数据质量过滤 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 数据质量过滤 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 低资源机器翻译 1 TranslatePsy-AfriSLM：面向非洲低资源机器翻译的高质量数据扩展 08-20 医疗人工智能评测 1 合成胸片在数据集准入阶段的质量、来源与证据评估 10-22 在策略蒸馏 1 不完美教师下的离线在策略蒸馏轨迹可学习性 09-17 奖励建模 1 CleanRM：用少量干净反馈从噪声偏好中训练奖励模型 10-18 指令精炼 1 指令质量决定偏好学习效果：基于奖励与规则的指令精炼 08-29 数据合成 2 PhotoMOCI：生成式数据增强用于口腔病变分类 09-30 IRWOZ 2.0：面向工业机器人对话的 LLM 增强数据集 09-07 数据策展 6 英语质量分类器的多语言预训练数据筛选适配 10-10 FROST：真实数据锚定的在线合成数据筛选 09-26 数据归因难以可靠过滤潜意识学习 09-18 面向低资源语言的可扩展 NER 标注自动纠错框架 09-17 流行率决定精确率：检测器定义数据集中的隐性污染 09-11 蚂蚁OmniTable统一宽表管理35PB大模型训练数据 09-02 缩放定律 1 野生 AI 生成网页文本的 Token 价值与缩放定律 10-01 自进化 1 R-Quest：以有效性与新颖性反馈维持推理模型自进化 10-09 语音增强 1 基于音素的 TTS 数据增强扩展与 ASR 受控研究 08-29 轨迹筛选 1 SWE-Prime：更少轨迹实现更强软件修复性能 08-28 过滤式微调 1 TailSFT：过滤式微调提升强化学习后训练性能 08-27
