本文探讨了数据过滤对模型性能的影响，研究表明，适当修改训练方法并重复使用经过严格过滤的数据集，可以在不同计算预算下超越使用更大数据集的效果。此外，优化文档计数可提升数据集质量，尽管大语言模型不断扩展，数据过滤仍是重要的研究方向。