搜索：训练数据污染

「训练数据污染」共找到 3948 篇相关文章

大模型桌游试玩员来了：用五大画像模拟「千人千面」，评分精准度超越GPT-5.1

盛大东京研究院等团队提出MeepleLM，首个能模拟玩家视角给出建设性批评的虚拟试玩模型。它构建专属数据集，引入MDA理论，提炼五种玩家画像。实验显示其评分精准度超GPT - 5.1等通用模型。

月之暗面发布Kimi K2 Thinking，它是Kimi迄今最强开源思考模型，基于模型即智能体理念训练，可自主连续工具调用与多轮思考，多项评估超顶尖闭源模型，还实现原生INT4量化，提升生成速度。

水下机器人深度感知难题待解，北大等机构提出StereoAdapter框架。它结合单双目视觉，以自监督学习适配视觉基础模型到水下域，设计双阶段结构、自监督训练策略等，实验效果好，未来还将多方面改进。

近日，字节跳动Seed团队发布「机器人大脑」Robix，它将推理、任务规划与人机交互整合到单个端到端多模态模型。通过层次化架构分工，它能灵活互动，经三阶段训练，在多方面表现出色，为具身智能体发展奠基。

文章围绕 AGI 展开深度思考，指出企业市场是 AI 革命原爆点，让企业数据适配 LLM 是前提。还提及本周市场情况，如对冲基金资金流向，以及多家公司财报超预期、微软和 Meta 加入 GSE 等动态。

Vercel推出新AI模型v0系列，采用复合模型架构，将RAG专业知识、SOTA大模型推理能力和定制流式后处理模型结合，能提升代码生成质量，且基础模型升级时可快速替换，还训练了定制AutoFix模型。

作者分析7篇来自蚂蚁、小米、高德的具身AI论文，认为行业要变天。蚂蚁打通全链路并开源，小米让VLA在消费级显卡跑，高德重构数据和架构。具身AI正从‘手工业’走向‘工业革命’。

IDEA团队张磊团队提出OVSeg3R开集3D实例分割学习新范式。它无需人工后处理和3D掩码标注，降低训练成本，有望让3D实例分割商业落地，可用于自动驾驶、智能家居等领域。

上海人工智能实验室提出全新范式SDAR，通过‘训练 - 推理解耦’融合AR模型高性能与扩散模型并行推理优势。实验证明，SDAR性能与原版AR模型持平或超越，还能加速推理，且已全面开源全系列模型。

文章指出AI驱动的科研新范式通过数据、算力、算法深度耦合嵌入科研全过程，引发多方面变革。总结其特征与演化方向，分析学科应用要求与成功案例，还提出我国推动AI科研应用的启示与建议。