W27 AI 数据情报 — 集识光年

一句话速览

BAAI 在 2026-09-03 连发 3 个具身智能与协作规划数据集 [P0]、OpenAI 在 2026-09-03 同步释放 GPT-6 Astra 与 10 亿美元防御投入信号 [P0]、AllenAI 在 2026-09-01 用 BenchMIRT 把“评测数据”本身做成产品 [P1]。本周最强数据需求信号：具身智能/机器人协作轨迹。

Key Findings

本周 5 条高商业价值发现

P0 BAAI 在 2026-09-03 连发 3 个具身智能与协作规划数据集 [P0]

BAAI/Discoverse-L（2026-09-03，downloads: 129）聚焦 EvoVLA 的视觉-语言-动作研究。BAAI/MobileVLA-CoT（2026-09-03，downloads: 56）是多粒度链式思考数据集。BAAI/Orchestra-Bench（2026-09-03，downloads: 186）面向三机器人高层协作规划，包含 12,000 个样本和多视角场景输入。

商业意义 → 具身智能的数据重心正在从“单任务完成”转向“多机器人协同、跨视角理解、动作计划可验证”。这类数据天然需要人类判断来评估任务拆解是否合理、协作是否冲突、动作是否安全。对集识光年而言，机器人与 VLA 数据将是最适合用“贡献判断”变现的高价值品类。

P0 OpenAI 在 2026-09-03 同步释放 GPT-6 Astra 与 10 亿美元防御投入信号 [P0]

OpenAI 发布 GPT-6 Astra（2026-09-03），官方称其在 computer use、coding、cybersecurity、science 上达到新一代能力；其安全概览明确写明这是首个达到 Preparedness Framework “Critical” 级网络安全能力的广泛部署模型。同日 OpenAI 还推出 Daybreak for Frontline Defenders，宣布投入 10 亿美元支持前线防御者与关键基础设施。

商业意义 → 安全评估、红队对抗、越权工具选择、敏感操作审核会继续增量。模型越强，对人类安全专家的依赖越高，因为最终仍需人判断“可用”与“可放行”的边界。对集识光年而言，安全类专家判断、攻击链复核、任务级风险分级将是明确的收入场景。

P1 AllenAI 在 2026-09-01 用 BenchMIRT 把“评测数据”本身做成产品 [P1]

allenai/BenchMIRT（2026-09-01，downloads: 327）、allenai/BenchMIRT-item-statistics（2026-09-01，downloads: 352）、allenai/BenchMIRT-model-statistics（2026-09-01，downloads: 342）、allenai/BenchMIRT-eval-data（2026-08-25，downloads: 39）同时出现。AllenAI 说明该 benchmark 旨在衡量 LLM 的 latent safety 与 general reasoning scores，数据包含 prompt-response 评估记录。

商业意义 → 行业正在从“训练答案”转向“训练如何评价答案”。这意味着评分规则、偏好比较、裁判一致性、失败样例解释的需求上升。对集识光年而言，最有价值的不只是答案本身，而是能把专家判断结构化为评测资产的能力。

P1 代码 Agent 数据正在从静态样本转向轨迹与环境：2026-09-03 的 Terminal-Universe 与 Open-SWE-Traces 形成呼应 [P1]

论文 Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments（2026-09-03）直接把 agent trajectories 转成可扩展终端环境。NVIDIA/Open-SWE-Traces（2026-04-16，downloads: 21,253，likes: 108）持续更新，并在描述中提到新增由 Qwen3.8-27B 生成的 agent trajectories。EleutherAI/djinn-problems-v1.0（2026-08-30，downloads: 95）则强调 dual-verifier reward-hacking environments，目标是让 insecure 与 secure 的可分性更可靠。

商业意义 → 代码数据竞争已经从“题库规模”升级为“轨迹质量、环境可复现、失败可解释”。真正值钱的是人类能够复核的执行过程、错误路径、以及是否存在 reward hacking 的判断。这正是“让人通过贡献判断获得收入”的典型赛道。

P2 Claude Skills、Codex 与 Agent 生态在 2026-09-03 后继续扩张 [P2]

Claude Platform release notes（2026-09-03）v1.30.0 新增 ant apply，可从文件创建和更新 agents、environments、skills、memory stores、deployments。GitHub 上 anthropics/skills 已达 174,589 stars，anthropics/claude-code 144,185 stars，openai/codex 121,775 stars，openai/openai-agents-python 29,212 stars，openai/skills 25,462 stars。

商业意义 → Agent 竞争正在变成“技能资产竞争”，不是单纯 prompt 竞争。未来最需要人工贡献的内容，不只是标注结果，而是技能文档、操作规范、记忆规则、工具链审核和场景化评测。对集识光年而言，这类“人类知识可编排化”的资产可形成长期供给壁垒。

Demand Signals

从模型发布反推训练数据需求

具身智能/机器人协作轨迹

极强 ↑ 新增

BAAI 连发 Discoverse-L · MobileVLA-CoT · Orchestra-Bench；NVIDIA 持续推 Open-H Embodiment

代码 Agent 轨迹/终端环境

极强 ↑ 新增

Terminal-Universe · Open-SWE-Traces · Claude Code · Codex 生态同步扩张

安全评估/越权工具选择

极强 ↑ 新增

GPT-6 Astra 的 Critical 级 cyber 能力；ToolPrivBench；SkillSpector

评测裁判/偏好判断数据

强 ↑ 新增

BenchMIRT · RewardBench · Small Language Models as Judges for Rubric-Based RL

多语言语音/低资源语言

强 ↑ 新增

google/WaxalNLP 低资源非洲语言语音语料

视频理解/长视频事件边界

强 ↑ 新增

DeepMind agentic video understanding with Gemini

3D/空间感知/文本到 3D

强 ↑ 新增

uco3d · Qwen-Drive-1.0-4B · VGGT-Omega

科学检索/RAG/证据链

中 ↑ 新增

Asta summary citation counts · How AI Is Accelerating Scientific Discovery

时序预测/气象/工业预测

中 ↑ 新增

WeatherNext 3 · timesfm-3.0-pytorch

机器人协作/具身规划数据 ↓ 退出上期出现，本期未出现

工具权限与安全判断数据 ↓ 退出上期出现，本期未出现

评测与偏好统计数据 ↓ 退出上期出现，本期未出现

Agent 轨迹与终端任务数据 ↓ 退出上期出现，本期未出现

多语种语音 / TTS 数据 ↓ 退出上期出现，本期未出现

多模态驾驶 / 3D 感知数据 ↓ 退出上期出现，本期未出现

偏好学习 / reward 数据 ↓ 退出上期出现，本期未出现

合成环境 / 反作弊数据 ↓ 退出上期出现，本期未出现

时间序列预测数据 ↓ 退出上期出现，本期未出现

想深聊本期内容？

Kai Founder & CEO

苏文 AI 文档与发布工程师

陆明哲 AI 产品经理

由 AI Dataset Radar 自动生成 · 每周更新

AI Dataset Radar →

BAAI 三个具身数据集上新机器人协作需要人类判断

Key Findings

Demand Signals

BAAI 三个具身数据集上新
机器人协作需要人类判断