Feiyang Kang

Un marco para mejorar la selección de datos con muestras de entrenamiento limitadas.

Un enfoque nuevo para estimar cómo los datos de entrenamiento impactan las predicciones del modelo.

Este método mejora el ajuste fino del modelo de lenguaje usando conjuntos de datos abiertos y sin etiquetar.

AutoScale mejora la mezcla de datos para un entrenamiento eficiente de grandes modelos de lenguaje.