基于小规模异构语言模型一致性委员会的数据剪枝方法
Data pruning method based on consistency committee of small-scale heterogeneous language models
苏州科技大学 电子与信息工程学院, 江苏 苏州 215009
摘要
大型语言模型(LLMs)的微调效果高度依赖于训练数据的质量，但现有的基于单模型困惑度的数据评估方法存在困惑度偏差(低困惑度样本可能仍被错误预测)和跨模型分歧(不同模型对同一样本的困惑度不一致)的局限性。为此，该研究提出了一种基于异构小语言模型委员会一致性的方法，从两个方面评估数据价值：一方面计算多模型对同一数据样本的困惑度的变异系数来量化模型间分歧；另一方面结合预测结果与基准答案的相似性来计算预测难度。综合这两方面的评估结果，提出MMCS(多模型一致性)指标，用于高质量训练数据筛选。实验结果表明，基于MMCS筛选的数据在两种主流LLM和三个公开数据集上的微调性能优于传统方法，在36次对比实验中有27次取得最优效果，为高效数据剪枝提供了新的思路，证实了基于多模型分歧的评估方法在提升数据边际效益方面的有效性。
基金项目
国家自然科学基金资助项目(62102278)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.05.0139
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第12期
发布历史
[2025-07-30] 优先出版
引用本文
王凯文, 王蕴哲, 谈威, 等. 基于小规模异构语言模型一致性委员会的数据剪枝方法 [J]. 计算机应用研究, 2025, 42 (12). (2025-08-06). https://doi.org/10.19734/j.issn.1001-3695.2025.05.0139. (Wang Kaiwen, Wang Yunzhe, Tan Wei, et al. Data pruning method based on consistency committee of small-scale heterogeneous language models [J]. Application Research of Computers, 2025, 42 (12). (2025-08-06). https://doi.org/10.19734/j.issn.1001-3695.2025.05.0139. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
