NICT团队提出OptiMer方法获EMNLP 2026杰出论文

日本信息通信研究机构（NICT）宋海越及团队提出的OptiMer方法，通过合并分布向量替代持续预训练中的数据配比，获得EMNLP 2026杰出论文奖。该方法先在各类数据上分别进行持续预训练并提取参数差作为分布向量，再利用贝叶斯优化搜索最佳合并比例。据称，尝试100次配比仅需8.5小时，而传统数据混合训练完成一个配比需129.3小时，显著提升了效率。

AI 根据报道生成 · 28 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。