AI 公司转向收购旧书，争抢更干净的训练数据
marigo · x · 2026-07-23
AI 公司正在转向购买旧书，用更“干净”的文本来做训练数据，而不是继续依赖噪声更多、重复更高的网页语料。
这条消息反映出一个趋势：随着公开网络数据越来越杂、越来越容易污染，高质量、低重复、来源更可控的文本开始变得有价值，甚至可以直接成为采购对象。
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)→
「Infra」频道最新
- 用 Sail 等价性证明与 riscv-coq 交叉验证 RISC-V 规范,发现真实 bug — xennygrimmato_ · 2026-10-27
- xAI Colossus 1 数据中心 FP64 算力约 14.6 exaflops,达 Top500 榜首 5 倍 — cis_female · 2026-10-27
- Lambda 实测 NVIDIA DSX MaxLPS：同等电力多跑 3 节点，吞吐提升 24% — TheZachMueller · 2026-10-27
- 新播客：Micron HBM 路线图、Meta AI 基建与 NVIDIA 供应链掌控 — BenBajarin · 2026-10-27
- SGLang MegaKernel+PD 发布：高并发吞吐与低延迟兼得，TCO 大幅优化 — AccBalanced · 2026-10-27
- 自托管 Convex 扩容实战：把 TypeScript 函数编译成 WASM — leventov · 2026-10-27