算法论文8

清华团队：LLM数据筛选新突破

深度学习自然语言处理2025-05-15

AI 摘要

清华刘知远团队：提出LLM数据筛选新方案，‘半成品加工法’降成本90%，用fastText筛数据，产出Ultra - FineWeb数据集，提升模型性能，还将拓展到专业领域。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

苹果LensVLM：长上下文的放大镜

本文介绍苹果基础大模型团队与杜克大学联合提出的LensVLM方案，针对长上下文压缩易丢失关键信息的痛点，提出将长文本压缩为图像、模型按需展开细节阅读的新思路，相关研究已被NeurIPS 2026接收，公开了模型、代码与可体验Demo。

本文为王博在《AI原生软件研发成熟度模型AISMM 2026》白皮书发布之际撰写，探讨AI Agent介入后软件形态、研发流程的变革，提出柔性软件概念与传统软件柔性化路径，为企业AI原生研发提供参考。

本文作者实测体验阶跃终端推出的首款大模型原生Agent手机STEPX Neo，介绍了产品设计、原生Agent系统能力、创客开发生态与系统级安全方案，公布了产品定价与用户福利。

当前大模型效率优化多聚焦降低单位Token计算存储开销，本文解读arXiv新预印论文，针对传统BPE分词的固有局限，提出CNF-MCE分词框架，可大幅提升Token压缩率，开辟大模型效率优化新路径。