1 含有标签「datasets」

那个把你唯一的硬样本也顺便带走的近似去重过滤器

激进的近似去重过滤会将你最难的样本视为噪声。本文将探讨为什么去重流水线会在你恰恰需要覆盖的数据分片上悄悄收缩分布，以及如何防止它在自我评估时误判为“成功”。