提出组合式数据选择框架：先定领域配比再选样本

Luyang Zhang、Jialu Wang 和 Bebei Li 在 arXiv 论文（2610.14028，基于论文摘要）中提出组合式数据选择（CDS）框架与两阶段 Mixture-then-Select 算法，用于大模型微调数据选择：先决定各领域的数据选取数量（混合比例），再按归因得分选择具体样本。该框架把样本如何打分（归因）与选哪些子集（选择）分离，并建模样本间的非可加交互。 作者称，在一个真实指令微调数据池上观察到显著的跨领域互补性（联合效用超过各领域单独效用之和）和领域内冗余。据论文结果，Mixture-then-Select 较强基线提升 20 到 54%，对不同归因方法稳健，并在不同模型和数据池规模下有效。以上为论文摘要所载的作者结果，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。