热点事件观察中

ICLHerd论文提交，称优于现有数据选择算法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Yuqiao Wen和Lili Mou提交了ICLHerd论文，论文结果显示该框架优于现有的LLM数据选择算法。 ICLHerd面向LLM训练数据选择，使用von Mises-Fisher kernel平衡“mode-seeking”和“mode-averaging”，并将上下文学习（In-Context Learning）作为验证代理，用于高效搜索这一权衡的超参数。

AI 根据报道生成 · 12 小时前更新

最新进展10月21日 12:00

ICLHerd：以 In-Context Learning 为代理的基于 Herding 的 LLM 数据选择

报道时间线

沿着报道，了解事件的不同侧面。

10月21日

12:00
arXiv · Machine Learning
ICLHerd：以 In-Context Learning 为代理的基于 Herding 的 LLM 数据选择
ICLHerd 提出一种面向 LLM 训练的数据选择框架，以 von Mises-Fisher kernel 平衡 mode-seeking 与 mode-averaging。该方法将 In-Context Learning 引入为验证代理，用于高效搜索这一权衡的超参数。结果显示，ICLHerd 优于现有 LLM 数据选择算法。

本事件热度走势

可比范围当前: 5
可比范围峰值: 710月22日 03:00
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。