「高质量数据集」共找到 4417 篇相关文章
开源多模态推理「破壁」时刻：MMFineReason助力4B逆袭30B
长期以来，开源多模态模型在复杂推理任务上与顶尖闭源模型有差距，核心痛点是高质量推理数据匮乏。上海AI实验室OpenDataLab团队开源MMFineReason框架及大规模数据集，小模型凭此实现性能逆袭。
独家｜红杉领投，智元旗下具身数据平台业务觅蜂科技获数亿元融资
AI科技评论独家获悉，智元机器人旗下具身智能数据平台觅蜂科技完成数亿元种子轮与天使轮融资，由红杉中国领投，多家资本跟投。此次融资用于技术研发等，觅蜂已布局全类型数据，还将建立数据联盟。
OpenAI浏览器换壳杀回！高管改用ChatGPT上网，效率从未这么高
Atlas关停不到一个月换壳回归，核心高管Tibo称ChatGPT桌面版成主力浏览器，效率极高。这源于OpenAI把浏览能力融入ChatGPT。它不再执着造独立浏览器，而是围着Chrome，争用户数字身份。
振臂一挥，大半个具身机器人圈都来了！智源研究院：别藏了，谁贡献数据多，谁的大脑就更好用
2025智源具身智能Open Day上，智源研究院院长邀厂商共享数据，称谁家贡献多，具身大脑在其机器人上更好用。智源无商业包袱，开源数据、统一评测，布局具身大小脑体系，欲做具身智能“安卓”。
20亿美金苏度科技具身首秀即大招！0真机数据，zero-shot，跑出98%首次抓取成功率
苏度科技发布软硬件全栈自研的机器人系统R1，采用世界模型与强化学习一体化设计，在不使用真机数据的前提下，实现关键任务近100%的Zero-shot成功率。苏度团队通过重新定义数据范式，解决了具身智能发展的核心瓶颈。
别再嫌弃MySQL了！AI时代，当DuckDB拥抱MySQL
本文围绕MySQL DuckDB引擎展开，介绍其产品形态演进，如推出只读与主实例。阐述主实例在Binlog适配、高可用与数据安全、数据入库、兼容性等方面能力，还分享出行平台实践，提及未来数据湖集成方向。
Agent RL和智能体自我进化的关键一步: TaskCraft实现复杂智能体任务的自动生成
当前智能体训练缺高质量任务数据，主流数据集依赖人工标注，规模和复杂性受限。OPPO 研究院提出 TaskCraft 框架，能自动生成智能体任务，构建并开源含约 41,000 条任务的数据集，支撑智能体训练评估。
哈萨比斯出的难题，GPT之父接上了：用一个知识停在1930年的模型
GPT之父Alec Radford等用1931年前数据训练13B模型Talkie，切断现代知识污染。研究者测试其能力，探讨它对未来的“预感”、规避污染问题及数据多样性等，同时训练中也面临时间泄漏、数据质量等难题。
具身数采，为什么开始重视外骨骼手套？
本文围绕具身智能数据采集行业痛点，探讨外骨骼手套兴起的原因，分析传统数采方案的不足，介绍外骨骼硬手套的技术路线与同构设计方案，点明高精度触觉数据是下一阶段行业稀缺资源。
高性能计算群星闪耀时
文章介绍高性能计算（HPC）对大模型的重要性，回顾中国HPC发展历程，讲述清华高性能所郑纬民等学者贡献，还提及团队在大模型训练、推理、存储等方面成果，以及类脑计算等新探索。