Today for AI
返回热点榜
llm热度 5.1°

AI 聚簇研判事件 · 2026/10/10

NYU 与亚马逊提出 SGUID：筛选高信噪比技能文件，用 6 条规则超越全量蒸馏

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/10 11:05:36
全景综述与最新动态
1 家信源交叉印证

纽约大学与亚马逊联合研究提出 SGUID 方法，通过追踪训练信号稳定性筛选“技能文件”，发现仅保留早期和晚期均有效的少数技能（如 6 条）即可匹配或超越包含 30-71 条的全量技能库。该方法在 Qwen 系列模型数学竞赛测试中验证有效，第二轮新增 3 条技能使 Qwen3-8B 准确率从 64.3% 提升至 66.3%，显著降低知识蒸馏成本并提升效率。

最新动向/纽约大学与亚马逊联合研究提出 SGUID 方法，通过追踪训练信号稳定性筛选“技能文件”，发现仅保留早期和晚期均有效的少数技能（如 6 条）即可匹配或超越包含 30-71 条的全量技能库。该方法在 Qwen 系列模型数学竞赛测试中验证有效，第二轮新增 3 条技能使 Qwen3-8B 准确率从 64.3% 提升至 66.3%，显著降低知识蒸馏成本并提升效率。

热度曲线逐小时热度走势

42 个完整观测小时
当前
5.1
峰值
13.212:00
近 24h 变化
-43%

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·68 分
    • SGUID 方法通过监测训练信号稳定性，剔除无效技能，仅保留对模型学习有持续贡献的规则。
    • 实验表明，精选的 6 条技能在数学任务上表现优于或持平于包含 30-71 条技能的全量库。
    • 动态迭代策略有效：第二轮新增 3 条高价值技能使 Qwen3-8B 准确率进一步提升 2 个百分点。