HuggingFace 研究员发现 DeepSeek 用 SmolVLM 筛选预训练图文数据
eliebakouch · x · 2026-09-10
Hugging Face 研究员 Elie Bakouch 阅读 DeepSeek 技术报告时注意到，DeepSeek 在预训练数据管线中用 SmolVLM 对图像-文本内容做严格质量评分，以抽取高质量交错数据。他认为这种对预训练数据的细致处理在其他模型的技术报告里很少见。
所属事件:DeepSeek 被发现用 SmolVLM 严格筛选预训练图文数据(3 条相关)→
「研究」频道最新
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26
- EMNLP 主题演讲背后：用语言模型「模拟学习者」生成儿童语言习得新假设 — najoungkim · 2026-10-26
- EMNLP 2026 主题演讲背后的论文：用 bigram 模拟语言习得 — najoungkim · 2026-10-26