搜索：高质量数据集

「高质量数据集」共找到 4307 篇相关文章

LLaVA-OneVision-1.5全流程开源，8B模型预训练只需4天、1.6万美元

灵感实验室团队联合 LMMs - Lab 推出 LLaVA - OneVision - 1.5，全流程开源。其 8B 模型预训练 4 天、成本 1.6 万美元，在多模态基准上性能优，还公开数据构建与训练策略等细节，复现简单。

腾讯自用低代码平台无极，平均每天上线1.2个新系统，用户覆盖1/3员工。它去模板化，从数据结构设计开始，数据推导UI，有灵活编辑器，支持渐进式开发，具备集成性和开放性，还有AI赋能。

近年来，视觉 - 语言模型在2D图像理解有突破，但3D视觉语言模型面对复杂场景不足。为此上海大学团队提出3D - R1模型，它基于新数据集和策略构建，有强多任务三维理解能力，不过也存在进步空间。

在人工智能模型规模持续扩大的今天，数据集蒸馏方法能提升训练效率、降低成本，但蒸馏模型在安全性要求高的任务中抗干扰难。北航上海AI Lab团队提出ROME方法，无需对抗训练，显著提升模型鲁棒性，成果被ICML 2025接收且已开源。

文章复盘 AGIX 方法论，其指数年初至今回报优，跑赢多行业指数。Mega 7 公司在 AI 发展中分化，市场为“AI 确定性”买单。AGIX 持仓分三板块，其高成长伴随高波动，但风险收益比佳。

腾讯与清华联合论文入选USENIX ATC '25，阐述稳定运行多年的TGW网关架构，展示无损迁移、故障自愈及定位系统。该架构应对业务流量挑战，有高性能、高可用等特性，还分享运营经验。

微软官宣在Excel引入全新的=COPILOT()函数，用自然语言提需求就能让其干活。它内置在Excel引擎，能与现有函数协作，还可自动刷新结果。网友称这将改变数据分析，让Excel再次伟大。

近期国产半导体项目IPO速度加快，政策为产业打通资本血脉。本文以屹唐、摩尔、沐曦为例剖析热潮内核，指出企业有技术依赖、财务亏损等问题，IPO后还面临估值高、技术泡沫、地缘政治风险。

文章详细介绍大型语言模型（LLM）微调知识与实践，包括模型结构、参数量等知识，以及Prompt工程、数据构造、LoRA微调等技术点。还给出微调实践流程，介绍相关平台和框架，如星云、TuningFactory等。

《排行榜幻觉》论文指出Chatbot Arena存在问题，如少数大厂私下多版本测试选最优、数据访问不平等、用Arena数据训练可提性能、模型被大量静默弃用等，研究团队给出改进建议，官方也进行了回应。