Les laboratoires Tencent YouTu et l'Université Jiao Tong de Shanghai ont publié un rapport complet axé sur un élément clé de l'amélioration des performances des grands modèles : l'évaluation et la sélection des ensembles de données pour l'optimisation des instructions. Cette recherche vise à aider les grands modèles à maîtriser l'essence du traitement du langage naturel. Elle guide la construction d'ensembles de données efficaces, diversifiés et essentiels en analysant trois dimensions : la qualité des données, la diversité et l'importance. L'étude souligne que la qualité des données influence directement l'efficacité de l'optimisation des instructions, que la diversité garantit la capacité de généralisation du modèle et que l'évaluation de l'importance optimise le processus d'entraînement. Face aux défis actuels, tels que la sélection des données et la nature du modèle...