Genesis II Mở rộng Bộ dữ liệu Giáo dục AI Tổng hợp của QVAC lên 148 Tỷ Token

Phân bộ nghiên cứu trí tuệ nhân tạo của Tether Data, QVAC, đã giới thiệu phiên bản mới nhất của bộ dữ liệu tổng hợp mã nguồn mở, đánh dấu bước tiến đáng kể trong khả năng tiền huấn luyện mô hình AI. Phiên bản mới bổ sung 107 tỷ token, nâng tổng số dữ liệu lên 148 tỷ token trải rộng 19 lĩnh vực tập trung vào giáo dục—xác lập nó là bộ dữ liệu tổng hợp công khai lớn nhất thế giới dành cho phát triển AI.

Đột phá trong khả năng phân chia tổng hợp và lý luận

Bộ dữ liệu Genesis II giới thiệu một bước chuyển căn bản trong cách cấu trúc dữ liệu tổng hợp để huấn luyện thông tin. Thay vì chỉ tích lũy token đơn thuần, QVAC đã triển khai phương pháp “phân chia tổng hợp” chia nhỏ nội dung giáo dục thành các lĩnh vực chuyên biệt, mỗi lĩnh vực tối ưu cho các mục tiêu học tập cụ thể. Phương pháp này cho phép kiểm soát chi tiết hơn các tham số huấn luyện của mô hình.

Một đặc điểm nổi bật của bản phát hành này là giới thiệu “Lý luận cấp Tùy chọn”, một phương pháp huấn luyện mới hướng dẫn mô hình AI qua các khung giải quyết vấn đề đa lựa chọn. Khác với các thế hệ trước tập trung vào nhận dạng mẫu, phương pháp này dạy rõ ràng các bước lý luận trung gian cần thiết để đi đến kết luận. Các đánh giá độc lập cho thấy các mô hình huấn luyện trên dữ liệu Genesis II thể hiện độ chính xác lý luận vượt trội và tạo ra các phản hồi mạch lạc, có cấu trúc rõ ràng hơn so với các bộ dữ liệu tổng hợp trước đó.

Mở rộng phạm vi lĩnh vực và khả năng tiếp cận

Genesis II mở rộng sang các lĩnh vực trước đây ít được chú ý như khoa học máy tính, thống kê và học máy—những lĩnh vực then chốt để phát triển hệ thống AI có khả năng giải quyết các vấn đề phân tích phức tạp. Việc mở rộng này dựa trên nền tảng của Genesis I, vốn tiên phong trong phương pháp phân tích thất bại để xác định và sửa chữa các điểm yếu trong lý luận của mô hình.

Toàn bộ bộ dữ liệu được phát hành theo giấy phép Creative Commons và được lưu trữ trên blog chính thức của QVAC cũng như Hugging Face, mở rộng quyền truy cập dữ liệu huấn luyện cấp doanh nghiệp. Mô hình phân phối mở này loại bỏ rào cản cho các nhà nghiên cứu và nhà phát triển làm việc với các mô hình AI cục bộ, giảm phụ thuộc vào các nền tảng phát triển AI độc quyền, tập trung.

Tầm nhìn chiến lược và tác động ngành công nghiệp

Paolo Ardoino, CEO của Tether, mô tả sáng kiến này như một bước ngoặt quan trọng trong việc phát triển trí tuệ nhân tạo vượt ra ngoài khả năng ngôn ngữ thuần túy để hướng tới sự hiểu biết có cấu trúc và vững chắc hơn. Bằng cách cung cấp quyền truy cập miễn phí vào dữ liệu huấn luyện tổng hợp chất lượng cao, QVAC giúp cộng đồng nghiên cứu AI rộng lớn hơn phát triển các mô hình đáng tin cậy và minh bạch hơn ngoài các hệ sinh thái doanh nghiệp truyền thống.

Việc phát hành này nhấn mạnh nhận thức ngày càng tăng rằng dữ liệu tiền huấn luyện chất lượng—đặc biệt là các bộ dữ liệu tổng hợp tối ưu cho giá trị giáo dục—đóng vai trò là lợi thế cạnh tranh then chốt trong phát triển mô hình. Khi các hệ thống AI ngày càng trở nên trung tâm trong kinh doanh và nghiên cứu, các sáng kiến như Genesis II góp phần đáng kể vào việc dân chủ hóa khả năng huấn luyện mô hình tiên tiến.