「数据产业」共找到 3029 篇相关文章
震撼发布！最大人体动作数据集 MotionMillion 正式登场
上海交通大学研究团队构建高效标注流程，发布最大人体动作数据集MotionMillion，含超2000小时、200万条文本 - 动作配对数据。还推出评测体系MotionMillion - Eval，训练70亿参数动作生成大模型，刷新SOTA。
AI产业正在围着OpenAI和Anthropic两家公司打转
过去半月AI行业看似平静，实则产业结构正密集重组。OpenAI、Anthropic成算力黑洞，众多公司围绕其开展业务。同时，AI落地服务成新赛道，自研芯片潮兴起，产业分工不稳定。
ICML 2025 | 如何在合成文本数据时避免模型崩溃？
随着生成式AI发展，合成数据成大模型训练重要部分，但可能引发“模型崩溃”。ICML 2025会议上，上交大等团队剖析此问题，提出Token - Level Editing策略，避免模型崩溃，实验验证了其有效性。
Nature警告：AI「数据饥渴症」引爆学术宕机潮！90%知识库濒临崩盘
Nature揭露AI爬虫疯狂「啃食」学术网站数据，致服务器瘫痪。DiscoverLife、BMJ等受影响，运营方难防「坏爬虫」，急需国际协议规范AI数据使用。
每周产业洞察 | AI导演定价混战，行业需要第一把尺子
北京AIGC视听产业创新中心位于朝阳区，由多方参与，采取‘共创、共建、共享’模式。首创郎园负责运营，提供六大服务平台，促进成果转化与场景落地，截至2025年8月已汇聚近百家生态合作伙伴。
数据蒸馏的双重突破：从几何保真到对抗鲁棒
深度学习中，数据集蒸馏可用精简合成样本替代庞大训练集且不牺牲模型性能，但面临精度和可靠性两大难题。两篇发表于 ICCV 2025 和 AAAI 2025 的论文分别给出解决方案，且代码已开源。
Meta提出数据筛选的理论：何时“少即是多”成立？
Meta针对机器学习领域‘少即是多’悖论提出理论框架，用高维统计等方法推导测试误差缩放定律，揭示数据筛选‘相变’条件，为实践提供指导，还重新定义‘数据效率’意义。
中国科幻大会聚合力 铸就首钢园未来产业新高地
2026第十届中国科幻大会3月27日开幕，这是该盛会第六次落地首钢园。自2020年结缘，首钢未来数字空间创新高地渐成实景。首钢聚焦科幻等新质生产力领域，构建多元体验矩阵，以“会”聚产，推动科幻产业生态繁荣发展。
每周产业洞察 | Mirelo获4100万美元投资，声音赛道成资本布局焦点
北京AIGC视听产业创新中心位于朝阳区，由多方参与，采用“共创、共建、共享”模式。首创郎园负责运营，提供六大服务平台，促进成果转化与场景落地，截至2025年8月已汇聚60余家生态合作伙伴。
Hugging Face 发布 FineTranslations：一个万亿级的多语言平行文本数据集
Hugging Face 发布 FineTranslations，这是含超 1 万亿 Token 的多语言数据集，用于提升机器翻译质量。它源于 FineWeb2，用 Gemma3 27B 翻译创建，数据生成流程可复现公开，还能用在其他任务。