arXiv 发布 FtF 数据选择方法论文
热点事件持续更新
arXiv 发布 FtF 数据选择方法论文
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 11 月 2 日，arXiv 发布论文《Follow the Features》，提出基于稀疏自编码器（SAE）特征的 LLM 数据高效指令微调方法（FtF）。该方法利用特征统计引导指令微调数据子集构建，支持跨模型复用，且选择过程独立于待微调模型本身。 在 Qwen 3 8B 与 Alpaca 数据集的实验中，仅使用 100 个样本，FtF 在 AlpacaEval 胜率与 Open LLM Leaderboard 性能调和均值上，比全量数据训练高出 1.59 个百分点。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 13:00
Follow the Features: 基于 SAE 特征的 LLM 数据高效指令微调方法报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · MLFollow the Features: 基于 SAE 特征的 LLM 数据高效指令微调方法
研究者提出 Follow the Features (FtF) 方法，利用 SAE 特征统计引导指令微调数据子集构建。该方法支持跨模型复用，且选择过程独立于待微调模型本身。 在 Qwen 3 8B 与 Alpaca 数据集的实验中，仅用 100 个样本，FtF 在 AlpacaEval 胜率与 Open LLM Leaderboard 性能调和均值上比全量数据训练高出 1.59 个百分点。
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。