谷歌发布大模型数据筛选方法：效率提升13倍，算力降低10倍 随着GPT-4o、Gemini等多模态大模型的出现，对训练数据的需求呈指数级上升。无论是自然语言文本理解、计算机视觉还是语音识别，使用精心标注的数据集能带来显著的性能提升，同时大幅减少所需的训练数据量。JEST在多个任务上都取得了显著的数据筛选效率，例如，当过滤90%的数据时，JEST仅需使用6700万样本即可达到传统方法使用30亿样本的性能水平，相当于效率提升13倍和算力降低了10倍，同时还能帮助大模型提升大约6%的性能。