「高质量训练数据」共找到 4310 篇相关文章
突破企业AI落地的瓶颈：LangGraph × OceanBase 的融合数据层深度实践与解析（附源码）
麻省理工报告显示约95%企业实施AI后未获商业回报。文章从企业级AI应用场景切入，探讨数据层需求，通过Demo展示LangGraph与OceanBase融合构建数据底座，解决企业AI落地瓶颈，附源码。
告别传统 Text-to-SQL：基于 Spring AI Alibaba 的数据分析智能体 DataAgent 深度解析
企业数字化转型中，业务人员受 SQL 语法限制，Text-to-SQL 也有不足。DataAgent 基于 Spring AI Alibaba 生态而生，能输出带图表、逻辑和洞察的报告，还通过多项核心技术解决企业数据决策难题。
RAG新SOTA，还在5亿条数据上跑进秒级，只有它了
本文围绕RAG技术展开，指出传统RAG在多跳推理等方面存在局限。介绍了GraphRAG、HippoRAG 2的优缺点，重点阐述Zleap AI的SAG方案，它用超边结构重构数据底座，在多跳问答测试中表现出色，还能在大规模数据下低延迟落地。
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。
CVPR 2026｜用互联网视频替代3D标注：通研院团队打造SceneVerse++「最大规模」真实3D场景数据
北京通用人工智能研究院团队在CVPR 2026接收论文中，提出自动化数据引擎，用互联网视频构建SceneVerse++数据集，规模超现有同类，在3D检测、VQA、VLN任务提升性能，还指明3D空间智能发展方向。
面向6G环境感知通信！西电开源3Dx3D无线电地图数据集与生成式基准框架
面向6G，西安电子科技大学等团队联合提出高分辨率多模态三维无线电图谱数据集UrbanRadio3D，构建三维无线电图生成框架RadioDiff-3D，弥补了当前主流RM构建方法与数据集的局限。
国内首套：港中文团队发布7模态人体动作数据集，揭开大模型理解能力短板
港中文邢国良教授团队博士生蒋思阳完成 CUHK-X 多模态人体动作数据集，成果被 ACM MobiSys 2026 接收。用其测试主流大模型，发现理解人类动作平均正确率仅四成。该数据集数据收集方法反常规，还开展了基准测试。
The Batch: 906 | AI 巨头分担维基百科的成本
维基百科成立25周年，维基媒体基金会与Amazon、Meta等多家AI公司达成合作，推出Wikimedia Enterprise计划，允许合作方高速大规模访问数据。维基百科需资金支持，AI公司也需其数据训练模型。
合合信息：基于 JuiceFS 构建统一存储，支撑 PB 级 AI 训练
合合信息为应对AI训练存储挑战，引入JuiceFS构建统一存储架构，结合BeeGFS作缓存。该架构提升I/O性能与资源调度效率，还通过缓存优化、数据治理等措施，支撑多业务并发，为AI基建奠基。
消费级显卡跑大模型训练门槛再降：Qwen3-1.7B强化学习只需5GB显存
消费级显卡跑大模型训练门槛再降，Unsloth AI的FP8精度强化学习方案让Qwen3 - 1.7B的GRPO训练只需5GB显存且性能无损。该方案与TorchAO合作，有推理优势，还在内存优化等方面表现出色。