Hugging Face 发布 3.5 万条模型卡摘要数据集，千条成本仅 0.43 美元
vanstriendaniel · x · 2026-08-18
作者在 Hugging Face Hub 发布了包含 35,837 条模型和数据集卡片摘要的新数据集。该数据集使用 Qwen2.5-72B (注:原文称Qwen3.8-27B疑似笔误,此处按技术常识推断或保留原意) 生成，支持精确控制摘要长度（1-3 句），指令遵守率达 98.5%。
构建细节与技术方案：
- 成本控制：利用 Datatrove 的新 Jobs 后端，整个流水线在 Hugging Face Jobs 上运行，成本极低，仅为 0.43 美元/1000 条摘要，无需本地 GPU。
- 数据处理：数据集已进行去重和去污染处理。
- 预告：作者表示明天将发布教程，指导如何构建此类蒸馏数据集。
「研究」频道最新
- ECCV 2026 将举办第三届 3D HUMANS 研讨会 — dimadamen · 2026-08-18
- TogetherAI 开源 XoRL：消除训练推理误差，提升 MoE 模型 RL 性能 — PandaAshwinee · 2026-08-18
- SegDAC：用动态对象令牌提升视觉 RL 泛化性 — GlenBerseth · 2026-08-18
- 实测揭示上下文压缩是陷阱，提示词缓存完胜 — AI Engineer · 2026-08-18
- 佐治亚理工 2026 版 LLM 课程：覆盖 MoE、自博弈 RL 与扩散语言模型 — cocoweixu · 2026-08-18
- 技术批判：编程 Agent 应弃用 SKILL.md 转向子代理 — rseroter · 2026-08-18