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
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11