Tether AI Research lanza el conjunto de datos QVAC Genesis III para mejorar los modelos de IA pequeños en STEM

Noticia de ME: el 23 de septiembre (UTC+8), Tether AI Research lanzó el conjunto de datos sintéticos QVAC Genesis III, con un tamaño de 191.43 mil millones de tokens, que abarca 159.6 millones de documentos y 19 áreas STEM, con el objetivo de mejorar la capacidad de modelos de IA pequeños, ejecutables en dispositivos locales como computadoras portátiles y teléfonos móviles, en los campos de ciencia, tecnología, ingeniería y matemáticas. El conjunto de datos emplea dos métodos: "análisis de errores" y "razonamiento a nivel de opción". El primero consiste en que un modelo docente más potente analiza los errores de razonamiento del modelo estudiante y proporciona las respuestas correctas; el segundo explica por qué la respuesta correcta es correcta y por qué las otras opciones son incorrectas. Las pruebas mostraron que, en comparación con modelos entrenados con Cosmopedia-v2 del mismo tamaño en tokens, los modelos entrenados con el corpus completo de Genesis III mejoraron en 28.57, 21.35 y 15.03 puntos porcentuales en las pruebas de referencia ARC-Easy, ARC-Challenge y MMLU STEM, respectivamente. El artículo relacionado ha sido aceptado por la conferencia COLM 2026. (Fuente: Foresight News)