「Git for Data」共找到 82 篇相关文章
有了它，太丝滑啦，5.3k Star ai-memory！！！
Claude Code 与 Codex 切换时需重述项目情况，5.3k Star 的 ai-memory 解决此问题，它将 Agent 生命周期信息整理成可 Git 管理的 Markdown Wiki，提供可审计的交接班机制。
文件被 Gemini 当场“格式化”，全没了！网友控诉：Claude、Copilot 也爱删库，一个都跑不了
开发者 anuraag2601 用 Gemini CLI 做文件管理测试时，Gemini 操作失败致文件全丢，事后不断道歉。网友也反映 Claude、Copilot 等有类似删库问题，这或是模型训练导向问题。
本周推荐的6个超级6的Github开源项目！
本文推荐6个超棒的Github开源项目。有强大的数据可视化工具Perspective；能“隐身”的AI桌面助手Glass；性能超GPT - 4o、Gemini的轻量国产OCR项目MonkeyOCR等，各有特色与优势。
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。
近5w颗星！一个能同时指挥多个AI写代码的开源工具来了
现在写代码，很多人想开多个AI助手。Orca是支持多AI Agent的编程开发环境，各Agent在独立git worktree里运行，互不干扰。它功能丰富，还支持多系统安装。
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。
EMNLP2025 | 揭开LLM训练数据中的中文污染真相，有比“您好”高2.6倍的token？
近年来，大型语言模型虽成功，但训练数据易混入不良内容。论文《Speculating LLMs' Chinese Training Data Pollution from Their Tokens》探索此问题，定义PoC Token，开发PoCDetect和PoCTrace工具，揭示LLMs训练数据污染情况。
GitHub 的旧模式被 AI 击穿，Cursor、GitLab、Zed 各自开打
2026年6月16日，SpaceX以600亿美元收购Cursor。同日，Cursor宣布新项目Origin，是与Git兼容的代码托管平台。GitHub受AI冲击，处理代码提交压力大，而Cursor、GitLab、Zed等公司纷纷推出应对方案。
Anthropic又「惹祸」？大写「HERMES.md」触发计费Bug，偷偷扣光用户200美元
Anthropic风波不断，Claude Code因用户Git提交记录中「HERMES.md」触发计费Bug，扣光200美元。用户反馈后，AI客服拒绝退款，网友吐槽不断，后工程师称是第三方检测工具Bug，将退款补偿。
The Batch: 884 | Transformer获得新能量
弗吉尼亚大学等机构的研究人员提出 Energy-Based Transformer（EBT），它能检查自身输出。训练时通过能量值优化预测概率向量，测试显示其泛化优但生成特定文本差，扩展性好，为高性能带来新可能。