Nous Research 同日开放七类价值主题回答对与 803 条议题评估提示
本周扫描 86 个 HF 组织 · 50 个 GitHub 组织 · 71 个博客 · 125 个 X 账户
Nous Research 同日发布七类价值主题回答对与 803 条议题评估提示 [P0]、加大搜索可使真实回报最多下降 76% [P0]、Allen AI 发布 ToyBlocks 数据及两款配套机器人模型 [P1]。本周最强数据需求信号:价值对齐与事实核查。
Key Findings
本周 5 条高商业价值发现
2026-11-06,Nous Research 发布或更新 `NousResearch/arete-data-pairs`,扫描下载量为 1,521、点赞数为 71;数据覆盖七类价值主题,每个提示包含 Inkling 教师模型与 Qwen 起始检查点的回答,并附类别和教师审查信息。同日的 `NousResearch/Propaganda_Eval` 下载量为 4,280、点赞数为 61,包含 803 条提示,每条关联来自引用来源的 2—4 项必需事实,并采用模型裁判评分。配套模型 `NousResearch/Arete-27B` 同日记录下载量 6,191、点赞数 600。
2026-11-06 发表的《Goodhart in the Planner: Sampling-Based Control Exploits Rewards Learned from Human Preferences》报告,在其测试设置中,更强的 MPPI 搜索可使真实回报最多下降 76%,即使留出集判断准确率仍维持在摘要所述约 0.7 水平。同日发表的《DeepResearch RewardBench: Evaluating Reward Models for Deep Research Report》聚焦长篇、高信息密度、领域性研究报告的奖励模型评估。工具侧,`snorkel-ai/ping-or-peek` 扫描时为 1 星,其实验研究编码 Agent 是向用户澄清还是读取评分器;材料未给出该仓库和相关博客的发布日期。
2026-11-05,`allenai/toyblocks-data` 发布或更新,扫描下载量为 9,159、点赞数为 4;项目旨在以窄域仿真框架支持机器人基础模型训练与测试,降低真实世界采集成本。同日发布或更新的 `allenai/maniflow-tb` 下载量为 89,`allenai/Molmo2-4B-tb` 为 83,分别涉及机器人操作以及规划、指点等能力。作为窗口外背景,2026-10-29 的 `nvidia/VESPER` 扫描下载量为 213,测试视觉语言模型能否在人体安全风险出现时判断停止或继续。
2026-11-03,`allenai/Dolci-Think-SFT-Clean-v2` 发布或更新,扫描下载量为 2,398、点赞数为 9。其说明称该版本基于 `allenai/Dolci-Think-SFT` 的指定修订,保留 Clean-v1 的全部移除操作,并进一步移除 148,210 条 OpenThoughts3 数学样本。扫描摘要未完整提供移除原因,不能据此认定这些样本均为答案错误、污染或授权问题。
2026-11-02,`BAAI/TouchEvent` 发布或更新,扫描下载量为 530,包含真实机器人触觉实验与有限元方法仿真的同步时序数据,数据集说明将其归属于北京大学先进制造与机器人学院 Haptic Sensing Lab。作为此前布局,2026-10-14 的 `BAAI/EventTouch` 扫描下载量为 16,945,同样涉及触觉接触实验与仿真;两个数据集不能仅凭名称视为同一数据集的版本升级。
Demand Signals
从模型发布反推训练数据需求
想深聊本期内容?
由 AI Dataset Radar 自动生成 · 每周更新
AI Dataset Radar →