# 华为 GTS 在 ICML 2026 发了一篇用推理熵值动态挑训练样本的方法，Amazon 和 Google 的作者也跟进了类似思路

> 原标题：ICML 2026 | 华为GTS提出AI训练数据新方法，Amazon/Google作者团队「光速跟进」：难度自适应训练正在成为新范式

- 来源：机器之心 · 公众号
- 发布时间：2026-05-18T04:47:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/22624
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651033590&idx=3&sn=328d4b6d0bc0e9fd4db90cd6022f45a6

## 摘要

这篇论文提出了一种叫 EDCO 的动态课程微调方法，核心是用模型推理时的“熵值”来判断样本难度，自动挑出当前模型最该学的数据，而不是靠人手动分阶段。他们搞了个前缀熵值估算，把每一条样本的评分时间从 2.24 秒压到了 0.37 秒，省了不少算力。

## 推荐理由

华为GTS提出EDCO动态课程微调方法，用推理熵值判断样本难度自动挑选训练数据，其前缀熵值估算把单样本评分时间从2.24秒降到0.37秒。

## 锐评

2.24 秒压到 0.37 秒，省八成多，这个数比方法本身有意思。用推理熵挑样本思路不新，卡人的地方是给每条样本打分太贵，贵到筛数据比训练还费算力，方法就落不了地。前缀熵估算把这一步砍到六分之一，动态课程微调才算进了能跑的预算。Amazon 和 Google 的人跟进，大家卡的是同一处。我信这个方向，但只信到工程层面，泛化验证没看到之前，先当省算力的工具用。
