Unverified50% confidenceFactExact time
经过精心筛选和去重的高质量数据集，能够以远少于原始规模的token数量训练出同等甚至更强的模型
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Partially Verified微调数据的质量远比数量重要，通常几百到几千条高质量标注数据就能显著提升模型在特定任务上的表现72% similarUnverified扩散模型推理时通过采样器算法通常只需20-30步迭代即可获得高质量图像生成结果，远少于训练时的1000步70% similarUnverified2023年微软研究论文《LIMA: Less Is More for Alignment》表明仅用1000条精心策划的高质量样本就能让基座模型展现出与数万条样本微调相当的对话能力69% similarUnverified该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证69% similarUnverifiedMoE架构每次推理仅激活少数专家，训练成本相对同等能力稠密模型大幅降低，10B激活1B相比10B稠密模型训练成本低10倍且推理更快69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/906685API
curl https://kongchang.com/api/v1/knowledge/claims/906685MCP
get_claim(id=906685)