AWS 指南：高质量数据优于海量数据
AWS ML Blog · rss · 2026-08-27
AWS 机器学习博客发布 SFT 数据准备指南第一部分，强调数据质量决定了微调效果的上限。文章详细介绍了数据质量检查的关键维度：
- 准确性：响应必须是可部署的金标准，错误示例会引入难以纠正的坏习惯。
- 多样性：涵盖语义覆盖和信息深度，需包含不同意图、领域、难度及边缘情况。
- 一致性：同类任务应保持一致的响应格式和行为，避免发送矛盾信号。
- 去重与安全：去除重复样本，防止过拟合；扫描有害内容，避免模型内化偏见。
文章还提到，SFT 主要用于塑造行为（如遵循指令、特定语调），而非注入新知识（那是 CPT 的任务）。
「编程与Agent」频道最新
- 百行脚本实现离线维基百科 RAG，本地模型也能查资料 — mantisalt · 2026-08-27
- Hermes LCM 插件实测：17 万 token 压缩至 2.8k 且无损回溯 — iamrobotbear · 2026-08-27
- AI Agent 互相付款为何要稳定币：传统清算 T+2 到 T+60 太慢 — kleffew94 · 2026-08-27
- 因 Notion 频繁拦截 Agent，团队迁移至 Atlassian Confluence — corbtt · 2026-08-27
- 评测显示 OpenCode 会让开源模型变笨，Pi 框架表现领先 — PMinervini · 2026-08-27
- 拒付 144 美元续费，他用 Replit 一天自建 Grammarly — amasad · 2026-08-27