热点事件持续更新
DASA：无需人类可读文本微调 LLM 的合成数据方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 9 月 30 日，arXiv cs.AI 发布的一篇论文提出 DASA 方法，探讨人类可读文本对 LLM 微调是否必要。该方法的做法是：用冻结参考模型的激活梯度反馈，来优化连续合成输入嵌入，从而无需人类可读文本即可完成 LLM 微调。实验覆盖 Llama 与 Qwen 家族 6 个 1B–32B 规模模型、6 个涵盖知识、数学推理、代码生成和常识推理的 benchmark。结果显示，在与 LoRA 匹配的设置下，DASA 的性能与使用原始自然语言数据相当，部分配置下更优，且在多数比较中优于 GRADMM。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
论文称 DASA 在 6 个 1B–32B 模型、6 项 benchmark 上性能与自然语言数据微调相当。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.AI人类可读文本对 LLM 微调是必要的吗？
提出 DASA，用冻结参考模型的激活梯度反馈优化连续合成输入嵌入，无需人类可读文本即可微调 LLM。在 Llama 与 Qwen 家族 6 个 1B–32B 模型、6 个涵盖知识、数学推理、代码生成和常识推理的 benchmark 上，匹配 LoRA 设置下 DASA 性能与原始自然语言数据相当，部分配置更优，多数比较中优于 GRADMM。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。