「开源数据」共找到 4884 篇相关文章
5个月估值翻10倍，AI数据赛道跑出一家新独角兽
成立约18个月的AI训练数据公司AfterQuery正筹新一轮融资，估值达32亿美元，5个月涨超10倍。它最初想开发AI智能体，后转收集训练材料。此赛道已有多家高估值公司，且数据隐私和安全风险待解。
EMNLP 2026高分论文MathDebugger：当合成数据涌入训练集，如何为数学题做体检？
随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。
全国首部“数据流通交易合规”标准，现公开征集起草单位和专家！
2026年是数据要素价值释放年，数据资产交易却面临合规与安全难题。中国电子商会归口、智合标准中心组织编制《企业数据要素流通交易合规指南》团体标准，涵盖多核心模块，有三大亮点，现征集起草单位和专家。
社区发布丨全面开源！商汤日日新SenseNova U1发布，迈向模型理解生成统一时代
商汤科技正式发布并开源商汤日日新SenseNova U1系列原生理解生成统一模型，基于NEO - unify架构，实现模态集成向原生统一跨越，其轻量版在多项测试达同量级开源SOTA，还能连续性图文创作。
AI大模型浪潮下的认知重构：从一个数据老兵的转型思考
作者作为数据老兵，分享接触 ChatGPT 后的转型思考。指出 AI 使编程、数据分析师岗位巨变，填鸭式教育不再适用。强调认知结构是护城河，还探讨了 ETL、数据建模及 AI 原生产品变化。
3 层人群定位 × 5 种赋能手段，企业全员数据能力提升指南 | 极客时间企业版
在AI重构商业规则的当下，数据能力是企业核心竞争力关键。极客时间针对企业数据人才培养痛点，打造全链条数据人才培养体系，分层赋能三类人员，提供多种培养方案和赋能手段助力企业升级。
没想到，音频大模型开源最彻底的，居然是小红书
近几个月，开源成AI社区焦点，国内厂商七八月开源多款大模型，但音频生成占比小。小红书技术团队自去年起在音频领域稳定开源，成果覆盖TTS、ASR方向，具商用属性，降低落地门槛。
对话Noitom Robotics CEO戴若犁：没有人比我更适合解决机器人的数据问题 | GAIR 2025
本文是对诺亦腾机器人CEO戴若犁的专访。他表示因机器人业务营收两年涨40倍，年初拆分成立机器人数据公司。该公司以数据为交割界面，有产品交付能力，已与六七十家头部公司合作。
EMNLP2025 | 揭开LLM训练数据中的中文污染真相，有比“您好”高2.6倍的token？
近年来，大型语言模型虽成功，但训练数据易混入不良内容。论文《Speculating LLMs' Chinese Training Data Pollution from Their Tokens》探索此问题，定义PoC Token，开发PoCDetect和PoCTrace工具，揭示LLMs训练数据污染情况。
突破LLM数据瓶颈：Meta等提出语言自我博弈，一台模型，两个角色，无限进化
Meta等团队提出“语言自我博弈”（LSP）框架，让语言模型自己和自己“玩游戏”，在无外部数据输入下自我改进。实验显示，其性能可媲美甚至超越用大量人类数据训练的模型，为缓解数据稀缺提供新思路。