「数据入湖」共找到 2733 篇相关文章
清华团队开源发布首个结构化数据通用大模型
2025年8月29日，清华崔鹏教授团队联合稳准智能开源“极数”（Limi X）结构化数据通用大模型。它融合结构因果推断与预训练技术，适配多任务，性能超最优专用模型，已落地多个工业场景。
构建知识闭环：用CodeBuddy打造自我进化的数据分析体系
腾讯团队为解决数据分析痛点，构建知识闭环体系，利用CodeBuddy设计开发规范、自动生成SQL，将编码从小时级降至分钟级。体系含沉淀、传递、生成、信赖、闭环五环，提升团队效率与协作。
verify-data：一个端到端的数据验数 Agent Skill
本文介绍端到端数据验证 Agent Skill——verify-data，它能自动完成从表结构获取到报告发布全流程，将传统手工验数升级。文章从多方面展开介绍，还给出未来演进方向，为开发者提供参考。
AI是否足够的中立？宾夕法尼亚大学发现AI训练数据中的隐形偏见
宾夕法尼亚州立大学和俄勒冈州立大学研究发现，普通用户难察觉AI训练数据中种族与情绪绑定的偏见，直到AI性能表现出明显偏见才会警觉。不同族裔对偏见感知有差异，黑人更易识别。
智普入局OCR! GLM-OCR 0.9B 也杀进来了~
OCR是上古任务，如今大模型纷纷入局，用1B以下小参数模型搅动解析市场。GLM-OCR能做文本识别等，采用三级架构，有两阶段流水线及训练机制创新，在多场景表现出色。
高中辍学，22岁入职OpenAI成为「研究科学家」，他是怎么做到的？
文章讲述22岁高中辍学的Gabriel Petersson入职OpenAI成为研究科学家的故事。对比传统学习路径，介绍他自顶向下的学习法，分析其可行原因、适用场景，还给出行动建议，指出学位价值在改变。
号称1200万token上下文的模型来了，数据亮眼但疑点重重
当地时间5月5日，Subquadratic公司推出模型SubQ，称是LLM智能重大突破，有1200万token上下文。数据亮眼，如在1M token场景比FlashAttention快52倍等，但也引发质疑，有人推测是对开源模型微调，官方未公布详细模型卡。
国内首个硅谷科创展团将入驻AWE2026东方枢纽展区
国内首个硅谷科创展团将入驻AWE2026东方枢纽展区，由硅谷科技评论发起，集结15家企业，近60位高端买家也将参展。展团覆盖多前沿赛道，展示创新技术与产品，展区实行专业观众提前24小时预约制。
数据库厂商入局AI又有新思路，OceanBase选择“卖铲子”
国产数据库厂商 OceanBase 入局 AI 有新思路，近期动作频频。其云数据库业务 OB Cloud 实现 AI 能力开发部署并与多平台集成，已在多行业落地。副总裁尹博学谈其 AI 战略逻辑、面临挑战及未来趋势等。
RLPT：腾讯混元在预训练数据上实现自主强化学习
腾讯混元团队发布RLPT，是在预训练数据上应用强化学习的方法，可突破大语言模型扩展瓶颈。它能让模型自主学习推理能力，无需人工标注，在Qwen3 - 4B - Base模型实验中性能显著提升。