人工智能（AI）语料库是汇集大量来自书籍、学术文章、社交媒体等渠道的文本、图片、音频、视频数据集合，是人工智能领域研究和应用的基础数据。目前，国际主流大模型训练语料库以英文语料为主，中文语料占比不超过5%。中文人工智能语料库匮乏制约了我国大模型性能飞跃和技术创新。赛迪智库电子信息研究所建议加快专业语料建 ...

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@ ...

数据来源方面，Nemotron-CC 基于 Common Crawl 网站数据构建，并在经过严格的数据处理流程后，提取而成高质量子集 Nemotron-CC-HQ。 在性能方面，英伟达称 ...

12月4日，韩国首尔，韩国最大在野党、共同民主党党首李在明在国会门前发表讲话。随后，国会通过“要求解除戒严”的决议。 近日，第十二届全国 ...

目前只支持单人模式。 Card Crawl是一款由Arnold Rauers开发的益智游戏。玩家需要在游戏过程中不断收集卡片，提升自己的实力。游戏画面精美 ...

打破大型科技公司对数据的控制需要大胆和协作的努力。Common Crawl 和 Hugging Face 等开放数据计划通过创建可供小公司和研究人员使用的共享数据集，为数据开放提供了一条前进的道路。这些项目的公共资金和机构支持可以帮助创造公平的竞争环境，并鼓励更具 ...