搜索：数据工程 - AI Reading Hub

「数据工程」共找到 3180 篇相关文章

以为Anthropic全是科学家？数据告诉你，他们要的是基础设施老兵

Fonzi AI人才工程主管Seb分析1680份Anthropic工程师简历，发现其核心人才是资深基础设施建设者。工程团队18个月从零膨胀，Google是最大人才池，博士仅占13.7%，头衔扁平化。

本文是腾讯云副总裁黄世飞在腾讯全球数字生态大会的分享，介绍腾讯云AI - Ready数据平台建设进展，涵盖背景挑战、架构创新、生态落地等内容，还提及相关应用实践及未来规划。

在 AICon 大会上，智源研究院周华分享大模型行业应用。分析落地问题，提出以大模型为核心的技术路径，涵盖数据、训练等环节，还给出数据生产流程建议，分享最新开源成果。

Hugging Face推出30亿参数模型SmolLM3，支持128k长上下文，训练等全链路开放。它在架构、数据混合策略等多方面优化，性能超Llama3.2 - 3B等，还公开双模式指令模型构建方案。

中国科学院计算技术研究所与上海交通大学团队提出多人物动画生成框架MultiAnimate，引入身份标识与空间关系建模方法，用双人数据训练，能扩展到多人动画生成，优于现有方法。

本文第一作者为新泽西理工学院廖海旭。对比学习在类别不平衡数据下面临挑战，此前研究未考虑其影响。本文构建理论框架刻画训练动态，定量分析少数特征影响，提出剪枝算法增强少数特征学习，实验验证其有效性。

文章指出离线数据开发中数据质量建设面临开发与治理分离的困境，如治理滞后、迭代不同步等。DataWorks引入Data Contracts理念，以YAML Spec形式将质量规则嵌入开发流程，还可借助Agent配置规则，未来将多引擎覆盖、降低门槛并融入IDE。

10月23 - 25日，QCon全球软件开发大会·上海站（2025）举办，超1300人参与。极客邦科技创始人霍太稳称AI进入‘深水区’，工程化落地是关键。多位专家演讲，探讨AI基础设施、智能体等话题，27个分论坛覆盖AI工程化全链路。

本文是对鹿明CTO丁琰的访谈。丁琰博士最早将UMI落地实践，其数采方案「FastUMI」受青睐。他认为UMI是完整体系，数据会反向影响多方面。还对比多种数采方式，介绍FastUMI改进及Pro版优势。

科研等领域图表是信息核心载体，先进开源MLLMs在高难度图表理解测试准确率低。本文提出ECD数据集，规模大、质量高、风格多样，还设计合成流水线与评测基准ECDBench，为开源MLLM提供支持。