ICLHerd框架：基于ICL代理的LLM数据选择新方法
热点事件持续更新
ICLHerd框架：基于ICL代理的LLM数据选择新方法
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
2026年10月21日，arXiv发布名为ICLHerd的LLM数据选择框架。该框架由Yuqiao Wen和Lili Mou提出，核心创新在于利用In-Context Learning作为验证代理。该框架旨在解决LLM数据选择中的模式寻优偏差，并引入了von Mises-Fisher核函数以平衡相关偏差。目前的实验结果表明，ICLHerd的性能优于现有的其他LLM数据选择算法。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
ICLHerd：基于 In-Context Learning 代理的 LLM 数据选择框架报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AIICLHerd：基于 In-Context Learning 代理的 LLM 数据选择框架
ICLHerd 提出利用 In-Context Learning 作为验证代理的 LLM 数据选择框架。 该框架引入 von Mises-Fisher 核函数以平衡 mode-seeking 与 mode-averaging 偏差。 实验表明 ICLHerd 优于现有 LLM 数据选择算法。
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。