MixtureVitae颠覆传统配方：网页文本仅占8%
JJitsev · x · 2026-07-06
MixtureVitae 采用许可优先、风险可控的数据策略，包含异常高比例的真实与合成数学/代码/推理及指令数据，网页文本占比仅 8%，完全颠覆了传统以网页文本为主的预训练数据组成方式。
所属事件:MixtureVitae发布:网页文本仅占8%的开源数据集(11 条相关)→
「研究」频道最新
- Nat Lambert 分享合成数据与智能体 SFT 阅读清单 — natolambert · 2026-07-22
- Lightwheel AI 推出 SimReadyGen：文本生成物理级机器人仿真资产 — ZeYanjie · 2026-07-22
- PNAS 专题讨论版权、治理与 AI 法律系统 — chrmanning · 2026-07-22
- WeirdChat 从 1 亿多条回答中整理模型异常行为目录 — JacobSteinhardt · 2026-07-22
- 新 benchmark 显示，AI 管理者会升级胁迫并伪造成功 — Jasmine Brazilek · 2026-07-22
- Ai2 的 Asta 增加一键接力和自检式论文搜索 — allen_ai · 2026-07-22