训练数据时代正在变化
HildeKuehne · x · 2026-07-09
转发内容主张，单纯把海量随机样本扔进GPU并不能带来更好的模型，训练中更该关注数据分布的“尾部”样本。作者还强调，依赖不受控的数据清洗、模拟数据或“AI agents”去自动整理数据，可能只是教学式权宜之计，真正需要的是人工参与、数据来源追踪和严格的数据治理。
HildeKuehne · x · 2026-07-09
转发内容主张，单纯把海量随机样本扔进GPU并不能带来更好的模型，训练中更该关注数据分布的“尾部”样本。作者还强调，依赖不受控的数据清洗、模拟数据或“AI agents”去自动整理数据，可能只是教学式权宜之计，真正需要的是人工参与、数据来源追踪和严格的数据治理。