2025年12月22日——Tether Data的AI研究部門QVAC今日宣布推出QVAC Genesis II，這是全球最大公開可用的合成教育數據集在人工智能預訓練方面的重大擴展。新增了1070億個新標記，合併後的QVAC Genesis數據集現在在19個教育領域中總計達到1480億個標記，顯著擴展了開放AI訓練數據的規模、深度和推理質量。QVAC Genesis II直接建立在QVAC Genesis I的基礎上，該版本引入了一個經過嚴格驗證、專注於教育的合成數據集，涵蓋核心STEM學科。此次第二次發布擴展了涵蓋範圍，新增10個領域，包括化學、計算機科學、統計學、機器學習、天文學、地理學、計量經濟學和電機工程，同時也使用改進的方法重新生成了大學物理數據。Genesis I和II共同構成了有史以來最全面的合成教育數據集。此次發布的核心是一種名為選項層級推理（Option-Level Reasoning）的新數據生成方法，旨在從模型失敗中以及正確答案中提取結構化推理。該方法不將正確回答視為最終輸出，而是系統性分析多選題中的每個選項，加強正確推理，同時明確解決常見誤解。結果是強調清晰性、因果關係和決策能力的訓練數據，而不僅僅是表面上的正確性。這種新方法與Genesis I中引入的失敗分析（Failure Analysis）方法相輔相成，形成一個雙重方法流程，確保每個生成的問題都具有教育價值。獨立評估顯示，基於Genesis II數據訓練的模型在推理準確性方面顯著提高，並且能更一致地產生清晰、明確的答案，遠超過之前的合成數據集。這次發布不僅是規模的擴大，更是對教育AI數據構建方式的有意轉變。儘管行業大多專注於爬取和聚合越來越大量的文本，QVAC的方法則旨在教導模型如何思考、推理和解釋，將智能建立在理解之上而非模仿。“目前大多數AI訓練偏重於流暢性，而非理解，”Tether的CEO Paolo Ardoino表示，“通過這次發布，我們正向結構、推理和清晰度邁進。智能應建立在理解為何某事為真，而非僅僅預測聽起來合理的內容。通過開放這個數據集，我們為研究人員和開發者提供工具，打造更可靠、更可解釋、最終對社會更有用的AI。”與Genesis I一樣，擴展後的數據集將以開放方式釋出，支持研究人員、學術機構和獨立開發者在非封閉、專有系統之外進行研究。它採用Creative Commons Attribution–NonCommercial (CC-BY-NC 4.0)許可證，彰顯QVAC對開放、社群驅動AI研究的承諾。此次發布延續了QVAC推動本地化、去中心化智能的更廣使命，讓AI模型能在不依賴集中式雲平台的情況下進行訓練、優化和部署。通過強化AI訓練數據的開放基礎，Tether Data旨在降低創新障礙，確保高品質的智能能夠持續為全球研究社群所用。完整的數據集技術細節，題為“QVAC Genesis II：擴展最大且最高質量的多領域教育合成數據集以進行預訓練”，現已在QVAC研究博客上發布，並可在Hugging Face上獲取數據集和模型。更多資訊，包括詳細的常見問題解答，請訪問QVAC官方網站。
本文最初發佈於Crypto Breaking News的《Tether發布QVAC Genesis II》——您的加密貨幣、比特幣新聞和區塊鏈更新的可信來源。
相關文章
