本研究提出了一种动态数据集修剪方法，解决了对比预训练中的数据效率问题。实验结果表明，该方法在多个下游数据集上优于传统静态选择方法。

本研究提出了一种动态修剪词汇的方法，以提高大型语言模型的推理效率，解决了词汇量大带来的计算成本问题，同时保持模型性能。这一发现有望显著提升实际应用中的推理效率。