「训练数据污染」共找到 3919 篇相关文章
近 2w Star，隐私优先，打工人新选择！
云端AI会议工具存数据泄露风险，Meetily项目主打100%本地处理，解决隐私短板。它是开源AI会议助手，能实时转录音频、区分说话人、生成摘要，数据不离开设备，在GitHub获近2万Star。
Lady Gaga进军AI生物科技：用“活体皮肤”训练模型，筛选抗衰老成分
当地时间8月21日，美国歌手Lady Gaga公开参与创办的生物技术公司Outer Biosciences及核心平台Yuna，该司用机器学习等结合离体人体皮肤，从海量化合物中找新护肤成分，已融资约2300万美元。
DataBuddy：数据语义驱动的企业 Agent Runtime 设计与落地｜AICon 深圳
2026年AICon深圳站8月21 - 22日举办，聚焦多关键方向。腾讯彭锦文将分享《DataBuddy：数据语义驱动的企业Agent Runtime设计与落地》，拆解DataBuddy相关架构，还介绍演讲痛点、听众收益等，大会有10个专题论坛。
从“写SQL”到“聊数据”：NL2SQL如何用自然语言解锁数据库？
文章阐述NL2SQL技术让非技术背景业务分析师自助查询数据，提升决策效率。介绍其定义、发展历程，剖析核心挑战与解决方案，如模式链接、复杂查询理解、提示词工程等，还提及RAG等技术应用。
多模态后训练反常识：长思维链SFT和RL的协同困境
华为与香港科大研究发现，多模态视觉语言模型中，长思维链SFT与RL组合难协同增益。研究引入难度分类方法构建数据集，分析各方法表现及组合策略困境，还给出实验发现与未来研究方向。
如何为 GPU 提供充足存储：AI 训练中的存储性能与扩展性
文章分析 MLPerf Storage v2.0 测试结果，探讨不同存储系统在 AI 训练中表现。在满足 GPU 利用率阈值下，能支撑更多 GPU 的存储系统扩展性与稳定性更强，还需关注资源利用率。以太网存储方案灵活且成本效益高。
Pinterest 利用内容指纹技术，在数百万个域名中实现 URL 去重
Pinterest工程师开发“最小重要查询参数集”（MIQPS）URL标准化系统，用于优化大规模数据采集管道内容去重。它取代传统方法，用数据驱动判断参数重要性，还采用早期退出逻辑等提高效率。
告别「利用率崩溃」：GIPO开启大模型强化学习高效训练新方法 | ICML 2026
树根科技与三一集团团队联合提出 GIPO 算法，在机器人操控及大语言/视觉动作模型强化学习训练中，缓解了策略滞后痛点，改善了 PPO 硬截断引发的‘利用率崩溃’问题。介绍了 GIPO 算法原理、优势及实验结果。
2025 AI Agent全景报告：50+权威数据，85%企业已上车、发展趋势预测！
index.dev发布AI Agent调研报告，盘点50多个关键数据，涵盖应用趋势、场景、工作流等。截至2025年，85%组织集成AI Agent，市场价值73.8亿美元，预计2032年达1036亿美元。报告还分析技术栈各层应用及市场趋势。
最新 AGI 暴论：强化学习的「GPT-3 时刻」实现，还需要 1 万年？
国外AI初创公司Mechanize三位创始人联合撰文称，RL或迎“GPT - 3时刻”，但需数千至上万年“模型处理任务所用时间”训练。还提出“复制训练”新范式，能磨炼模型能力，补足短板。