斯坦福CS329Z第12讲讲Agent训练数据筛选

X 用户 meng shao 发帖整理了斯坦福 CS 329Z 第 12 讲「Data Selection & Quality」的内容，讨论 Agent 训练中哪些任务值得做强化学习、哪些轨迹值得模仿学习，以及数据该重数量还是重质量。 据其整理，讲义给出的结论是：数据量少时精挑细选更有用，规模上去后数量和多样性更重要。讲义还附有五步检查清单：检验任务有效性、筛出合适难度、审查成功轨迹、保留失败轨迹、保持来源多样。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。