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 竞赛已按 GW 计，欧洲仍停留在 MW 思维 — AymericRoucher · 2026-07-23
- COLMAP 主分支合并 DEGENSAC，平面场景重建更强 — ducha_aiki · 2026-07-23
- xyOps 主打任务失败自动生成带上下文的事故工单 — tom_doerr · 2026-07-23
- CameoDB 把 MCP 直接嵌进 Rust 引擎，日写入 8000 万条 — Negative_Ad5847 · 2026-07-23
- 35B MoE 在手机上跑通，10 分钟做出 Snake 游戏 — dai_app · 2026-07-23
- Pi 公开缓存行为，社区争论 agent harness 是否在烧 KV cache — mitsuhiko · 2026-07-23