热点事件持续更新
研究人员提出基于SAE特征的数据高效指令微调方法FtF
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
2026年11月4日，研究人员在 arXiv 机器学习板块发表成果，提出名为 Follow the Features（FtF）的数据选择方法。该方法利用稀疏自编码器（SAE）特征指导构建高效指令微调子集，依据特征激活统计对样本进行打分，并支持跨目标模型复用。实验结果显示，在仅有 100 个样本的预算下微调 Qwen 3 8B 模型，其在 AlpacaEval 胜率与 Open LLM Leaderboard 调和均值上，比使用全量数据训练的结果高出 1.59 个百分点。
AI 根据报道生成 · 18 小时前更新
最新进展11月4日 13:00
研究人员提出数据选择方法FtF，在100样本微调下综合表现优于全量数据训练。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 机器学习Follow the Features：基于 SAE 特征引导的大语言模型数据高效指令微调
研究人员提出数据选择方法 Follow the Features（FtF），利用稀疏自编码器（SAE）特征指导构建高效指令微调子集。该方法依据特征激活统计对样本打分并支持跨目标模型复用，在 100 个样本预算下微调 Qwen 3 8B，其 AlpacaEval 胜率与 Open LLM Leaderboard 调和均值比全量数据训练高出 1.59 个百分点。
本事件热度走势
当前热度 6·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。