#数据清洗

共 5 条 · 7 天 0 条 · 30 天 0 条

信息流里打上「数据清洗」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月2日

蚂蚁这套宽表系统能一次性处理35PB语料，效率提升5.6倍，再也不用为洗数据熬夜了。

量子位@量子位的朋友们原文

7月28日

这篇论文提出了DataOrchestra，能针对每个数据样本定制清洗流程，在多个模型和基准上都有提升，还节省算力。

arXiv cs.AI@Zhen Huang 等 4 人原文

这篇论文在开源数据剖析工具 Desbordante 里加了概率函数依赖发现，对比了传统近似依赖，做数据清洗的话可以看看具体差异。

arXiv cs.LG@Ilia Barutkin 等 5 人原文

7月13日

一个开发者提议搞个AI自动扒代码和文档，专治企业数据清洗最脏最累的活。

Yangyi@Yangyixxxx原文

6月3日

论文精选72°11:54

这项研究挑战了数据清洗的行业惯例，做大模型训练的团队值得关注——或许可以省下大量清洗成本，直接喂原始数据。

向阳乔木@vista8原文