training data

"我一直听到人们说“数据质量比模型更重要”，但我仍然不清楚在实践中这些数据到底从何而来。"

"ChatGPT说谎是因为它在根本上是按照“说谎更有利”的方式构建的。"

"总部位于杭州的Manycore在首次公开募股（IPO）中筹集了1.56亿美元后，其在香港上市首日早盘股价上涨了187%；该公司正转型向机器人制造商出售AI训练数据。"

"“当发布行为具有规范性时（即奖励质量、正确性或新颖性），更深的结构会得以保留，并且我们为偏离浅层平衡的状态建立了一个最佳上限。”"

"这家成立仅14个月的公司表示，其客户群包括“每一个领先的AI实验室”。在融资轮之前不久，其年度经常性收入超过了1亿美元。"

"今天，该公司宣布以3亿美元的估值完成了3000万美元的A轮融资。"

"在机器学习项目中，据说数据预处理实际上占到了全部工作的70%到80%。"

"GitHub 宣布，从 4 月 24 日起，将使用 Copilot Free、Pro 和 Pro+ 用户的交互数据来训练和改进其 AI 模型，该设置默认开启，以提升模型性能。"

"从我在2010年开始从事AI工作到现在，前沿AI模型所使用的训练数据量已经惊人地增长了1万亿倍——从早期系统的大约10¹⁴次浮点运算，增长到当今最大模型超过10²⁶次浮点运算。"

"Mercor是OpenAI、Anthropic和其他AI公司依赖的为数不多的为其模型生成训练数据的公司之一。"

"这将有助于突破当前数据规模与质量之间的瓶颈，加速具身智能模型从“可用”走向“好用”。"

"我构建了一个管道，将 YouTube AI/ML 视频转换为 LLM 训练数据（100 多个预处理，免费浏览）"

"Deccan AI 提供训练后数据和评估工作，获得了 A91 Partners 领投的 2500 万美元 A 轮融资； 其大部分专家团队位于印度"

"如果足够大并且训练有素，它可以模仿一个人……即使是最小的细节、知识和行为。"

"这家配送巨头的新 Tasks 应用程序付费给快递员拍摄日常活动并录制语音样本，将 DoorDash 定位为数据基础设施提供商，而不仅仅是物流平台。"

"DoorDash 推出 Tasks，这是一个新应用，它会在某些市场向送货员支付报酬，让他们提交视频片段并完成其他任务来训练人工智能模型"

"文章指出，训练数据的质量和数量，尤其是既定模式和丰富上下文的存在，极大地影响了大型语言模型生成准确可靠结果的能力。"

"大英百科全书及其子公司 Merriam-Webster 在曼哈顿联邦法院起诉了 OpenAI，指控其滥用他们的参考资料来训练其人工智能模型。"

"大英百科全书于周五在曼哈顿的联邦法院提起诉讼。 诉状称，OpenAI及其人工智能产品正在“免费搭乘”该百科全书和词典的“值得信赖的高质量内容”，同时蚕食其网站的流量。"

"该诉讼于 2026 年 3 月 13 日在纽约提起，指控 OpenAI 在未经许可的情况下使用参考出版商的内容作为 AI 训练数据，然后生成逐字复制其内容的回复，此前 6 个月，同一公司以几乎相同的理由起诉 Perplexity。"

"我注意到在 Casia 数据集上训练的 r18 模型的**文件大小相对较小，约为 112 MB**，而同样在 webface4M 上训练的 r18 模型的**文件大小约为 500 MB**，并且我注意到在 webface4M 上训练的 r50 模型的**文件大小约为 550 MB**。"

"提醒一下，ChatGPT只是一个在大型数据集上训练的程序，在这种情况下，是YouTube评论吗？"

"你将使用你的才能来训练“一家领先的生成式人工智能公司”的人工智能模型"

"我让ChatGPT生成这张甜点的图片，它在左下角添加了一个“© Sally’s Baking Addiction”水印。"

"后来发现我的数据集中存在数据泄露。"

"如果微软计划将其用于未来的 LLM 代码训练，我们会非常震惊！"

"微软在本周删除了一个一年前的博客文章，此前Hacker News的帖子指出，该文章鼓励开发人员下载全部七本《哈利·波特》书籍......并在该公司的Azure平台上使用它们来训练AI模型。"

"Anthropic 在班加罗尔开设办事处，这是其在亚洲的第二家办事处，并表示其在印度的收入运行率自 10 月以来翻了一番，并策划了 10 种印度语言的训练数据"