「高质量数据集」共找到 4306 篇相关文章
CVPR 2026新规：强制披露算力成本，高效率、高透明度论文可获三项认可奖
CVPR2026出台‘计算资源报告表（CRF）’试点计划，要求论文作者报告研究中使用的计算资源，提交报告不影响论文接收决策，展示出色计算效率和透明度的论文可获认可奖项。
The Batch: 869 | 编码助手的训练数据
研究人员开发自动生成编码助手训练数据的流程。斯坦福等高校及阿里团队提出 SWE - smith 方法，从 128 个 Python 仓库入手合成漏洞、验证并生成修复样本，成果免费开放，有望改进 AI 辅助编程模型。
AI优质信息源整理：高质量网站、博主与Twitter资源推荐
文章整理了AI优质信息源，介绍Twitter在AI浪潮中的重要性及筛选优质信息流方法，还列举知乎、B站等平台，以及资讯平台、网站、播客、博客等资源，给出挑选标准和了解领域的技巧。
偷数据的AI公司被抓到了
Reddit发现AI公司利用Wayback Machine开放性，绕过限制扒取大量历史数据用于模型训练。此前Reddit已对AI公司数据抓取设限，还起诉过违规公司。Reddit抵制该行为，宣布限制Wayback Machine索引其内容。
AI数据工程师在应用中如何"返璞归真"
文章反思‘知识库+Prompt工程+工具调用’轻量级Agent构建模式局限，指出其难应对知识质量、语义理解与规模化维护挑战。提出从‘Prompt驱动’到‘上下文工程’、从‘搭积木组装’到‘全链路闭环’的范式跃迁，并介绍MktAI知识体系建设。
The Batch: 879 | 谷歌必须与 AI 竞争对手共享数据
一家联邦法院裁定，谷歌须将当前搜索索引交给美国本土AI及搜索引擎对手，以打破其在网页搜索的垄断，但未采纳拆分公司请求。谷歌按条件共享数据，在其他业务仍可竞争。
中科院类脑大模型SpikingBrain，2%数据，百倍速度
中国科学院自动化研究所李国齐、徐波团队发布全球首款大规模类脑脉冲大模型SpikingBrain 1.0。它处理长文本比主流Transformer模型快超百倍，训练数据仅为2%。该模型采用新架构，降低计算复杂度，还可转换现有模型，且在国产GPU完成训练。
理解Ray Data分布式数据处理原理-源码分析
Ray Data是构建于Ray之上的分布式数据处理库，提供高性能且可扩展的API，可用于AI场景。文章从源码入手，分析其流式执行原理，包括读取数据源、构建数据处理、输出数据等环节，还介绍了LogicalPlan转PhysicalPlan及流式执行过程。
Manus高溢价收购背后，是Agent开发落地困境
近期Meta 20亿美元收购Manus引发关注，暴露Agent开发落地难题。阿里云百炼升级“1+2+N”体系，“N”组件解决数据、安全等问题，“2”提供新开发范式，“1”深挖模型服务工程，还发布企业版助力落地。
IROS 关键圆桌：到底应该模型驱动，还是数据驱动？
10月20日，美团在IROS大会期间举办学术年会，多位嘉宾围绕具身智能商业化等议题展开探讨。圆桌嘉宾就第一性原理、软硬件体系、模型与数据驱动等话题各抒己见，还谈及机器人最终形态并勉励年轻人。