研究者提出SSR方法：30%数据达全量99.1%性能
热点事件持续更新
研究者提出SSR方法：30%数据达全量99.1%性能
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Mengyao Lyu 等研究者提出 SSR 多模态指令微调数据选择方法，将数据质量按能力分解打分、用交互风格代理结构多样性，并把选择建模为能力—风格网格上的次模覆盖最大化。在 2.6M 数据池上验证，仅用 30% 数据即达到全量数据 99.1% 的性能，覆盖 14 个多模态基准。 该方法在 LLaVA-1.5 与 LLaVA-OneVision 两种架构上测试，论文称其为首个在百万级规模验证的数据选择方法，且所选子集可跨数据池和架构免训练迁移。论文已被 EMNLP 2026 主会接收为 Oral。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
SSR：一种简单到尴尬的多模态指令微调百万级数据选择策略（EMNLP 2026 Oral）报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AISSR：一种简单到尴尬的多模态指令微调百万级数据选择策略（EMNLP 2026 Oral）
论文提出 SSR 数据选择方法，用交互风格代理结构多样性、按能力分解质量分数，并将选择建模为能力—风格网格上的次模覆盖最大化。该方法在 LLaVA-1.5 与 LLaVA-OneVision 两种架构、2.6M 数据池上验证，仅用 30% 数据即达到全量数据 99.1% 的性能，覆盖 14 个多模态基准，且子集可跨数据池和架构免训练迁移。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。