已收录文章摘要，完整内容可前往原文阅读。
（本文阅读时间：8 分钟）在大语言模型 (LLMs) 的训练中，数据的高效利用是决定模型最终能力的关键。过去的很多研究将精力集中在“数据筛选”（Data Selection）上，也就是如何从海量互联网