OptiMer获EMNLP 2026杰出论文奖

日本NICT宋海越团队的OptiMer获EMNLP 2026杰出论文奖，17,661篇投稿中仅22篇入选。该方法先分别在各类数据上持续预训练，提取模型与基座的参数差作为分布向量，再通过贝叶斯优化搜索数据合并比例；完成100次配比尝试需8.5小时。 报道称，按同等尝试次数折算，OptiMer较传统方法提速约1535倍；传统方法训练一个配比需129.3小时。

AI 根据报道生成 · 30 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。