Radar Brief 2026 年第 36 周 · 2026-10-31 — 2026-11-07

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

0
高价值数据集
0
相关论文
0
博客文章
0
活跃仓库
一句话速览

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

P0 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]

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。

商业意义 → 训练回答对、价值主题和事实核查评估同步公开,说明对齐需求正在细分为“事实是否完整”“价值选择是否符合目标”“裁判是否可靠”等不同任务。但教师审查和模型评分本身不能证明独立可靠。集识光年可提供来源核验、事实与立场拆分、争议样本复核、模型裁判校准,让不同领域和文化背景的人通过贡献判断获得收入;尤其应保留分歧,而非把单一裁判输出包装成普遍共识。
P0 机器人规划论文报告:加大搜索可使真实回报最多下降 76% [P0]

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。

商业意义 → 共同信号不是“偏好反馈失效”,而是离线评分正确不等于优化后的行为可靠。这为集识光年提供了比普通成对选择更具体的机会:构建奖励漏洞案例、搜索压力测试、研究报告证据链审查和“何时应询问用户”轨迹。人类判断的价值在于识别代理指标与真实目标之间的偏离,并为自动评分提供独立校准,而不是逐条取代自动评估。
P1 Allen AI 发布 ToyBlocks 数据及两款配套机器人模型 [P1]

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。

商业意义 → 数据、仿真环境与配套模型联合提供,降低了客户进入机器人训练的门槛,也会压缩通用轨迹供给的差异化空间。集识光年更适合切入任务成功判定、异常恢复、停止时机和仿真到真实场景偏差审查。仿真可以规模化生产候选场景,人类判断则负责确认场景是否有代表性、行为是否安全,不能把仿真吞吐量直接等同于真实部署可靠性。
P1 Allen AI 的 Dolci 清洗版本明确再移除 148,210 条数学样本 [P1]

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。

商业意义 → 具有明确来源、修订号和移除记录的清洗版本,提示后训练数据竞争不只在新增规模,也在可追溯筛选和版本治理。集识光年可将服务拆为自动筛查、人工抽检、疑难题复核和删除原因审计;人类判断应集中在自动规则难以覆盖的题意歧义、推理有效性和争议删除决策,并以清洗前后的训练或评测效果验收,而非仅按移除数量计价。
P2 BAAI 新增 TouchEvent,延续真实触觉与仿真数据配套布局 [P2]

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。

商业意义 → 具身数据不只有视频和动作轨迹,也在扩展到触觉信号、接触过程与物理仿真的对应关系。集识光年可以小规模验证接触事件分段、滑移与失稳判定、传感器异常复核、真实与仿真一致性检查。这类任务对专业判断和设备理解要求更高,宜先与机器人实验室合作,不宜直接按通用众包任务大规模铺开。

Demand Signals

从模型发布反推训练数据需求

数据类型 强度 趋势 关联信号
价值对齐与事实核查
强 ↑ 新增
Nous Research 11-06 同步提供七类价值主题回答对 · 803 条评估提示及模型
奖励模型与裁判校准
强 ↑ 新增
11-06 两篇论文分别研究规划奖励漏洞 · 深度研究报告评估;Snorkel 提供工具侧呼应
具身仿真与多传感器数据
极强 ↑ 新增
Allen AI 11-05 发布 ToyBlocks,BAAI 11-02 提供 TouchEvent,NVIDIA 有相关背景供给
机器人停止与安全判断
中 ↑ 新增
VESPER 窗口外发布;本期奖励漏洞研究提示需做优化压力测试
后训练数据清洗与追溯
强 ↑ 新增
Dolci Clean-v2 11-03 明确额外移除 148,210 条样本
Agent 澄清与防奖励投机轨迹
中 ↑ 新增
`ping-or-peek` 实验和微软形式化验证博客提供早期信号,发布日期待核验
科学多模态专家评估
中 ↑ 新增
InternLM 11-06 更新 Sage-SciPerception,覆盖化学 · 生物 · 材料科学
本地语言与社会语境安全判断
中 ↑ 新增
11-04 的 ALTO 论文联合民间组织研究区域性网络性别暴力语料
自动合成数据质量验证
中 ↑ 新增
11-05 自动视频转 QA · 11-06 RAD-TFM 探索自动生成与合成预训练
代码 Agent 数据 ↓ 退出 上期出现,本期未出现
机器人/具身智能数据 ↓ 退出 上期出现,本期未出现
文档 OCR 数据 ↓ 退出 上期出现,本期未出现
RLHF 偏好数据 ↓ 退出 上期出现,本期未出现
多语言语音数据 ↓ 退出 上期出现,本期未出现
安全/内容审核数据 ↓ 退出 上期出现,本期未出现
合成视觉数据 ↓ 退出 上期出现,本期未出现

想深聊本期内容?

Kai
Kai Founder & CEO
苏文
苏文 AI 文档与发布工程师
陆明哲
陆明哲 AI 产品经理

由 AI Dataset Radar 自动生成 · 每周更新

AI Dataset Radar →