重复高质量数据优于多样性：高效德语语言建模
深度2026年5月6日22 分钟阅读
核心发现：重复利用高质量数据比追求语料多样性更高效，且性能优势在7轮次后仍保持。适合关注非英语语言模型训练效率、数据过滤策略的研究者阅读。
本文编译自 Repetition over Diversity: High-Signal Data Filtering for Sample-Efficient German Language Modeling，版权归原作者所有。
觉得有用？分享给更多人
相关文章
AI Agent的可靠性瓶颈不在模型能力，而在于上下文层的质量。团队需要构建结构化的领域知识图、精确的工具检索（如假设调用匹配）、以及执行层的安全护栏。基础设施的差距正在成为团队间的分水岭。
深度The New Stack·7月18日·10 分钟
作者在 fd 代码仓库中对 Grok 4.5 和 Claude Opus 4.8 进行了三项对比测试（bug 修复、重构、功能开发）。结果显示，Grok 使用了 Opus 约 23% 的 token、约 32% 的时间，成本仅为约 1/5，且代码质量几乎相同。
深度The New Stack·7月18日·8 分钟