SSR：百万级多模态指令微调数据选择方法
热点事件持续更新
SSR：百万级多模态指令微调数据选择方法
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者提出SSR数据选择策略，用交互风格表征结构多样性、将数据质量分解为能力维度得分，并把选择转化为能力—风格网格上的子模覆盖最大化问题。 在LLaVA-1.5与LLaVA-OneVision两套架构、14个多模态基准上，SSR仅用2.6M数据池的30%即达到全量数据99.1%的性能。研究称这是首个在百万级规模验证的数据选择方法，其画像模型与子集可跨数据池和架构免训练迁移。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
SSR：面向百万级多模态指令微调的极简数据选择策略报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CLSSR：面向百万级多模态指令微调的极简数据选择策略
研究者提出 SSR 数据选择策略，用交互风格表征结构多样性、将数据质量分解为能力维度得分，并把选择转化为能力—风格网格上的子模覆盖最大化问题。在 LLaVA-1.5 与 LLaVA-OneVision 两套架构、14 个多模态基准上，SSR 仅用 2.6M 数据池的 30% 即达到全量数据 99.1% 的性能，是首个在百万级规模验证的数据选择方法，其画像模型与子集可跨数据池和架构免训练迁移。
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。