「高质量数据集」共找到 4306 篇相关文章
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。
告别传统存算分离，AI时代数据底座迎来全新底层逻辑
文章围绕AI时代数据底座变革展开。指出传统大数据平台难适配AI，存在数据够不着、模型用不好等问题。阐述AI时代基础设施变化，如数据形态、计算模式等。还探讨底座升级条件、存储挑战、算子价值及未来标准层等内容。
CMAME | 西安交通大学海春龙、梅立泉等：基于分层神经网络的在线多保真度数据融合
在工业应用中，高保真数据获取成本高，低保真数据准确性不足。本文提出基于分层神经网络的在线多保真度数据融合方法（OMA - HNN），含MA - HNN和在线渐进采样框架，经测试验证了其有效性和实用性。
40.9K Star 数据可视化神器！Json数据处理领域的“瑞士军刀”！
在数据驱动场景中，解析复杂嵌套JSON结构费时费力。GitHub上标星40.9K的开源工具JSONCrack，能将JSON数据可视化为交互式节点图，还有转换、格式化等功能，使用简单，应用场景广。
柔体操作最缺数据、最怕仿真失真？新研究让布料物理真实再现
上海AI Lab的SIM1研究实现布料物理性质真实再现，解决仿真数据与真实场景对齐问题。它提出real - to - sim - to - real新范式，通过闭环流程生成数据，能扩展轨迹、提升泛化能力，有望重新定义机器人数据天花板。
立足影视文化产业，联动科技，超前布局，推动建设北京视听数据可信空间！首创郎园这样为企业服务——
在2025中国广播电视精品创作大会期间，‘中国视听数据资产化主题研讨’活动举办，‘北京视听数据可信空间’启动建设。该空间是全国首个聚焦大视听产业的可信数据空间，为视听产业数据要素市场化配置助力。
亿级短视频数据突破具身智能Scaling Law！Being-H0提出VLA训练新范式
真机数据匮乏使具身智能VLA模型发展受限，现有真机数据与所需上亿级训练样本相差甚远。BeingBeyond团队提出创新性方案，利用人类视频手部数据构建数据集，训练出VLA模型Being - H0，经实验验证效果良好。
香农、信息论、AI、Scaling Law，以及信息的观察者效应
文章围绕经典信息论在AI实践中的矛盾展开，介绍CMU和NYU论文《From Entropy to Epiplexity》提出的新概念，解释合成数据、数据排序等问题，还探讨合成数据飞轮能否持续，指出epiplexity可定义数据质量。
GenAI 退烧后，这家企业正在用 “数据平台” 重构AI2B的底层逻辑
GenAI浪潮下，企业级AI落地难。矩阵起源举办新品发布会，其CEO王龙指出落地瓶颈已从大模型转向私域数据。该司推出MatrixOne和MatrixOne Intelligence，构建“数据智能飞轮”，MOI三层架构可打通数据到业务落地流程，还通过案例展现其解决实际痛点能力。
Reasoning模型可以Self-Train！
当前大模型依赖人类标注数据，成本高且扩展难。论文探讨模型自我纠错、自主进化可能，提出自我奖励训练（SRT），用投票共识代替人类标注。在数学数据集上有效果，但高难度数据集出现问题，作者给出解决办法并开源代码。