IXThinker·2026-01-24 20:10

GIST算法高效選取大規模數據子集

大模型與計算機視覺的數據規模急增，處理成本高企。Google研究提出GIST子集選擇算法，從海量數據中高效選出兼具高多樣性與高實用性的代表性子集，用於模型訓練，成果發表於NeurIPS 2025。

算法原理

GIST全稱Greedy Independent Set Thresholding，透過理論可證明的優化機制，在保證資訊充分性的同時顯著降低計算開銷，並同時兼顧數據冗餘控制與任務相關性兩個目標。