AI资讯
BAT 集体重做「AI 预训练」，补「脏数据」的坑
最近大半年，国内一批 AI 模型厂商 密集启动“预训练返工”，起因都指向同一件事：数据不行。 它们中，有的此前花了一年死磕万亿参数模型，落地表现却被市面上 1% 规模的小模型倒挂，最终查出是被脏数据拖了后腿。 有的曾因数据标注规则模糊、评测集污染、垃圾语料冗余等工程硬伤而导致模型进展迟缓。 还有的因数据受限，导致模型遭遇性能瓶颈，索性推倒重来，并重建了数据团队。 与此同时，借 API 中转站截留交互轨迹、做数据蒸馏等，也成了行业水…
发布于 2026年9月24日 约 3 分钟阅读 更新于 2026年9月28日
<!-- ainav-news-source:f7d8b2e487a81e88 -->
本页仅保留 雷峰网 AI 公开 RSS/Atom 订阅源中的标题和摘要，不抓取、不转载发布方全文。机器翻译可能存在遗漏或歧义，重要信息请以原文为准。
资讯摘要
最近大半年，国内一批 AI 模型厂商 密集启动“预训练返工”，起因都指向同一件事：数据不行。 它们中，有的此前花了一年死磕万亿参数模型，落地表现却被市面上 1% 规模的小模型倒挂，最终查出是被脏数据拖了后腿。 有的曾因数据标注规则模糊、评测集污染、垃圾语料冗余等工程硬伤而导致模型进展迟缓。 还有的因数据受限，导致模型遭遇性能瓶颈，索性推倒重来，并重建了数据团队。 与此同时，借 API 中转站截留交互轨迹、做数据蒸馏等，也成了行业水…
原文来源
- 发布方：雷峰网 AI
- 原文标题：BAT 集体重做「AI 预训练」，补「脏数据」的坑
- 原文链接：查看 雷峰网 AI 发布的完整原文
- 内容范围：订阅源标题与摘要
编辑说明： 这是一篇历史快讯，正在逐步升级为完整的中文报道与解读。现有信息与参考出处均保留在本页。