「数据抓取」共找到 2492 篇相关文章
训练数据量降低1万倍，谷歌提出超高质量数据主动学习方法
将大模型应用于特定领域需数据微调，但筛选高保真训练数据难度大、成本高。谷歌提出新主动学习筛选流程，能将训练数据规模降1万倍，还提升模型与人类专家一致性。经实验验证，该方法效果显著。
NeurIPS 2025 Spotlight | 只需一条演示，DexFlyWheel框架让机器人学会「自我造数据」
北京大学、哈工大联合 PsiBot 灵初智能提出 DexFlyWheel 框架，仅需单条演示就能自动生成多样化灵巧操作数据，缓解数据稀缺问题，已被 NeurIPS 2025 接受。此框架在成本、效率和数据多样性上优势明显。
突破遥操瓶颈！全新无本体数据世界动作模型Noe-0发布
穹彻智能发布世界动作模型 Noe - 0，全链路采用无本体采集数据。其数据来自真实环境，配合 World Action Model 架构和 AI - Native 数据基础设施，跑通从真实世界经验到机器人能力转化的完整链路，是具身智能的里程碑。
5个月估值翻10倍，AI数据赛道跑出一家新独角兽
成立约18个月的AI训练数据公司AfterQuery正筹新一轮融资，估值达32亿美元，5个月涨超10倍。它最初想开发AI智能体，后转收集训练材料。此赛道已有多家高估值公司，且数据隐私和安全风险待解。
EMNLP 2026高分论文MathDebugger：当合成数据涌入训练集，如何为数学题做体检？
随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。
全国首部“数据流通交易合规”标准，现公开征集起草单位和专家！
2026年是数据要素价值释放年，数据资产交易却面临合规与安全难题。中国电子商会归口、智合标准中心组织编制《企业数据要素流通交易合规指南》团体标准，涵盖多核心模块，有三大亮点，现征集起草单位和专家。
工业级 LLM 数据工程：北京大学 DCAI 团队 DataFlow 框架的架构设计与实践
2026 年大模型研发从‘模型中心’向‘数据中心’演进，数据语义密度与工程精度成突破关键。北京大学 DCAI 团队推出 DataFlow 框架，解决数据准备难题，其技术报告登顶 Hugging Face。该框架有多种特性，实验验证其能提升模型性能。
AI大模型浪潮下的认知重构：从一个数据老兵的转型思考
作者作为数据老兵，分享接触 ChatGPT 后的转型思考。指出 AI 使编程、数据分析师岗位巨变，填鸭式教育不再适用。强调认知结构是护城河，还探讨了 ETL、数据建模及 AI 原生产品变化。
3 层人群定位 × 5 种赋能手段，企业全员数据能力提升指南 | 极客时间企业版
在AI重构商业规则的当下，数据能力是企业核心竞争力关键。极客时间针对企业数据人才培养痛点，打造全链条数据人才培养体系，分层赋能三类人员，提供多种培养方案和赋能手段助力企业升级。
SOTA级的Embedding模型！F2LLM模型、数据、代码全部开源，人人可用
Embedding 模型应用广泛，但主流模型训练困难。蚂蚁集团与上海交大推出 F2LLM，含 0.6B、1.7B、4B 系列模型，仅用六百万数据微调基座，在 MTEB 榜单领先且完全开源。介绍了其数据、训练、测评等情况。