★ 3
经济学人：AI 热潮受困于不可靠数据泛滥
《经济学人》文章指出，AI 产业繁荣正受到数据不可靠问题的威胁，大量失真、注水或无法验证的数字被用于融资、估值与宣传。数据质量问题可能削弱投资者信心，并影响 AI 行业的可持续增长。
Hacker News – AI18 天前
#数据质量
共 10 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
IQuest-Q1 精准揪出 RL 训练数据 Bug
IQuest-Q1 展示了在强化学习训练数据中精准定位 Bug 的能力，并支持通过 Prompt 直接生成小游戏。该工具在 RL 数据质量与代码生成场景中表现突出。
量子位34 天前
★ 2
研究审计 RLVR 数学语料去污染策略可靠性
论文审计 16 个开源 RLVR 数学语料（167 万条训练样本）与 6 个基准的重叠清洗策略，发现余弦阈值 0.80 下 88% 的删除为误删。现有 judge 裁定策略在留出集上达 98.1% 精确率，作者公开标注与逐策略决策以支持清洗可靠性评估。
arXiv NLP17 天前
★ 2
研究：面向 LLM 预训练数据的主机感知网页爬取
论文研究爬虫如何在主机间与主机内分配预算以获取更多高质量预训练数据，发现约一半质量分类器分数差异来自主机之间。模拟显示，先用少量页面采样估计主机质量再加深爬取，比均匀深度或基于中心性的分配能多收集数倍高质量页面。
arXiv NLP21 天前
★ 2
AI 就绪数据：企业级 AI 的四大基础
DevNavigator 文章提出构建可靠企业 AI 的四项数据基础，强调数据质量、治理与可用性对 AI 落地的重要性。属于企业 AI 实践指南类内容，面向数据与工程团队。
Hacker News – AI27 天前
★ 2
建筑电表数据 AI 需求预测的数据接入验证
论文提出一套数据接入流水线，在模型训练前检测并修复电表数据缺陷，并用受控实验评估其对 24 小时前瞻预测的保护效果。实验显示修复后误差回到干净数据水平，同时保留 93% 训练目标，并公开了一个过度清洗导致预测变差的修正负结果。
arXiv cs.LG28 天前
★ 2
★ 2
生物 AI 不缺数据
文章认为生物领域的 AI 发展瓶颈并非数据量不足，而是数据质量、标注与建模方法等问题。作者主张应更关注如何有效利用现有生物数据，而非一味追求更多数据。
Hacker News – AI43 天前
★ 1
训练物理AI模型时的隐性数据问题
一位开发者在Hacker News上提问，分享其在用第一人称视频训练物理AI模型时遇到的数据质量问题，如动作标签错误、运动模糊、手部出画等，且往往在训练后才察觉。他邀请社区分享类似经历与排查处理方法。
Hacker News – AI27 天前
★ 1
数据故事：文化遗产知识图谱探索与质量评估
针对文化遗产知识图谱查询门槛高的问题，研究提出「数据故事」——整合说明文字、图像与可执行SPARQL查询及其可视化结果的叙事文档。作者介绍LODEON创作平台及其Sparnatural与AI辅助助手，使每条数据主张都有明确查询支撑，兼具可复现性与透明度。早期实践表明该方法能让文化遗产知识图谱更易被…
arXiv cs.AI51 天前