📢 Gate廣場獨家活動: #PUBLIC创作大赛# 正式開啓!
參與 Gate Launchpool 第 297 期 — PublicAI (PUBLIC),並在 Gate廣場發布你的原創內容,即有機會瓜分 4,000 枚 $PUBLIC 獎勵池!
🎨 活動時間
2025年8月18日 10:00 – 2025年8月22日 16:00 (UTC)
📌 參與方式
在 Gate廣場發布與 PublicAI (PUBLIC) 或當前 Launchpool 活動相關的原創內容
內容需不少於 100 字(可爲分析、教程、創意圖文、測評等)
添加話題: #PUBLIC创作大赛#
帖子需附帶 Launchpool 參與截圖(如質押記錄、領取頁面等)
🏆 獎勵設置(總計 4,000 枚 $PUBLIC)
🥇 一等獎(1名):1,500 $PUBLIC
🥈 二等獎(3名):每人 500 $PUBLIC
🥉 三等獎(5名):每人 200 $PUBLIC
📋 評選標準
內容質量(相關性、清晰度、創意性)
互動熱度(點讚、評論)
含有 Launchpool 參與截圖的帖子將優先考慮
📄 注意事項
所有內容須爲原創,嚴禁抄襲或虛假互動
獲獎用戶需完成 Gate廣場實名認證
Gate 保留本次活動的最終解釋權
我無法理解爲什麼扎克花了150億美元收購了來自ScaleAI的15名員工(數據公司)
所以我深入研究了一下,覺得我搞明白了:
我們並沒有耗盡數據。實際上,情況正好相反。
一輛單一的無人駕駛汽車每小時產生2TB (的數據,相當於800,000本書)。
問題在於數據很混亂,不容易輸入到LLM中進行訓練,因此它就被扔進了數據墓地,留給其他人去解決(沒有人去做)。
優秀數據工程師的嚴重短缺
我提到的那個墓地實際上是一個金礦,如果你能從中篩選出來的話。
問題是很少有人有能力或時間。猜測這就是扎克伯格爲scaleAI員工支付150億美元的原因。
高質量數據遠比“數據量”更有價值
特別是針對訓練後模型 (eg 測試時間計算)。
它還需要更少的計算,這降低了訓練模型的成本。
所以如果你的訓練團隊能夠 1. 篩選高質量數據 2. 將其注入後續訓練 3. 降低成本 - 你就會贏得人工智能競賽 (無價)。