「开源数据集」共找到 5005 篇相关文章
AI 驱动的大数据自治：TCInsight 智能应对复杂运维挑战
在大数据平台高速发展下，传统专家运维模式难应对复杂问题。腾讯专家工程师熊训德介绍大数据智能管家 TCInsight，其架构分三层，结合规则与专家系统提升自治能力，还分享实践案例，指出后续待优化方向。
OCR又出宠OpenDoc，速度超MinerU6倍
复旦开源的OpenOCR是面向通用OCR任务的开源平台，其OpenDoc是超轻量文档解析系统。它采用Pipeline模式，两阶段解析不易放大误差。UniRec - 0.1B有独特架构与分层监督训练等创新技术。
独家干货！Apache Iceberg未来蓝图：Open Lakehouse闭门会核心洞察
作者分享 Open Lakehouse 闭门会洞察，介绍 Apache Iceberg 现状与未来。2025 年 6 月发布 V3 规范，实现跨引擎操作。现正筹划 V4，有元数据优化、CDF 演进等方向，还探讨了 BLOB 类型和 Lance 格式融合等。
Nature子刊 Scientific Data | 九家单位联合打造！AeroFlowData
现有湍流数据库多聚焦中低雷诺数基础湍流问题，难应对复杂工程高雷诺数湍流挑战。西北工业大学联合八家机构建全球共享的高雷诺数湍流数据库AeroFlowData，结合多技术获取数据，收录近40类模型、超500种工况，数据近100TB。
可能是目前效果最好的开源生图模型，混元生图3.0来了
腾讯混元发布并开源原生多模态生图模型混元图像3.0，参数规模80B，是参数量最大的开源生图模型，也是首个开源工业级原生多模态生图模型，效果对标业界头部闭源模型。文中介绍其技术方案、测评效果等。
RXD大会首发北京：当硅谷还在谈论物理AI，西门子已重写工业规则
3月23日，西门子Siemens RXD大会在北京开幕。西门子首席执行官博乐仁称，AI是通用型技术，公司有贯通硬软件与数据的技术栈。大会发布26款新品，多指向硬件，还展示了数字孪生等应用，凸显数据和行业知识重要性。
不吹不黑，在Agent任务上，kimi 2.6确实让我忘了Claude。
Kimi K2.6发布并开源，代码和Agent能力提升。作者测试发现，它在部署Claude Code源码、网站生成、多智能体任务等方面表现出色，审美提升，思维活跃，还能复刻文档风格，开源释放了前沿编程能力。
港大×复旦×上交：视触觉融合+闭环纠错，让机器人双臂协作不再「盲操」
港大联合复旦、上交大提出TAMEn，在UMI框架上全方位升级，构建视触感知融合等数据闭环，打通数据采集到再训练链路。其三层闭环让机器人学得更快准高效，在双臂协作任务中提升成功率。
用于评估AI Web渗透测试能力的工具：XBow Bechmark,比靶机更好
文章介绍了用于评估AI Web渗透测试能力的XBow Benchmark，它已在github开源。该基准含104个Web安全挑战，涵盖多种漏洞，设计确保可重复性和状态持久性，其评估能力获广泛认可，还介绍了开源内容等。
OpenAI 黑科技 Deep Research 诞生记：一个工程师的“不务正业”如何改变 AI 战争格局
OpenAI宣布美国用户可免费使用集成于ChatGPT的AI研究助手Deep Research。OpenAI负责人分享其背后故事，探讨起源、人类专家数据作用等，还提及RFT时机、代理安全性等，并展望其能访问私有数据，适用于具体任务。