논문 정보
- 날짜:
2026-04-14 - 카테고리: -
- 우선순위 점수: 1.633
핵심 요약
포스트 트레이닝 데이터셋 간의 진화적 관계를 추적하기 위해 멀티 에이전트 기반의 데이터 리니지 프레임워크를 제안합니다. 대규모 분석을 통해 도메인별 구조적 패턴과 벤치마크 오염의 전파 경로를 확인하였으며, 이를 통해 데이터 중복 문제를 규명했습니다. 리니지 정보를 활용하여 상위 소스에서 샘플링함으로써 데이터 다양성을 높이고 하위 데이터의 균질화를 방지하는 방법론을 제시합니다.학습자 관점 포인트
- 우리 팀 영향: 데이터셋 간의 계보를 파악함으로써 학습 데이터의 중복을 제거하고 벤치마크 오염을 사전에 차단하는 체계적인 큐레이션 전략 수립이 가능합니다.
- 권장 액션: 실험
- 액션 근거: 기존의 샘플 단위 비교보다 효율적인 그래프 기반 분석을 통해 고품질의 독창적인 학습 데이터를 선별할 수 있는 실무적 가치가 높기 때문입니다.
원문 링크
- arXiv: https://arxiv.org/abs/2604.10480
- Hugging Face Papers: https://huggingface.co/papers/2604.10480