当前位置:

首页 > 硬件相关 > 面壁智能联合清华大学、OpenBMB开源社区联合发布并开源两大最新数据集

面壁智能联合清华大学、OpenBMB开源社区联合发布并开源两大最新数据集

5月29日,面壁智能联合清华大学、OpenBMB开源社区,一口气开源了两大最新数据集:Ultra-FineWeb-L3与UltraData-SFT-2605。这可不是一般的更新——Ultra-FineWeb-L3包含了高质量的中文+英文网页合成数据,总量突破600B Tokens,其中中文数据就占了

本文目录

    5月29日,面壁智能联合清华大学、OpenBMB开源社区,一口气开源了两大最新数据集:Ultra-FineWeb-L3与UltraData-SFT-2605。这可不是一般的更新——Ultra-FineWeb-L3包含了高质量的中文+英文网页合成数据,总量突破600B Tokens,其中中文数据就占了200B+ Tokens,是目前开源社区规模最大的中文预训练合成数据集。而UltraData-SFT-2605,则是国内首次开源的千万级、同时包含深思考与非思考标注的SFT数据集。

    如果你关注过MiniCPM5-1B的训练过程,就会发现这正是UltraData分级治理体系的一次完整实践。这次上新的两大数据集,其实已经在MiniCPM5-1B的训练流程中得到了完全验证,覆盖了从预训练退火到后训练SFT的全链路。换句话说,这不是纸上谈兵的理论成果,而是实打实地跑通了整个流程。

    面壁智能联合清华大学、OpenBMB开源社区联合发布并开源两大最新数据集

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 开源社区
    相关文章 更多
    golang框架开源社区和支持
    golang框架开源社区和支持

    Go语言生态系统拥有丰富的开源框架社区,为Web开发、数据处理和机器学习等任务提供支持。这些框架包括:Web框架:Echo、Gin、FiberORM框架:GORM、xorm、GorillaMux数据处理框架:Pandas、NumPy、Matplotlib机器学习框架:TensorFlow、PyTorch、Scikit-learn社区支持包括:文档和教程论坛和聊天室GitHub代码库开源社区和积极的支持推动了Go语言框架的持续发展和采用。

    Java框架开源社区参与如何激发团队合作精神?
    Java框架开源社区参与如何激发团队合作精神?

    参与开源社区对Java框架开发团队有以下益处:通过技术交流和最佳实践分享,扩展团队知识面。通过向项目贡献代码和影响其发展方向,提升技术能力和团队自豪感。建立人脉,促进跨团队合作。实战案例:团队参与ApacheCommons库开发,包括提交Bug报告、解决Bug和代码审查,提升了团队所有权感、沟通技巧、持续学习能力和凝聚力。

    Java框架开源社区参与的具体形式是什么?
    Java框架开源社区参与的具体形式是什么?

    参与Java框架开源社区的方式包括:1.报告错误和建议增强;2.贡献代码;3.审查和合并请求拉取;4.参与讨论;5.撰写文档和示例;6.组织活动和贡献。

    Go语言在开源世界的地位
    Go语言在开源世界的地位

    Go语言在开源社区中的地位随着信息技术的飞速发展,开源软件的重要性越来越凸显。开源社区成为了创新的摇篮,吸引着全球技术人员的关注和参与。而在这个庞大的开源生态系统中,Go语言作为一种相对年轻的编程语言,逐渐崭露头角,成为了众多开源项目的首选之一。Go语言,是由谷歌(Google)公司开发的一种编程语言,其开发的初衷是为了提高软件开发人员的生产力。它结合了传统

    昇思开源社区理事会成立,基于昇思AI框架的全模态大模型“紫东.太初2.0”发布
    昇思开源社区理事会成立,基于昇思AI框架的全模态大模型“紫东.太初2.0”发布

    蓝鲸TMT频道6月16日讯,包括18家AI企业、学会、高校与科研院所联合发布《共建人工智能框架生态倡议》、昇思MindSpore开源社区理事会成立、上海昇思AI框架&大模型创新中心启动及首批22家单位入驻、全模态大模型“紫东.太初2.0”发布。中国科学院自动化研究所基于昇思推出的全模态大模型“紫东.太初2.0”发布。官方表示,该大模型是在千亿参数三模态大模型“紫东.太初”1.0基础上的升级,在语音、图像和文本之外,加入了视频、传感信号、3D点云等更多模态,从技术架构上实现了结构化和非结构化数据的全模态开放

    QQ影音播放高清视频卡顿怎么办
    QQ影音播放高清视频卡顿怎么办

    本地文件卡是解码问题:开硬件加速、关画面增强、电源设计高性能;4K 高码率对老机器仍有硬门槛。

    QQ影音如何开启硬件加速提升播放流畅度
    QQ影音如何开启硬件加速提升播放流畅度

    设置 → 播放或图像设置里勾选硬件加速,重新打开视频。开启后看 CPU 降、GPU 视频解码升才算生效;花屏就关掉或更新驱动。

    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明
    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明

    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498 均为预发布构建,分别涉及服务器、语音模型及特定后端;适用范围须按模型、硬件和请求条件区分。

    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分
    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分

    MiniMax-H3-Image新增DiffSynth-Studio文档推荐后,配置选择应围绕具体推理配方和独立训练流程展开。文档中的24GB GPU方案分别配合32GB或8GB主机RAM,所用量化、CPU或磁盘卸载方式不同;新增文档入口本身没有发布模型新权重或标注一个新的框架版本。

    Ollama v0.40.17-rc0更新该看哪些条件,MLX、Vulkan与CLI改进如何对应
    Ollama v0.40.17-rc0更新该看哪些条件,MLX、Vulkan与CLI改进如何对应

    识别Ollama完整rc0预发布标签,区分MLX并发、Vulkan集成显卡mmap、llama.cpp b12257与CLI集成更新边界。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。