「开源数据集」共找到 5061 篇相关文章
文本已死，视觉当立！Karpathy狂赞DeepSeek新模型，终结分词器时代
DeepSeek新成果DeepSeek - OCR以像素处理文本，压缩率小于1/10，基准测试领跑，开源一夜获4.4k星。Karpathy力挺，认为应赶走分词器，展望视觉成通用输入前景，马斯克有更科幻猜想。
直击IROS现场：宇树禾赛自变量杭州论剑，美团C位攒局
美团举办2025机器人研究院学术年会，众多大咖出席并发表演讲。毛一年展示美团机器人进展，李一帆称机器人是中国好机会，王潜提出具身智能是基础模型。年会还探讨了机器人第一性原理、软硬件关系等话题。
Anthropic CEO再预警：未来5年砍掉一半入门岗，失业率10–20%
数据显示，2025年美国超一万岗位因引入AI被裁撤。Anthropic CEO Dario Amodei重申观点，未来五年最多一半入门级办公室岗位或被淘汰，失业率或达10% - 20%，各方就应对就业冲击存争议。
Karpathy再放大招：8000行代码复现ChatGPT全栈，最低成本仅100美元，4小时跑完
Andrej Karpathy发布项目nanochat，是全栈式ChatGPT克隆体训练/推理流水线，代码约8000行，覆盖训练分词器、预训练等完整流程。介绍不同成本下模型表现，还回答网友关于架构、训练数据等问题。
Thinking Machines 发布 Tinker API，实现灵活的模型微调
Thinking Machines公司发布Tinker API用于开放权重语言模型微调，可减少开发者基础设施开销。支持多种模型架构，集成LoRA，还发布开源存储库。虽有竞品，但Tinker侧重暴露低级原语，尚处封闭测试。
OpenAI算力账单曝光：70亿美元支出，大部分钱花在了“看不见的实验”
据Epoch AI统计，去年OpenAI计算资源支出70亿美元，多以租微软云算力支付。其中50亿研发算力，大多用于幕后研究和实验，非爆款模型的最终训练，也解释了其2024年亏损原因。
NeurIPS 2025 Spotlight | FSDrive统一VLA和世界模型，推动自动驾驶迈向视觉推理
面向自动驾驶的多模态大模型存在问题，FSDrive提出“时空视觉CoT”，让模型“以图思考”，联合未来场景与感知结果进行可视化推理。该方法在不改动原有MLLM架构前提下激活图像生成能力，实验表现出色。
马斯克新模型背后算法来自英伟达？？？
Grok-4-fast降本增效表现出色，其背后或许关联英伟达算法论文。论文推出Jet-Nemotron模型，靠PortNAS框架降本提效，还开源代码。网友猜测Grok-4-fast基于此模型，也有人认为是营销手段。
百亿向量，毫秒响应：清华研发团队向量数据库 VexDB 首发，攻克模型幻觉难题
9月25日，清华数智引航团队发布向量数据库VexDB，能支持百亿千维向量数据毫秒级查询，召回准确度超99%。它可解决大模型幻觉问题，已在多领域深度应用，为企业AI转型提供方案。
把AI装进数据库：PostgresML和Korvus的新思路
当下机器学习应用开发流程复杂，开源数据库Postgres带来惊喜。PostgresML团队让AI模型跑在数据库中，介绍了PostgresML和Korvus两个关键项目，二者结合降低复杂度，让‘在SQL里跑AI’成工程现实。