数据合成与流水线进阶追问
Self-Instruct 的核心流程是什么？为什么需要多样性过滤？
原题Evol-Instruct 的 In-Depth 和 In-Breadth 分别怎么做？
原题Rejection Sampling 和 GRPO 的 online sampling 有什么本质区别？
原题Constitutional AI 的监督阶段和 RL 阶段各自解决了什么问题？
原题DataFlow 的 200+ 算子覆盖了哪些领域？
原题五道防线分别管什么？哪一道是你认为最不可替代的？
原题合成数据的 mode collapse（模式塌缩）怎么检测和防止？
原题如果教师模型本身生成的轨迹有错误，你怎么处理？
原题去污染除了 n-gram 重叠检测，还有什么方法？
原题原子 QA 为什么要求"答案必须是数值/日期/唯一实体名"？
原题来源对纯数值答案的保留或过滤要求不一致。
"不给文档答不出+给文档能答出"这个双重验证的设计动机是什么？
原题Dependency Irreducibility 怎么实现？只去掉一个文档够吗？
原题GoAfar 的 GPT-4o 教师轨迹生成中，过滤比例大概多少？主要被什么条件挡掉？
原题AgentGuide 的"LLM 自动抽取高频知识点"算是哪种数据合成方法论的简化版？
原题如果让你在 TinyClaw 里用数据合成改进 Skill，你会怎么设计数据 pipeline？
原题
暂无题目