预训练数据处理对于大型语言模型（ LLM ）的下游性能至关重要。然而，许多现有方法在语料库或域级别定义了固定的处理策略，并将其统一应用于许多示例，而不适应每个示例的需求。我们提出DataOrchestra ，这是一个统一不同处理操作并协调示例的框架

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.24717v1)获取最准确的信息。

---
🔗 **原文链接**: [DataOrchestra: Learning to Orchestrate Per-Example Curation ](https://arxiv.org/abs/2607.24717v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Zhen Huang, Yikun Wang, Shijie Xia, Pengfei Liu

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-28 14:02