标签
本文介绍了GLOBE，一种轨迹对齐的核心集选择框架，它利用跨多个检查点的梯度轨迹和多阶匹配与结构化稀疏优化来选择紧凑且具有代表性的训练子集，在六个基准上优于现有方法。
本文提出了一种面向LLM基准的子模核心集选择方法，该方法在不使用模型评估结果的情况下选择提示子集，在35个基准和18个LLM上实现了分数保持。