中文数据集
与“中文数据集”的相关热搜词：
相关“中文数据集” 的资讯10篇
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
趣链科技AI高质量数据集公共服务平台：以可信数据基础设施支撑行业AI落地
AI竞争转向高质量数据、行业知识与可信治理的综合比拼。国家数据局方案加速数据集建设，趣链科技依托其AI平台提供全流程支撑。高质量数据需经采集、清洗、标注、评估及合规处理，成为模型核心资产。平台集需求发布、标注、质评等功能于一体，形成闭环验证能力。在重庆文旅项目中，方案沉淀多模态数据超600TB，赋能十大AI场景；工业与文博领域亦已落地，平台助力数据转化为可靠、可用的AI能力。
-
灵初智能双模型亮相，全球最大人类手部数据集正式开源
灵初智能发布新一代具身大模型Psi-R2与Psi-W0，并开源首个1000小时人类手部操作全模态数据集。该数据集总储备达10万小时，为当前行业最大的开源人类手部操作数据集，标志着具身智能从实验室走向产业化的关键一步。Psi-R2是首个使用10万小时量级人类数据预训练的World Action Model，输入图片和语言即可输出预测的未来视频和机器人动作。Psi-W0作为Action-Conditioned World Model，核心功能是对Policy进行评估与提升，并通过强化学习将人类数据的dynamic迁移至机器人dynamic。此次开源的数据集具备三大亮点：全模态覆盖视觉、语言、关节角度、触觉四类信息；通过自研外骨骼手套采集，3D轨迹精度达亚毫米级；涵盖工业装配、生活操作、物体抓取等多场景任务。该数据集可广泛应用于智能制造、物流仓储、商业服务等商业化场景，加速具身智能在千行百业的落地应用。
-
它石智航 WIYH 数据集正式开源：全球首个具身 VLTA 多模态数据，加速具身智能真实世界落地
它石智航开源了全球首个大规模真实世界具身多模态数据集WIYH，填补了高质量、可泛化、大规模真实世界数据的空白。该数据集采用以人为中心的新范式，破解了数据采集成本高、仿真数据迁移难等痛点，为具身基座模型实现Scaling Law提供了关键语料。WIYH数据集具备真实可靠、丰富多元、全面多模态、规模化等特征，并拥有海量数据，覆盖10余种核心场景全链路任务。它石还�
-
双“首”领航！全国首个创新情报数据集发布 深圳启动可信数据开放社区
2025年12月19日，“创新领军·情报先行”主题活动暨中国科学技术情报学会创新情报专业委员会2025年度工作总结会在深圳举行。活动聚焦创新情报数智化转型，发布H-Tech Data高质量数据集，并启动创新情报可信数据开放社区倡议。数据集覆盖人工智能、生物医药等多个前沿领域，具备数据时效性强、技术赋能突出、场景适配性高等优势，旨在破解行业数据壁垒，构建协同创新生态。同时，倡议书呼吁共建安全可信、开放协同的数智化生态，推动创新情报从“单点赋能”向“系统赋能”升级，为我国在全球创新竞争中抢占情报先行优势提供关键支撑。
-
重磅！标贝科技推出「十万音色·自然语音数据集」 重构AI语音训练基础设施
标贝科技发布"十万音色·自然语音数据集"，覆盖中英双语，包含10万种音色样本（中文5万、英文5万），基于近百万小时原始数据经智能生产线精细打磨。该数据集在规模、真实性和准确性三大核心指标实现突破，支持多情感表达和跨场景应用，涵盖基础情绪到特定风格，话题涉及多个领域。通过音频质量筛选、文本转写校正、说话人分离等技术，从海量数据中甄选出高质量样本，为语音识别、合成等AI模型训练提供坚实基础，助力实现更自然、真实的语音交互体验。
-
亿信华辰数据治理解决方案助力构建高质量数据集
文章探讨了AI时代高质量数据的重要性及数据治理的关键作用。指出80%的AI项目因数据质量问题失败，低质、分散、标准不一的数据成为AI落地的主要障碍。提出数据治理应从"数据可用"到"数据好用"构建全链路能力，包括明确治理目标、搭建管理平台、持续改进质量三大核心动作。以亿信华辰为例，介绍其通过"标准-质量-资产-安全"四大模块的数据治理平台，帮助客户提升AI项目效率60%以上。强调数据治理已成为企业智能转型的必选项，需要建立专业组织和运营机制，持续挖掘高价值数据，为AI提供精准供给。
-
大模型时代的新燃料|标贝科技推出大规模拟真多风格语音合成数据集
本文探讨了人工智能语音交互领域的发展现状与挑战。文章指出，大模型技术驱动下语音交互应用场景持续拓展，但面临数据质量、隐私合规等挑战。当前语音大模型训练需要TB至PB级数据，而传统数据供给模式难以满足需求。合成数据作为真实数据的重要补充，能通过参数化生成机制规避隐私风险，突破传统数据在多样性和场景覆盖上的局限性。国内外科技企业已开始广泛应用合成数据训练AI模型，如Meta的LLaMA3和微软的Phi-4模型。标贝科技推出超大规模拟真多风格语音合成数据集，包含上万小时数据，覆盖中英混合场景，支持情感合成、风格迁移等前沿任务，为虚拟偶像、数字人等元宇宙场景提供实时语音生成方案。该数据集基于32kHz高保真采样率技术，在自然度、流畅度等方面达到行业领先水平。
-
破局贸易战！中国完全自主中文数据库铸就数字基建新基石，重塑农业全球竞争力
在中美关税争端升级的背景下，中国科技企业通过核心技术突破重塑全球产业链格局。广东辰宜信息科技公司历时10余年自主研发"博流中文分布式多模数据库"，融合链型、图型、关系型三重数据结构，攻克数据孤岛难题。该数据库具备全栈自研技术体系、数据安全与隐私保护、普惠化技术门槛三大核心价值，实现从底层架构到核心算法的完全自主可控。在农业领域，该技术通过数据融合与智能决策，优化云南野生菌产业链，实现"五流合一"的数字化管理，降低损耗率20%，推动中国农产品国际竞争力提升。这一突破不仅打破海外技术依赖，更构建了自主可控的技术体系，为中国参与全球数据标准制定奠定基础，展现了数字时代中国科技自立自强的实践担当。
-
提升大模型自动修Bug能力 豆包正式开源首个多语言类SWE数据集
今日，字节跳动豆包大模型团队宣布，正式开源首个多语言类SWE数据集Multi-SWE-bench，可用于评估和提升大模型自动修Bug”能力。在SWE-bench基础上，Multi-SWE-bench首次覆盖Python之外的7种主流编程语言，是真正面向全栈工程”的评测基准。相比于以往聚焦Python的单语言任务，Multi-SWE-bench更贴近现实中的多语言开发场景，也更能反映当前模型在自动化软件工程”方向上的实际能力边界。
-
荐 英伟达开源15T数据集：32万个机器人训练轨迹
全球AI领导者英伟达开源了，用于实体机器人和自动化驾驶的超大训练数据合集——NVIDIAPhysicalAIDataset。这个数据集一共15T，涵盖了超过320，000个机器人训练轨迹，以及多达1，000个通用场景描述包括一个SimReady集合。英伟达表示，未来将继续扩展PhysicalAIDataset，将其建设成世界最大、统一的开源数据集，可用于AI模型、医疗、自动化驾驶等不同领域，加速AI、实体机器人的训练效�
