热点事件持续更新
TATC 合成数据选择方法用于 LLM 微调
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026 年 10 月 3 日，arXiv cs.LG 分类发布一项研究，提出 Training-Aware Target Coverage（TATC）合成数据选择方法，用于 LLM 微调。该方法通过线性理论刻画合成数据收益与误差的权衡，判断数据是否有用、该加多少及单条样本的边际价值。在数学推理任务中，TATC 为 Qwen2.5-Math-1.5B-Instruct 筛选合成解，在 GSM8K 上于各选择预算下均优于其他合成数据选择方法。目前进展停留在该方法提出与基准测试结果阶段。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
TATC 方法提出，在 GSM8K 各预算下优于其他合成数据选择方法。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）面向 LLM 微调的 Training-Aware Target Coverage 合成数据选择方法
研究者提出 Training-Aware Target Coverage（TATC）合成数据选择方法，用于 LLM 微调，通过线性理论刻画合成数据收益与误差的权衡，判断数据是否有用、该加多少及单条样本的边际价值。在数学推理任务中，TATC 为 Qwen2.5-Math-1.5B-Instruct 筛选合成解，在 GSM8K 上于各选择预算下均优于其他合成数据选择方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。