「大规模数据」共找到 6816 篇相关文章
大模型已经够聪明了，为什么 95% 的 AI 项目还是跑不出 ROI？
2026年AI落地现悖论，模型能力强但多数项目难有ROI，原因是数据未准备好。腾讯云在AI产业应用大会宣布升级全栈数据平台，推出DataBuddy，可在多场景实现对话即交付，解决数据问题助力AI落地。
30余家单位确认加入，国内首部AI数据标注标准欢迎参与起草！
数据标注对AI产业发展至关重要，但行业存在合规问题。国内首部AI数据标注合规标准《面向人工智能的数据标注合规指南》应运而生，草案稿研讨会已召开，30余家单位已加入，现诚邀相关单位参与起草。
性能飙升42%！人大&字节开源10万级 SWE数据集 Scale-SWE
近期，人大和字节开源10万级软件工程数据集Scale - SWE，用首创工作流从GitHub构建真实数据。基于此微调的Qwen3 - 30A3B - Instruct模型测试表现佳，其数据相比合成数据优势明显。
The Batch: 849 | 用于训练网页智能体的生成数据
开发网页智能体常需大量人力标注训练样本，卡内基梅隆大学与亚马逊团队实现训练数据生成自动化。他们构建数据集，通过智能体工作流程生成数据，微调后 Qwen3 - 1.7B 表现出色，还公开数据与方法。
重磅团队领衔，国内首部人工智能软硬件跨境数据标准启动编制！
随着AI技术发展，智能软硬件跨境数据流动频繁，数据合规问题凸显。国内首部《人工智能软硬件跨境数据合规指南》团体标准启动编制，以大厂经验为蓝本，提供可落地方案，解决实操难题。
揭秘 Uber 跨区域数据湖与灾难恢复机制：350PB 数据、数百万事件、单一系统
Uber构建的HiveSync是分片式批量复制系统，能让Hive和HDFS数据跨区域同步，每天处理数百万Hive事件。它基于Airbnb ReAir扩展，分离控制与数据平面，有复制和数据修复两组件，未来计划拓展到云端。
全球首个真实世界具身多模态数据集，它石智航交卷，比特斯拉还早6个月
它石智航发布全球首个大规模真实世界具身VLTA多模态数据集WIYH，将于2025年12月开放。该数据集突破大，特点鲜明，优势明显，其发布填补数据空白，奠定以人为本范式。
AI真能搞钱了！这家公司把大模型玩成闭环赚钱机器
当全行业还在卷大模型参数、烧算力时，零犀科技走出不同路。其自研因果大模型，用AI智能体帮企业提升销售。2025年已实现规模盈利，成为最早跑通商业闭环的大模型应用公司。
真正面向大模型的AI Infra，必须同时懂模型、系统、产业｜商汤大装置宣善明@MEET2026
商汤大装置副总裁宣善明在MEET2026大会分享进展，强调大模型时代AI Infra要解决算力高效支撑问题。商汤战略“1+X”，大装置有优势，算电协同成果好，还推动国产化适配，产业落地成果多。
SnapMoGen：44 小时动作数据 + 12 万文本注释，文本驱动动作生成数据集
近年来文本驱动动作生成有进展，但受限于数据集质量。Snap团队提出SnapMoGen数据集和MoMask++模型。前者有2万条动作片段和12.2万条文本描述，后者建模更有效，还结合LLM提升适用性，但二者都有局限。