BAT等厂商重做AI预训练补数据坑

发生了什么

据雷锋网报道，国内多家AI模型厂商近期密集启动“预训练返工”，旨在解决因脏数据导致的性能瓶颈。此前部分团队为凑齐语料规模混入垃圾数据，导致模型效果倒挂或进展迟缓。行业发现数据质量成为胜负手，需重建数据团队并优化治理体系。同时，通过API中转站收集用户交互轨迹以进行数据蒸馏，成为获取高质量数据的隐蔽手段。