arXiv Artificial Intelligence· Chao Deng, Shaolei Zhang, Ju Fan, Xiaoyong Du·2026-10-15 12:00· 19 小时前AI 评分27

DataEvolver：通过多级自演化实现大语言模型自动数据准备

DataEvolver: Automatic Data Preparation for Large Language Models through Multi-Level Self-Evolving

AI 导读

DataEvolver 是一个通过多级自演化自动构建数据处理流水线的数据准备系统，在算子层面扩展算子库并优化逻辑计划以解决依赖冲突，在流水线层面将计划实例化为代码并利用试运行输出反馈迭代优化。在七个基准上，其数据质量显著提升，下游 LLM 性能相比原始数据训练平均提升约 10 分。