「训练数据污染」共找到 3919 篇相关文章
POF|清华大学张宇飞团队：采用数据驱动湍流模型的三维增升装置模拟
传统RANS方法预测分离流动有挑战，数据驱动湍流模型泛化性能有局限。清华大学张宇飞团队研究其在复杂三维增升装置应用，验证SST - CND模型泛化能力及修正项迁移能力，证明其可用于真实工程流动问题。
首次披露！DeepSeek V3 发布软硬一体协同训练论文，公开「降成本」秘诀
DeepSeek团队发布论文《洞察DeepSeek - V3：规模的挑战和对AI架构硬件的思考》，从硬件架构和模型设计双重视角，探索其经济高效的大规模训练和推理方法，介绍了设计原则、低精度驱动等多方面内容及降成本秘诀。
19年不丢数据，擦写6万次不坏，原子级材料重新定义未来芯片
上海大学王震宇副教授团队在《自然·电子学》发文，用二硫化铌和二硫化钼做出新型非易失存储器，能保持数据约19年、擦写超6万次，还具备计算和存储两种本领，对未来低功耗计算和存内计算有吸引力。
让AI真正懂数据：猫超Matra项目中的AI知识库建设之路
文章聚焦猫超Matra项目的AI知识库建设。猫超数据体系庞大但有治理难题，促使Matra项目诞生，旨在实现智能取数。文中详述知识库设计、实践及效果，还提及未来在准确性、保鲜性和能力拓展上的规划。
腾讯开源智能体新框架：不用训练无需充值，用开源模型实现SOTA Agent
智能体框架是推动智能体生态发展的基础设施，但现有框架存在上手门槛高、依赖闭源模型等问题。腾讯优图实验室开源Youtu - agent框架，无需训练模型、不依赖闭源API，性能领先，有多个核心亮点和典型应用案例。
EMNLP2025 | SFT与RL的结合，vivo AI Lab提出新的后训练方法
vivo AI Lab 算法团队提出新的大模型后训练框架 GTA，综合 SFT 和 RL 优点，解决文本分类场景中 RL 收敛慢问题。论文已被 EMNLP 2025 录用，介绍了 GTA 框架设计思路、实验结果等，未来还将探索更多场景和大模型。
GPT-5≈o3.1！OpenAI首次详解思考机制：RL+预训练才是AGI正道
OpenAI研究副总裁Jerry Tworek在播客访谈中称，GPT-5类似o3.1。他详解模型推理过程，强调RL+预训练是AGI正道，肯定DeepSeek的GRPO算法，还分享自身经历及OpenAI工作结构。
95%的人还在手动提取数据，用这个工具秒变结构化
文章介绍Google开源的LangExtract，它基于大语言模型，能将非结构化文本转为结构化数据。有精准溯源、少样本定义等6大优势，可3步完成安装配置，还介绍基础使用、长文档处理、多模型支持及实战案例等内容。
在一台1970年代的PDP-11上训练Transformer需要多久？答案是5.5分钟
近日，开发者复现1970年代技术环境，用PDP - 11汇编语言实现Transformer并训练成功，项目叫ATTN - 11。在低资源下实现功能闭环引热议，大家思考Transformer到底需要什么。
维纳智能登上Nature通讯：AI不只会回答问题，开始生成高精度行业数据
维纳智能登上Nature通讯，其让大模型自动生成高精度推理数据，用闭环反馈驱动专业Agent自主演化。该公司在多领域交出工业级精度答卷，还解决了Agent泛滥的困局，推出多款创新产品。