论文提出长文档数据选择方法truncLongPPL
热点事件观察中
论文提出长文档数据选择方法truncLongPPL
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Junlong Jia 等在 arXiv 发表长上下文扩展数据选择的受控比较研究，提出 truncLongPPL：通过在截断前缀上计算 key-token 密度来降低打分成本。在 Qwen2.5-3B、128K 上下文和匹配 6B token 继续训练预算下，按该方法选择高 LongPPL key-token 密度的文档优于随机采样。 研究还发现，只对参考区间前半部分打分即可获得接近全区间打分的下游性能，同时实测端到端打分加速 2.28 倍；重打包（repacking）在更长评测长度下不占优。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
长上下文扩展的数据选择受控研究：truncLongPPL提升长文档训练效果报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AI长上下文扩展的数据选择受控研究：truncLongPPL提升长文档训练效果
研究团队在Qwen2.5-3B、128K上下文和匹配6B token继续训练预算下比较长文档数据选择流程，发现高LongPPL key-token密度选择优于随机采样，重打包在更长评测长度下不占优。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- -49%
0246
06:0012:0018:0010月22日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。