[DataEvolver] Automatic Data Preparation for Large Language Models through Multi-Level Self-Evolving

类型：arxiv
标识：2606.07001
链接：https://arxiv.org/abs/2606.07001
主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag
主分类：engineering
形态：method
被引：2
被引来源：Semantic Scholar
S2被引：2
OpenAlex被引：0
影响力被引：0
TLDR：Experiments show that DataEvolver substantially improves data quality and achieves an average 10\% gain in downstream LLM performance compared with training on original data, highlighting new opportunities for the iterative co-evolution of LLMs and data.
OpenAlex ID：W7163869582
OpenAlex DOI：10.48550/arxiv.2606.07001
DOI：10.48550/arxiv.2606.07001
DOI来源：OpenAlex
开放获取：green
开放获取链接：https://doi.org/10.48550/arxiv.2606.07001
OpenAlex更新：2026-07-19
标题中文：DataEvolver：基于多层级自演化的 LLM 自动化数据准备
TLDR中文：实验表明，DataEvolver 显著提升了数据质量，相比在原始数据上训练，下游 LLM 性能平均提升 10%，凸显了 LLM 与数据迭代协同演化的新机遇。
待LLM分类：否
来源文件：
/inbox/jay/2026-06-13-weekly-briefing.md
[S2 enrich]
[OpenAlex backfill]

可复用信息

- 现有四种解决方案（last-writer-wins、evidence-weighted merge、await-confirmation、per-rule policy）均未明确声明隔离级别和写时异常。
- TOKI 用双时态运算符代数为四种启发式方法建立统一形式化框架，证明其隔离前置条件，并给出审计行（audit row）保证 replay 一致性。
- 发现所有含 LLM Judge 的系统在写时路径上至少存在三种异常之一，只有 content-addressed 引擎层比较器能规避——而 TOKI 是唯一同时规避三种异常且保留 Judge 的方案。
- 工程启示：构建 Agent 记忆层时，TOKI 是目前最严谨的理论框架，对生产系统设计有直接指导意义。
- 是否精读：⭐⭐⭐⭐⭐ · 强烈推荐 — Agent 记忆系统必读