EMNLP 2026杰出论文：NICT团队提出最优分布向量合并方法应对大模型数据配比难题

日本信息通信研究机构（NICT）宋海越及团队针对大模型训练中的数据配比问题，提出最优分布向量合并方法。文章指出，训练集中各数据集的配比需在训练前确定，但配比效果通常要等训练结束并评测后才能判断；若效果不理想，可能需要调整比例并重新训练，试错成本较高。该工作获EMNLP 2026杰出论文。

信源原题：EMNLP 2026 杰出论文 | 大模型训练，数据配比难？日本NICT团队提出最优分布向量合并