Qwen模型上下文扩展数据选择研究发布
热点事件持续更新
Qwen模型上下文扩展数据选择研究发布
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
研究人员Junlong Jia团队在arXiv平台发布了关于上下文扩展数据选择的控制研究。该研究聚焦于Qwen2.5-3B模型的128K长上下文能力，旨在解决传统长文档数据选择中评分成本过高的问题。研究在匹配6B-token持续训练预算的条件下，对多种策略进行了受控对比实验。
AI 根据报道生成 · 1 小时前更新
最新进展10月20日 12:00
上下文扩展数据选择控制研究：Qwen 模型上 truncLongPPL 的性能增益报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · NLP上下文扩展数据选择控制研究：Qwen 模型上 truncLongPPL 的性能增益
在 Qwen2.5-3B 128K 上下文的受控对比中，truncLongPPL 数据选择策略表现最优。 它通过计算截断前缀的关键 token 密度，实现了 2.28 倍的端到端评分加速。 在 RULER 基准上，该方法比随机长文档采样平均高出 3.28 分，且短上下文性能基本无损。
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。