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
- 普渡大学打造无 GPS 穿林追踪跑者的自主无人机,LiDAR 全部上芯片 — KordingLab · 2026-10-26
- 研究:LLM 推荐药物集中于同一品牌,均值占比达 97.5% — EricTopol · 2026-10-26
- Papers with Code 宣布开源，采用 Apache 2.0 许可证 — NielsRogge · 2026-10-26
- 斯坦福 NLP COLM 2026 主题演讲:可解释性从被动观测转向因果干预 — stanfordnlp · 2026-10-26
- 中科大论文:若矩阵乘法指数低于 9/4,格密码筛法也将提速 — jedisct1 · 2026-10-26
- LLM 文本水印经典实现:GitHub 开源水印与检测算法 — adnan_hashmi · 2026-10-26