每个样本都重要：利用专家混合模型和高质量数据实现高效准确的代码语言模型

本研究解决了在代码大型语言模型（LLM）中性能与效率之间的权衡问题。论文引入了Ling-Coder-Lite，这是一种结合专家混合架构和高质量数据的方法，能够在多个代表性的编码基准上提供与先进模型相当的性能，同时减少50%的资源部署需求。该研究的开源模型和数据为后续研究提供了重要的支持。