开源 LLM 缺训练数据？Redditor 提议众包会话数据仓库
kingslayerer · reddit · 2026-10-19
一位 Reddit 用户提议建立公开仓库，让贡献者手动上传自己与 LLM 的会话记录，并开发浏览器扩展等工具自动采集，以缓解开源模型难以获得前沿训练数据的困境。
其核心论点是：前沿厂商普遍禁止蒸馏，开源 LLM 预算有限，唯有社区众包数据才可能追平前沿能力。提案同时列出了三个待解决的关键问题：
- 隐私控制：需在用户端和仓库端都做数据脱敏与匿名化
- 贡献激励：考虑积分体系与捐赠分成
- 可持续运营：仓库可对完整数据集下载收取小额费用，收入在顶级贡献者与仓库维护之间分成
目前这仍是一个征集意见的想法帖，尚无实现细节。
「漫话AGI」频道最新
- 网友推断：具备 RSI 能力的下一代模型不可能开源 — teortaxesTex · 2026-10-19
- Victor Taelin 长文畅想：AGI 时代的卒中急救能拯救多少人生 — louisvarge · 2026-10-19
- 研究者吐槽：ICLR 的 AI 安全论文多为简历垫片，奖励黑客毁掉整个领域 — JacquesThibs · 2026-10-19
- Anthropic 首次披露：Claude 已驱动其 26% 的 AI 研发工作 — emmanuelvivier · 2026-10-19
- 斯坦福免费开放 CS336 课程:18 讲从零构建大语言模型 — mdancho84 · 2026-10-19
- 设计师自述「设计已死」公开求职：AI 时代找工作卷成这样 — NirantK · 2026-10-19