待验证50% 置信基准精确时间

使用Edu-QuRating筛选混合集训练出的模型在九项基准测试上的整体观测准确率高于FineWeb-Edu基线模型，且性能提升集中在特定任务上

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

Edu-QuRating：多维度教育数据筛选如何提升LLM训练质量

涉及实体

Edu-QuRatingconcept FineWeb-Eduproduct

相关事实

待验证Edu-QuRating将成对偏好判断蒸馏到轻量级序列分类模型中，训练出可复用的Edu-QuRaters评分器74% 相似待验证微软的Phi系列通过精心筛选高质量教科书级训练数据，证明了1-3B参数量的模型在特定任务上可以媲美甚至超越十倍以上参数量的模型72% 相似待验证半监督目标检测方法在COCO等基准上利用10%标注数据结合大量未标注数据，性能可接近全量监督训练水平72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/895910

API

curl https://kongchang.com/api/v1/knowledge/claims/895910

MCP

get_claim(id=895910)