「高质量数据集」共找到 4306 篇相关文章
如何训练VLA？丰田研究院发布史上最大实验规模「保姆级」教程
丰田研究院和清华大学发布教程，用大量数据训练89个策略模型并验证。聚焦Co - training，研究五大模态、三种策略，对比不同架构，揭示有效和无效模态，还探讨CoT推理及多方面实验。
动动嘴写SQL！Codex+终身记忆，OpenAI把查询难度直接归零
2026年初，OpenAI曝光数据分析智能体，将数据查询从「天数级」缩至「分钟级」。它用Codex驱动，有六层上下文架构，能补齐数据语义、沉淀经验记忆，让工程师提问取代手动查表。
详细介绍！RAG 和 GraphRAG：了解何时（When）、如何（How）使用它们
文章详细介绍传统RAG和GraphRAG技术，前者通过向量搜索检索上下文，但无法体现数据关系；后者用知识图谱提升检索效果，亮点是构建图谱、整合信息。还指出两者优缺点，建议结合使用。
首个Data Agent基准测试来了！2007个测试任务将数据库、PDF、视频、音频异构数据源一网打尽
南洋理工大学、新加坡国立大学与华为开源首个针对数据智能体异构混合数据分析的基准测试FDABench。它有2007个任务，覆盖多领域多数据源，独创协作框架，能测多种工作流模式的数据智能体。
大模型学会拖进度条看视频了！阿里新研究让视频推理告别脑补，实现证据链思考 | ICLR 2026
阿里巴巴未来生活实验室团队解决多模态大模型视频推理难题，推出ReWatch数据集和ReWatch - R1模型。数据集克服现有训练数据痛点，模型用SFT + RL范式及创新奖励机制，实验成绩SOTA。
SceneSplat: 基于3DGS的场景理解和视觉语言预训练，让3D高斯「听懂人话」的一跃
文章引入 SceneSplat，首个在 3DGS 上原生运行的端到端大规模 3D 室内场景理解方法，提出自监督学习方案，构建发布 SceneSplat - 7K 数据集，在多个实验中达 SOTA 效果。
TDSQL Boundless：AI时代的多模态数据库
在AI与数据分析处理技术融合的当下，传统数据库架构面临诸多挑战。腾讯云TDSQL Boundless推出，通过统一架构处理多模态数据。本文从核心架构、关键技术特性及对未来数据平台建设的启示三方面解读。
硅谷AI研发精英，每周需工作100小时
在中美争夺AGI“圣杯”进程中，顶尖AI研究员虽拿着高薪，但脑力劳动强度极高。《华尔街日报》披露，硅谷研究员和高管每周工作80到100小时成常态，这虽推动突破，也让从业者面临身心考验与人才流失风险。
ACL2025 | 抓出0.1%的捣乱分子压缩方法OTT：近乎无损 超越KIVI，内存减6.4倍 吞吐量提2.3倍
LLM生成文本时KV Cache内存占用高，限制模型批量处理能力。论文提出OTT方法，动态追踪异常令牌单独高精度保存，其余压缩。实验显示，它准确性高、效率好，不过在极短文本等场景有局限。
突发！xAI联创杨格过劳病离职，给马斯克干活压力山大
xAI联创杨格因长期高强度工作患莱姆病离职。此前已有多位核心成员离开。马斯克强调速度的管理风格使员工压力大，其公司高管更迭率高，不过也有人认为这能筛选出能力强的成员。