Topic Timeline
#训练数据
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 行业动态2026-08-18 · 周二重要度 4/5深度报告 →
404追踪珍本图书流向亚马逊AI设施
404 Media在8月17日称其用AirTag追踪的珍本图书进入亚马逊AI训练设施，TechCrunch和Ars同日跟进。亚马逊只通过声明称其经商业渠道购书。
- 这条的增量在于证据形态：物流追踪把实体书、扫描设施和销毁争议串起来。
- 它会让AI数据来源审计从授权文本扩展到供应链和保存责任。
- 版权治理2026-07-22 · 周三重要度 4/5深度报告 →
法官批准 Anthropic 15 亿美元图书和解
美联社在窗口内报道，法官于前一日批准 Anthropic 就使用盗版图书训练 Claude 达成的 15 亿美元集体诉讼和解。该方案早在 2025 年提出。
- 批准动作把训练数据争议从责任辩论推进到赔付执行。
- 它不会自动回答合法购买图书的训练使用是否构成合理使用，也不等于所有生成式 AI 版权案件已有统一结论。
- 研究论文2026-06-24 · 周三重要度 4/5深度报告 →
OpenThoughts-Agent:把 agentic 模型的训练数据配方完全开源
OT-Agent 针对「怎么为通用 agent 策展训练数据」这一公开知识空白,跑了 100+ 受控消融、组装 10 万样本微调 Qwen3-32B,七项 agent 基准均分 44.8%,比最强开源数据模型 Nemotron-Terminal-32B(40.9%)高 3.9 个点(SWE-Bench Verified 54.0% vs 41.9%)。配方逐项消融,数据、流水线、模型全部开源。