11 月 18 日上传至 arXiv 的预印本研究在线语义筛选。作者让成本较低的代理模型先给数据打分,再根据已采样核验的结果调整筛选阈值。
方法针对代理分数区分度不足和数据分布变化两种情况。论文把代理学习与阈值校准放在同一过程中,较难判断的样本仍交给完整模型处理。
作者在文中给定的数据和任务上比较了筛选成本与质量。不同查询、输入分布和质量要求会影响结果。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
GETAI EDITORIAL DISPATCH新闻报道
预印本研究如何用少量已核样本更新代理评分和筛选阈值,减少需要完整模型判断的数据。