数据选择编辑
可靠性约束下的训练与评估数据选择。
数据选择 是为训练、剪枝、评估或合成数据复用选择样本的过程。选择可以降低成本、提升质量，但有偏选择也会扭曲模型对目标分布的理解。
研究背景编辑
数据选择是 数据中心 ML、AI 与网络 和 合成数据 研究中的共同问题。在去中心化或数据孤岛设置中，选择通常是局部的：每个参与方只看到一部分数据，并按本地目标或约束选择样本。因此，选择不是单纯的统计预处理，而是网络化学习问题的一部分。
与乔鑫宝工作的关系编辑
数据选择出现在 样本选择偏差何以促成模型坍缩 中：有偏的本地选择会加剧递归合成数据训练的分布退化，并使低资源社区更容易发生尾部模式损失。在机器遗忘论文中，选择又以删除或重加权的形式出现。