链接 10-31 各训练阶段的数据特征 #数据 #综述 #预训练 #SFT #RL #RAG #IaaS 10-31 LLM × DATA 综述资料库总览 #数据 #综述 #MOC 10-31 A Survey of LLM × DATA #数据 #综述 #DATA4LLM #LLM4DATA