「开源数据集」共找到 4969 篇相关文章
ACL'25首届博士论文奖 | 重新思考 LLM 中的数据使用
近日，第一届 ACL 计算语言学博士论文奖获得者是 Sewon Min，其论文《重新思考大型语言模型中的数据使用》围绕大型语言模型如何使用训练所用的庞大文本语料库展开研究。
1200行代码逆袭！DeepSeek工程师开源轻量级vLLM，吞吐量逼近原版
开源 vLLM 可提升 LLM 推理速度和资源利用率。近日，DeepSeek 工程师俞星凯开源轻量级 Nano - vLLM，代码仅 1200 行，基准测试中吞吐量逼近原版，项目已在 GitHub 获 200 多 Star。
Google开源Workspace CLI，让AI在终端操作办公全家桶
Google开源Workspace CLI项目，把全套办公工具装进命令行。它动态构建命令结构，输出为结构化JSON。内置超100个Agent Skills，支持多MCP客户端，认证灵活，还集成Gemini CLI扩展。
开源项目 | 用自然语言做视频剪辑，人人都能用的 AI 视频剪辑工具
FireRed - OpenStoryline是开源AI视频剪辑智能体，理念是‘你说话，它剪片’。工作流程为‘理解→执行→输出’。具备智能素材搜索、文案生成等多项能力，适用于多场景，介绍了安装方式、优缺点。
首个英文原生「弱智吧」！逻辑谬误数据集与生成框架来了 | AAAI'26
研究发现大模型判断逻辑谬误易误报正常句子，但分类能力较强。研究人员构建英文逻辑谬误基准SMARTYPAT - BENCH，开发生成框架SMARTYPAT，为大模型逻辑评估提供新思路，可用于多领域。
ROCK & ROLL！阿里给智能体造了个实战演练场 | 开源
阿里开源新项目ROCK，解决了智能体无法在真实环境中规模化训练的难题。它与阿里此前的RL训练框架ROLL配合，构成完整的智能体训练闭环，推开了Agentic AI规模化应用的大门。
MiniMax海螺视频团队首次开源：Tokenizer也具备明确的Scaling Law
MiniMax海螺视频团队首次开源，揭晓视觉分词器难题答案。其推出的VTP框架可提升模型性能，解决传统Tokenizer缺陷，还展示了Tokenizer的Scaling Law，为行业提供新路径。
感知、控制与数据：ICRA 2026 中国企业报告的三个交汇点
ICRA 2026期间，速腾聚创等六家中国企业分享机器人领域进展。他们关注感知底层基础、接触‘最后一毫米’问题、数据与模型关系，且技术路径和产品侧重有差异，具身智能注重工程落地和系统能力建设。
放弃开源、重组权力！扎克伯格掏出Muse Spark，杀回大模型主桌
Meta在AI发展遇阻后推出Muse Spark，它是MSL首个模型，定位为通向个人超级智能的第一步，性能表现出色，当前闭源，未来Muse系列或有开源变体，标志Meta AI权力结构重塑。
DeepSeek正式开源Harness：它终于有了自己的Vibe Coding入口
今晚，DeepSeek 正式发布并开源 DeepSeek Harness（DSH）开发者预览版，它是一套 Agent 运行框架。此前 DeepSeek-V4-Pro 上线，二者结合，Harness 负责将模型能力组织成可工作的 Agent，使 DeepSeek 进入相关竞争。