搜索：数据质量评估

「数据质量评估」共找到 3460 篇相关文章

生产级Prompt自动化推理评估A/B实验结果的工程实践

本文围绕生产级Prompt自动化推理评估A/B实验结果展开，介绍系统背景与痛点，展示主Prompt和决策树，用deepseek - r1等模型推理。通过分析Bad Cases优化Prompt，总结设计原则和迭代方法，还给出通用启示与展望。

视频生成模型如Veo - 3能生成逼真视频，但推理能力存疑。香港中文大学等校研究者设计12项测试，发现模型只能模仿表面模式，未真正理解因果。研究推出MME - CoF基准，为评估指明方向。

生成式模型在生成专业教育视频时受限，新加坡国立大学Show Lab提出Code2Video框架，以代码为中心，由三个协作智能体组成，能通过Python代码自动生成高质量教育视频，代码驱动生成优势明显。

北京大学、清华等联合提出统一引擎PAM，能整合姿态、外观和运动。用户提供初始和目标姿态及物体几何形状，它就能生成逼真手物交互视频。其效果超现有方法，合成视频可用于数据增强。

CMU团队评估20多个大模型，发现只有强化学习（RL）训练的模型能将数学推理技能广泛迁移到其他任务，监督微调（SFT）训练的模型迁移有限甚至无迁移。研究还探索差异原因，表明RL微调更具优势。

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。

长期以来，AI生图面临潜空间模型细节损耗、像素空间模型结构混乱速度慢的矛盾。李飞飞团队最新论文提出Latent Forcing方法，通过重排生成轨迹，让像素扩散模型找回效率并刷新SOTA。

当地时间3月26日，GitHub宣布自4月24日起，Copilot Free、Pro和Pro+用户交互数据默认用于训练AI模型，Business和Enterprise用户除外。GitHub称需更多数据覆盖编码场景，但此举遭用户吐槽。

OpenNLG Group做了统一长上下文评估框架LOOM - Scope，兼容主流benchmark、model和长上下文加速方法。该框架围绕BENCHMARK、DEPLOYMENT和EVALUATOR三大核心模块，还提出LOOM - Bench应对评估成本制约。

2026年初，Snowflake与InfoQ联合举办活动，汇聚多领域专家探讨Data+AI前沿。回顾2025年，大模型迭代、AI安全等带来认知突破；还围绕2026年十大战略命题思辨，如企业Data+AI平台挑战、开源闭源博弈等。