2025年12月22日——Tether Data的AI研究部门QVAC今日宣布发布QVAC Genesis II，这是全球最大公开可用的合成教育数据集在人工智能预训练方面的重大扩展。随着新增1070亿个令牌，合并后的QVAC Genesis数据集现已涵盖19个教育领域，总计1480亿个令牌，显著扩大了开放AI训练数据的规模、深度和推理质量。QVAC Genesis II直接基于QVAC Genesis I的基础，后者引入了经过严格验证、专注于教育的合成数据集，涵盖核心STEM学科。本次第二次发布将覆盖范围扩展到10个新领域，包括化学、计算机科学、统计学、机器学习、天文学、地理学、计量经济学和电气工程，同时还采用改进的方法重新生成了大学物理内容。Genesis I和II共同构成了迄今为止最全面的合成教育数据集。此次发布的核心是一种名为“选项级推理”的新型数据生成方法，旨在从模型失败和正确答案中提取结构化推理。该方法不将正确答案视为最终输出，而是系统分析多项选择题中的每个选项，强化正确推理，同时明确应对常见误解。其结果是强调清晰性、因果关系和决策能力的训练数据，而不仅仅是表面正确性。这一新方法补充了Genesis I中引入的原始失败分析方法，形成了双重方法管线，确保每个生成的问题都具有教育价值。独立评估显示，基于Genesis II数据训练的模型在推理准确性方面显著提高，且能更一致地产生清晰、明确的答案，远超之前的合成数据集。此次发布不仅是规模的提升，更代表了教育AI数据构建方式的有意转变。行业大多专注于抓取和汇总越来越大量的文本，而QVAC的方法旨在教会模型如何思考、推理和解释，将智能建立在理解基础之上，而非模仿。“目前大多数AI训练优化的是流畅性，而非理解，”Tether首席执行官Paolo Ardoino表示，“通过此次发布，我们正向结构、推理和清晰度迈进。智能应建立在理解为何某事为真之上，而不仅仅是预测听起来合理的内容。通过开放这个数据集，我们为研究人员和开发者提供工具，打造更可靠、更可解释、最终对社会更有用的AI。”与Genesis I一样，扩展版数据集也将向研究人员、学术机构和独立开发者免费开放，支持非封闭、专有系统之外的创新。它采用Creative Commons Attribution–NonCommercial (CC-BY-NC 4.0)许可证，彰显QVAC对开放、社区驱动AI研究的承诺。此次发布继续推动QVAC更广泛的使命，即发展本地化、去中心化的智能，让AI模型在无需依赖集中云平台的情况下进行训练、优化和部署。通过强化AI训练数据的开放基础，Tether Data旨在降低创新的结构性障碍，确保高质量的智能成果对全球研究社区始终可及。完整的技术细节分析，题为“QVAC Genesis II：扩展最大、最高质量的多领域教育合成数据集用于预训练”，现已在QVAC研究博客上发布，同时提供Hugging Face上的数据集和模型访问。更多信息，包括详细的常见问题解答，也可在QVAC官网查阅。
本文最初发表于Crypto Breaking News的“Tether发布QVAC Genesis II”——您的加密新闻、比特币新闻和区块链动态的可信来源。
相关文章
