O laboratório Tencent YouTu e a Universidade Jiao Tong de Xangai colaboraram em uma revisão completa, focando no aspecto crucial para melhorar o desempenho de grandes modelos - a avaliação e seleção de conjuntos de dados para otimização de instruções. Esta pesquisa visa auxiliar os grandes modelos a dominar a essência do processamento de linguagem natural, guiando a construção de conjuntos de dados eficientes, diversos e cruciais através da análise de três dimensões: qualidade dos dados, diversidade e importância. O estudo destaca que a qualidade dos dados afeta diretamente a eficácia da otimização de instruções, a diversidade garante a capacidade de generalização do modelo e a avaliação da importância otimiza o processo de treinamento. Diante dos desafios atuais, como a seleção de dados e a natureza do modelo...