搜索：训练数据合成

「训练数据合成」共找到 3988 篇相关文章

Jina 第4版：多模态向量检索，统一适配，挑战3大任务

Jina第4版基于Qwen2.5 - VL模型扩展，支持单向量和多向量输出。它经对比学习和任务特化训练，推理时可按需选LoRA适配器，能利用多模态处理能力优化不同任务性能。

最近AI绘画风很大，有人喊“人类要失业”，但郭奕彤带着《合成图像家庭》站出来打脸。他用碳笔勾勒‘毕加索版’大耳朵图图，让AI‘打辅助’，还给电视装‘随机盲盒’系统定制影像。

当AI智能体走向真实应用，前沿风险藏于复杂长尾场景，难以靠人工覆盖。创智、复旦、牛津联合发布AutoControl Arena框架，自动合成可执行测试环境，还构建X - BENCH验证，已在GitHub开源。

谷歌官宣Gemini全面升级版Workspace体验，全线接入Docs、Sheets、Slides。在SpreadsheetBench测试中成绩出色，谷歌Workspace更个性化实用。新功能覆盖文档、表格、幻灯片及云盘，还明确数据边界，欲定义下一代办公软件。

半结构化表格布局多样、结构复杂，让自动化数据处理困难。上海交大等团队发布 ST - Raptor 框架，提出 HO - Tree 数据结构及树上操作，构建 SSTQA 数据集，提升表格问答准确率，弥补大模型处理短板。

吴恩达称并行 Agent 是扩展 AI 新方向。过去 AI 靠数据和计算量提升能力，如今并行 Agent 能在不增加用户等待时间前提下提升效果，虽任务分解有难点，但研究不断涌现。

本文从不完全学习现象出发，展望SFT领域未来研究方向，如未知根因探索、检测方法改进等，还提及推广到其他训练范式、CPT精细化研究等，给出研究优先级和社区建议。

华中科技大学联合阿里安全部提出Vulcan方法，一改传统压缩策略，通过“先训练再剪枝”实现ViT近乎无损的类特定压缩，为大模型服务小场景提供新路径，论文已被ICLR 2026接收。

加州大学旧金山分校团队提出CellTransformer算法，几小时完成5只小鼠脑图谱绘制，还绘出新脑区。该算法能准确对齐已知脑区，可扩展到多动物数据集，未来有望用于人类大脑及其他器官研究。

今天凌晨，OpenAI联合创始人宣布与美国联邦政府达成合作，为各机构提供ChatGPT服务，每年仅收1美元。此为《美国AI计划》一部分，能实现政务流程自动化，还保障数据安全。