主机感知网页抓取研究：抓取预算应如何在主机间分配
热点事件持续更新
主机感知网页抓取研究：抓取预算应如何在主机间分配
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
一篇提交至 EMNLP 2026 研讨会 WaC-13 的论文研究 LLM 预训练数据抓取中的预算分配问题，作者为 Malte Ostendorff。研究发现，约一半的质量分类器分数差异出现在主机之间，而不是主机内部。 论文称，Common Crawl 用于指导抓取分配的调和中心性指标相比随机排序收益有限，对部分分类器甚至表现更差，因此建议抓取策略应更多考虑主机层面的质量差异。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
面向 LLM 预训练数据的主机感知网页抓取报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.CL面向 LLM 预训练数据的主机感知网页抓取
研究发现，LLM 预训练数据抓取中约一半的质量分类器分数差异发生在主机之间，而 Common Crawl 用于指导抓取分配的调和中心性指标相比随机排序收益有限、对部分分类器甚至更差。
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。