SFTProbe：将推理 LLM 的 SFT 数据生成从数周缩短至数小时
原文标题：From Weeks to Hours: Fast and Principled SFT Data Generation for Reasoning LLMs
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 SFTProbe，绕过「先生成再过滤」的昂贵流程，直接预测推理数据质量。它用简短 LoRA 适配并仅评估每条推理轨迹 5% 的损失，即可估计难度与多样性，并给出教师模型选择准则。实验将数据整理时间从数周降至数小时：5k 生成样本即可匹敌 OpenThoughts-Math 中 89k 高过滤样本，7.5k 样本准确率高出 2.5%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SFTProbe 用 5% 轨迹损失预测推理数据质量，5k 样本匹敌 89k 高过滤样本
- •仅需简短 LoRA 适配，并评估每条推理轨迹 5% 的损失，即可估计难度与多样性
- •数据整理时间从数周降至数小时，绕过「先生成再过滤」的昂贵流程
- •数学推理上 5k 生成样本匹敌 OpenThoughts-Math 的 89k 高过滤样本
- •7.5k 样本准确率比基线高 2.5%
- •基于预训练 LLM 处于低秩各向异性损失盆地的几何视角，并给出教师模型选择准则
为什么重要：SFT 数据筛选是推理模型后训练的主要成本项，若该方法可复现，将显著压缩数据管线周期与算力开销。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。