Ou Wu 团队发布 LLM 数据优化综述论文（ACM TKDD）
热点事件持续更新
Ou Wu 团队发布 LLM 数据优化综述论文（ACM TKDD）
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Ou Wu 等人的关于 LLM 数据优化技术的综述论文于 2026 年 9 月 30 日被 ACM Transactions on Knowledge Discovery from Data (TKDD) 接收，并发布于 arXiv。论文旨在构建系统框架，提升 LLM 数据利用效率。 该综述首先分析 LLM 训练与推理中的数据挑战，提出质量、难度、多样性、冗余四个数据感知评估维度；随后将现有技术归纳为数据选择、数据增强、数据重加权及其他四类，并分析各类之间的关联。 论文最后指出与传统深度学习方法相比的关键挑战与未来方向。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
LLM 数据优化综述：质量、难度、多样性与冗余维度的系统梳理报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AILLM 数据优化综述：质量、难度、多样性与冗余维度的系统梳理
一篇发表于 ACM TKDD 的综述为 LLM 数据优化技术构建了系统框架。文章首先分析 LLM 训练与推理中的数据挑战，提出质量、难度、多样性、冗余四个数据感知评估维度，再将现有技术归纳为数据选择、数据增强、数据重加权及其他四类，并分析各类之间的关联，最后指出与传统深度学习方法相比的关键挑战与未来方向。
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。