AI 公司转向收购旧书，只为躲开训练集里的 AI 垃圾
CackleRooster · reddit · 2026-07-21
帖子引述一篇文章称，AI 公司正在大量购买旧书，因为这些印刷书籍几乎不含 AI 生成内容。
其背后的理由是，今天可抓取的网页数据里已经混入越来越多的合成文本，可能污染训练集并引发“模型塌缩”。文章因此把 2022 年前出版的旧书视为更干净、更适合训练的数据来源。
所属事件:为躲避AI污染，AI公司疯抢旧书做训练数据(2 条相关)→
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11