港科大与vivo联合提出的PreSelect数据筛选方法，通过训练一个基于fastText的评分器，实现了数据效率提升10倍，具有更高的客观性、泛化性和轻量化特点。
该方法以数据预测强度为指标，通过计算模型在不同任务上的表现一致性，筛选出对模型能力贡献更大的数据，显著提升了模型效果。
实验结果显示，PreSelect方法在多个数据集和模型参数规模下，均优于其他主流筛选方法，验证了其在提升模型性能方面的有效性。
港科大与vivo联合提出的PreSelect数据筛选方法，通过训练一个基于fastText的评分器，实现了数据效率提升10倍，具有更高的客观性、泛化性和轻量化特点。
该方法以数据预测强度为指标，通过计算模型在不同任务上的表现一致性，筛选出对模型能力贡献更大的数据，显著提升了模型效果。
实验结果显示，PreSelect方法在多个数据集和模型参数规模下，均优于其他主流筛选方法，验证了其在提升模型性能方面的有效性。
