「Data Whisperer」共找到 63 篇相关文章
独家 | 破壳机器人完成亿美元级融资：「操作」才是具身落地的最大挑战
AI科技评论获悉，通用具身智能公司破壳机器人完成亿美元级Pre - A轮融资。其聚焦机器人操作能力，采用“WAM×RL×DATA”飞轮体系实现快速迭代，还推进软硬件联合研发探索具身落地。
斯坦福HAI大重组！李飞飞升任校长顾问
5月4日，斯坦福大学宣布将Stanford HAI和Stanford Data Science合并为Stanford HAI，由James Landay掌舵。李飞飞升任校长AI特别顾问，与John Hennessy任HAI顾问委员会联席主席。合并后的HAI明确三大支柱，强调开放。
被骂“在乱讲”的专家，这次可能说对了：传统数据仓库正在被 Agentic AI 吞噬
作者认为AI浪潮影响软件生态，Agentic AI时代下，传统数据仓库和复杂ETL链路将被重新设计甚至消失，其偏重结构与查询模式会被Agentic Data Stack架构强调语义与响应模式取代。
“坏”数据让模型更“好”？重新审视数据过滤
传统观点认为大型语言模型预训练应过滤“坏数据”，但论文《When Bad Data Leads to Good Models》提出反直觉观点，适度加入有毒数据，通过后训练技术可降低模型毒性，保持一般能力，挑战常规做法。
告别先开发后治理：Agent 驱动的数据质量一体化交付
文章指出离线数据开发中数据质量建设面临开发与治理分离的困境，如治理滞后、迭代不同步等。DataWorks引入Data Contracts理念，以YAML Spec形式将质量规则嵌入开发流程，还可借助Agent配置规则，未来将多引擎覆盖、降低门槛并融入IDE。
详解Github 35K+项目：打通200+数据源，构建企业级AI的数据统一入口，支持MCP【下篇】
本文继续介绍MindsDB这款开源AI数据引擎，阐述知识库与混合检索应用，如创建向量索引、语义检索、多源混合检索等；还提及RAG与数据智能体，包括构建RAG管道和配置Data Agent；最后给出应用建议，称其适合复杂企业环境。
英伟达为何持续押注VASTData？AI存储正在成为新的“算力”｜甲子光年
AI产业曾聚焦GPU，如今数据存储设施重要性凸显。VAST Data完成约10亿美元F轮融资，估值300亿美元，英伟达持续跟投。它重构AI数据基础设施，国内焱融科技有相似技术路线且具自主可控优势。
人手数据，如何重塑机器人基础模型？专访 LaST-HD 一作刘家铭
本文是对 LaST-HD 一作刘家铭的专访。围绕数据路线之争，刘家铭分享交付背后的技术问题，也谈了对具身领域模型与数据发展方向的判断。他认为 Human Data 与真机数据非替代关系，VLA 和世界模型可共存。
调整训练数据出场顺序，大模型就能变聪明！无需扩大模型/数据规模
微软亚洲研究院提出全新文本数据组织范式DELT，通过引入数据排序策略，充分挖掘训练数据潜力，优化训练数据的组织方式，在不同模型尺寸与规模下都达到了良好性能，且不用增加数据量或扩大模型规模。
打破数据质量鸿沟！清华腾讯Bee项目发布1500万高质量数据集，刷新MLLM全栈开源SOTA
全开源多模态大模型性能被闭源和半开源模型“卡脖子”，根源在于数据质量。清华与腾讯混元团队推出Bee项目，有三大核心贡献，产出的Bee - 8B模型表现领先，证明保证数据质量比堆量更有效。