Skip to content
← 返回课程
CS336 2026 · Lecture 14已发布

Data (filtering, deduplication, mixing, synthetic data)

日期
Wed May 13
讲师
Percy
课程资料
10 项
内容产物
4 项

课程简介 ​

本讲进入数据工程的质量控制阶段:使用语言识别、规则、分类器和模型评分过滤语料,并用精确哈希与 MinHash/LSH 处理文档和段落级重复。随后讨论数据源混合、有限数据重复训练以及合成数据,说明质量、覆盖度、多样性和计算预算之间的共同约束。
COURSE MATERIALS官方资料与延伸阅读

资料来源归原作者与课程方所有 · 笔记内容持续校订