标签
本文介绍了目标加权Neyman分配（TWNA），一种两阶段分层实验设计，通过优化各组和各处理臂的样本分配，提高人口迁移下目标加权组平均处理效应的估计精度。
本文提出一个利用大语言模型进行观点摘要的框架，该框架结合多维分类和分层采样，在降低令牌使用量的同时保持语义多样性和观点间的平衡。
提出SLAP，一种用于大型语言模型高效指令微调的新型数据选择框架，它评估批次可学习性并采用分层采样，以在减少20-40%训练数据的情况下实现卓越性能。