斯坦福发布 Paperclip Datasets：一句话描述，几分钟从百万论文策展数据集

james_y_zou · x · 2026-11-04

James Zou 团队发布 Paperclip Datasets，目标把原本耗时数月的数据集策展压缩到约一分钟。做法是训练快速模型，让 AI 智能体并行从数千篇论文、专利、临床试验和监管记录中抽取结构化数据，且每个数值可溯源回原文；新证据出现时数据集还可自动刷新。

作为演示，团队从 2400 多种药物中策展出 20,000 条人体药物半衰期测量值（号称该指标最大规模数据集），已在 Hugging Face 开源。工具和博客均已公开，用户只需描述想要的数据集即可开始构建。