IterSelectTune：一种高效的迭代训练框架用于选择指令调优数据

本研究提出了IterSelectTune框架，通过对约20%的数据进行微调，减少了选择高质量指令数据的人力投入。该方法无需人工或仅有限依赖GPT-4，显著提升性能并降低计算资源消耗，在多个基准测试和公共数据集上表现优于全数据集微调的模型。