DataMaster：当AI开始成为自己的数据工程师
DataMaster：当AI开始成为自己的数据工程师过去，AI 研发基本是一条由人主导的流水线。
来自主题: AI技术研报
10431 点击 2026-06-02 15:05
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
过去，AI 研发基本是一条由人主导的流水线。
2018 年从哈佛回国时，橡木果机器人的发起人姜峣有了一个判断：语言和操作，是两种完全不同的智能。
这是第一次，机器人学会了用手「盘」：
你有没有过这样的经历：把聊天记录、用户反馈或内部文档丢给大模型时，总担心里面夹杂着真实姓名、手机号、邮箱甚至 API key，最后只能手动一条条删？或者团队在处理海量数据时，规则写的正则永远漏掉那些“藏在句子里的隐私”。
最近一两年，互联网上各种为RAG赛博哭坟的帖子不胜枚举。
刚刚，上海创智学院副教授、智元机器人首席科学家罗剑岚带队，发布全球最大规模的开源预训练具身世界模型——τ0-World Model（τ0-WM)。整个τ0-WM参数量达到5B，预训练数据规模高达约3万小时。其中，真机遥操作数据第一次成了绝对主力，占到了1.78万小时。
Heygo.ai对比每一次滑行数据，分析动作变化，并明确告诉接下来需要改进的地方。基于你的专属数据、滑行风格、习惯，为有经验的爱好者制定一套系统化的训练方案，精准攻克薄弱环节。
大模型从“回答问题”走向“完成任务”，正在面临以下瓶颈：面向Claw Agents的数据、训练和评测都比传统environment training更难。为了解决该问题，中国人民大学、至知研究院等最新提出ClawGym——
2026年5月，两篇重磅研究在一周内相继发表。一组来自加州大学伯克利分校研究团队，样本是美国 20 所公立研究型大学的 95,513 名本科生。研究发表在《Science》科学杂志上，主题是大学生如何使用生成式 AI，以及怎样用它作弊。
就在前两天，斯坦福大学等机构发布了一个名为 GPIC（Giant Permissive Image Corpus，巨型开放图像语料库）的数据集。