从头构建大语言模型：Stanford CS336第14讲：数据过滤与去重 | Stanford Online

地层世界

合集 · Stanford CS336 | 2026 (16)

  1. 1:19:22
    从零构建语言模型｜Stanford CS336 Spring 2026 Lecture 1：概览与分词 | Stanford Online
  2. 1:17:25
    从零构建语言模型：Stanford CS336 Lecture 2 PyTorch (einops) | Stanford Online
  3. 1:29:14
    从零构建语言模型 | CS336 斯坦福课程 Lecture 3：架构详解 | Stanford Online
  4. 1:26:21
    从零构建语言模型：注意力机制的替代方案 Stanford CS336 Lecture 4 | Stanford Online
  5. 1:18:39
    从零构建语言模型：GPU与TPU实战 | Stanford CS336 第5讲 | Stanford Online
  6. 1:26:41
    从零构建语言模型：Kernels、Triton与XLA详解 Stanford CS336 Lecture 6 | Stanford Online
  7. 1:21:03
    斯坦福CS336从零构建语言模型 | 2026春 | 第7讲：并行计算 | Stanford Online
  8. 1:20:11
    从零构建语言模型 | Stanford CS336 第八讲：并行计算 | Stanford Online
  9. 1:17:57
    从零构建语言模型：Scaling Laws | Lecture 9 | Stanford CS336 | Stanford Online
  10. 1:25:30
    从零构建语言模型：Inference全解析 | Stanford CS336 Lecture 10 | Stanford Online
  11. 1:17:04
    从零构建语言模型：缩放定律详解 | Stanford CS336 Lecture 11 | Stanford Online
  12. 1:18:35
    斯坦福CS336：从零实现语言模型 | 第十二讲：模型评估 | Stanford Online
  13. 1:22:02
    从零构建语言模型｜斯坦福CS336第13讲：数据来源与数据集 | Stanford Online
  14. 1:24:46
    从头构建大语言模型：Stanford CS336第14讲：数据过滤与去重 | Stanford Online
  15. 1:19:55
    从零学语言模型：SFT/RLHF后训练详解 | Stanford CS336 Lecture 15 | Stanford Online
  16. 1:15:51
    从零构建语言模型：后训练与RLVR｜ Lecture 16 | 斯坦福CS336 | Stanford Online
Description 
来源：https://www.youtube.com/watch?v=5sxHosTLPF8
原标题：Stanford CS336 Language Modeling from Scratch | Spring 2026 | Lecture 14: Data
频道：Stanford Online
发布时间：2026-05-27

内容简介：
Stanford CS336《从头构建语言模型》系列课程第14讲，由Percy Liang教授与Tatsunori Hashimoto教授主讲。本讲聚焦于语言模型训练中的数据处理关键环节，涵盖：数据过滤（去除低质量/有害内容）、数据去重（消除冗余样本）、数据混合（不同来源/领域的比例调配）以及合成数据（使用模型生成高质量训练数据）等核心技术。跟随课程进度与大纲，学习构建语言模型时如何处理海量文本数据。完整课程播放列表见YouTube。