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
北京大学对1888个GitHub仓库的研究显示，AI编码助手并未挤出开源项目的新人，但维护者的工作量显著增加，PR数量翻近四倍，代码复杂度小幅上升。
深度The New Stack·7月6日·5 分钟
Vercel CEO Guillermo Rauch 接受 TechCrunch 采访，讨论了智能体在生产环境中的现实挑战：数据安全、审计追踪、工具调用权限。他提出模型与智能体应解耦，Vercel 的 Eve 框架和 Sandbox 产品旨在提供灵活的“插拔”架构。同时他观察到，谷歌 Gemini、DeepSeek 等模型因性价比而崛起，客户正从单一模型合作伙伴转向多模型策略。
深度·7月6日·6 分钟