热点事件持续更新
研究人员提出高效指令微调数据选择方法QSGS
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
2026年11月4日，arXiv发布的研究提出了一种面向高效指令微调的数据选择方法QSGS。该方法通过在梯度相似度图上进行子模优化，并结合梯度引导合成，以平衡目标相关性并抑制样本冗余。在Llama-2、Llama-3和Mistral等模型上的实验表明，QSGS在MMLU、BBH与TydiQA基准评测中均超越最强基线。其中，Mistral-7B仅需0.5%的数据预算即可匹敌或超越全量微调的表现，且在数据预算越紧缩时优势越显著。
AI 根据报道生成 · 14 小时前更新
最新进展11月4日 13:00
研究人员提出QSGS方法，Mistral-7B仅用0.5%数据预算即可匹敌或超越全量微调。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 人工智能面向高效指令微调的基于查询子模数据选择方法
研究人员提出高效指令微调数据选择方法 QSGS，通过梯度相似度图上的子模优化与梯度引导合成，平衡目标相关性并抑制样本冗余。在 Llama-2、Llama-3 和 Mistral 上的实验显示，QSGS 在 MMLU、BBH 与 TydiQA 上均超越最强基线。其中 Mistral-7B 仅用 0.5% 数据预算即匹敌或超越全量微调表现，预算越紧缩优势越显著。
本事件热度走势
当前热度 7·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
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。