「开源数据集」共找到 4969 篇相关文章
又一家清华系具身智能企业浮出水面：天使轮融资数千万元，打造具身数据Infra丨甲子光年
清华系具身智能企业灵御智能完成数千万元天使轮融资，累计融资近亿元。其聚焦打造具身数据Infra，研发TeleAvatar和TeleDroid构建数据采集母机，锁定三类应用场景，还从两方面压缩成本。
大模型开发者必读！拆解世界级AI模型的诞生，Hugging Face把4年模型训练经验写成了一本开源指南
Hugging Face发布《The Smol Training Playbook》，分享约4年构建SOTA模型和数据集的经验。手册涵盖是否训练、训练何种模型、如何训练等内容，强调数据质量重要性，还介绍了模型设计、训练中的实践与教训。
中国AI高速路，华为给出开源开放方案
上周华为全联接大会展示系列创新。超节点架构带动的开源开放意义深远，开放硬件、开源软件和灵衢组件。华为发布系列超节点新品，实现全场景覆盖，同时全面开放开源，推动产业协同与生态繁荣。
The Batch: 968 | Muse Code 想获取你的数据
Meta推出Muse Code编码框架及Muse Spark 1.2模型，有不同输入输出、功能和性能表现。提供不同档位价格，贡献者档位低价但数据用于训练。测试显示其单任务成本低，Meta此举或为获取编码训练数据。
Vibe Coding，杀死开源！
Vibe Coding 带来编程效率狂欢，却切断开源生态维护者与用户联系。研究指出，AI 成「中间商」，使开源维护者得不到关注反馈，高质量开源项目或枯竭，作者设想代码版税机制但实施难。
全球开源 AI 生态的未来：从 DeepSeek 到 AI+
这是关于中国开源社区自2025年1月‘DeepSeek时刻’以来进展的系列博客最后一篇，介绍中国AI企业和机构发展路径，展望开源未来方向，指出全方位开放共享成关键路径，‘有机生态’正成型。
李静海院士团队：未来数据系统的逻辑与架构 | Engineering
本文展望数据科学未来，强调其对AI重要性。探讨科学数据系统挑战，提出收集处理原则，指出要重视数据系统逻辑与架构研究，建立标准协议框架，促进AI健康发展。
字节开源了一个让人上头的 Context 项目
字节开源 MineContext 项目，是其“三步走”开源策略首步。它能自动收集屏幕上下文、生成日报待办等，还可深度分析。其理念为主动洞察、无负担收集，未来 OpenContext 开源后开发者可搭建应用。
LinearRAG：一种免关系提取的高效 GraphRAG 图构建方法
研究指出 GraphRAG 模型在实际应用中表现常不如朴素 RAG 方法，原因是自动构建的知识图谱质量不佳。为此提出 LinearRAG 框架，有三大核心创新，在四大基准数据集上全面超越现有方法，代码和数据已开源。
全球开源大模型，前十五名全是中国的
近日，随着新一代大语言模型更新，开源大模型成热门话题。Design Arena排行榜上，若设定为“开源”，前15名均为国产开源大模型，排名第一的是DeepSeek - R1 - 0528 ，智谱、阿里等厂商多款模型上榜。