搜索
《The Verge》报道，Mercor、Scale AI 和 Surge AI 招募律师、编剧、教师等专业人士生产 AI 训练数据，使劳动者在教 AI 取代原有工作的同时，面临项目骤停、严密监控、降薪和技能被模型掌握后需求消失的困境。
文章指出，AI常生成美女，是因为模型倾向生成接近数据分布中心的平均脸，而人类更偏爱平均脸，训练数据偏置、用户点击、奖励模型与商业激励进一步强化了这一反馈循环。
Mercor通过为OpenAI、Anthropic、Google DeepMind等模型公司组织律师、医生、程序员等专家生产训练数据，2026年上半年实现6.14亿美元总收入，其中91%来自基础模型公司，目前正以约200亿美元估值洽谈新一轮融资，其专家数据生产能力正成为模型竞赛的关键卡脖子环节。
近期 2026 外滩大会上，北大助理教授杨灵关于「长程任务学习」的分享引发行业关注 —— 当 AI 从单次问答走向长周期复杂任务，模型如何从持续交互中积累进化。而在这份分享的合作研究标识中，Muchen AI 的名字赫然在列。
BAI资本成员企业Humanlaya（原壤智能）宣布完成由鼎晖香港基金领投的数亿元Pre-A轮融资，公司聚焦大模型后训练数据与评测，通过专家网络、高质量数据生产与Benchmark体系帮助模型提升在金融、法律、医疗等复杂专业任务中的能力。
让模型自己生成训练数据、自己改写提示词、自己修复代码，这条路线被称为： 递归自我改进（Recursive Self-Improvement，RSI）。
分析机构SemiAnalysis点名谷歌Gemini 3.8 Flash和Meta Muse Spark 1.3在Terminal-Bench 2.1刷榜，换用新版Terminal-Bench 4.0后Gemini分数从89.4暴跌至19.1，揭露大厂通过购买"模拟卷"训练数据刷榜的AI造假黑幕。
阿里将领投AI评测公司UniPat AI 3亿美元融资使其估值达25亿美元，该公司由前阿里员工创办，通过设计基准测试、专业训练数据和Echo未来预测验证系统，为中国大模型提供高质量监督以应对算力约束。
过去两年，AI 领域最激动人心的叙事之一，是让模型自己改进自己：自己生成训练数据、自己改写提示词、自己修复自己的代码。这条路线叫递归自我改进（Recursive Self-Improvement，RSI）。
训练一个大模型之前，语料需要经过解析、清洗、去重、质量评分、Token化和样本组装。