arXiv · cs.AI· Ning Wang, Zhengxin Zhang, Maosen Tang, Yitang Gao, Claire Cardie, Sainyam Galhotra·· 4 小时前
HARP：通过分层主动区域剪枝高效选择大语言模型微调数据
HARP: Efficient Data Selection for Finetuning Large Language Models
arXiv:2606.07690v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ning Wang, Zhengxin Zhang, Maosen Tang, Yitang Gao, Claire Cardie, Sainyam Galhotra
研究任务与主要进展
Ning Wang等人提出HARP，用于在减少反复微调评估的同时选择有利于下游任务的训练数据。方法将训练池组织为节点—叶层级，仅评估代表性叶节点，并用经验贝叶斯后验推断未测样本效用；HARP-C控制冗余，HARP-E奖励互补区域。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org