DeGMatch：基于去混杂梯度匹配的目标感知推理数据选择方法

DeGMatch通过构建目标相关性门控并在目标匹配前移除主导主成分，解决了长推理轨迹中目标区分度有限的问题。 该算法在数学、科学和代码领域的多个基准测试中，表现优于启发式、目标感知及推理专用数据选择基线。 代码已开源，方法在不同选择预算、模型家族和规模下均保持有效。