- QVAC Genesis II 將開放式 AI 訓練擴展至 1480 億個 token，涵蓋 19 個學術領域。
- 該數據集訓練模型解釋選擇並提升推理能力，而不僅僅停留於表層。
- Tether Data 公開釋出數據集，支持封閉 AI 系統之外的研究人員。
Tether Data 發布了 QVAC Genesis II，將其開放式合成教育數據集擴展至 1480 億個 token，涵蓋 19 個學術領域。此次更新在 Genesis I 的基礎上新增了 1070 億個 token，使該數據集成為全球最大、公開可用的 AI 預訓練合成教育資源。
QVAC 是 Tether Data 的人工智慧研究部門，該部門表示，這個數據集旨在加強 AI 模型的推理、解釋和決策能力，而不是僅僅學習表層模式。此次發布正值許多先進訓練數據集仍受限於專有系統之內，限制了獨立研究人員和學術機構的訪問權限。
數據集規模與學術覆蓋範圍
擴展後的數據集涵蓋 19 個學術領域，並針對結構化推理任務中的教育推理深度進行設計。QVAC 表示，規模的提升有助於為需要基於解釋輸出的模型提供更一致的訓練，而不僅僅是機率性文本預測。
因此，該數據集在預訓練過程中，著重於問題與答案的清晰性與因果關係。該數據集仍對研究人員、大學及在封閉平台之外工作的獨立開發者開放。
QVAC 以 Creative Commons Attribution–NonCommercial 4.0 授權條款發布 Genesis II，延續了 Genesis I 的授權方式。該組織表示，這一授權支持研究用途，同時保留署名和非商業限制。數據集及相關模型可通過 Hugging Face 獲取，並附有詳細文件及訪問工具。
全新選項級推理方法
Genesis II 的核心是一種名為「選項級推理」的新數據生成方法。該方法評估多選題中的每一個答案選項，包括正確選項和常見誤解。
該方法並非將正確答案視為最終輸出，而是分析每個選項為何正確或錯誤。QVAC 表示，這一過程強化了有效推理，同時直接針對訓練數據中的錯誤假設。
這一方法是在 Genesis I 引入的失敗分析框架基礎上構建的。兩種技術結合，形成雙重方法流程，確保每個生成項目都能帶來教學價值。
根據QVAC引用的獨立評估，基於 Genesis II 數據訓練的模型在推理準確性上表現更佳，並能更一致地給出清晰答案。因此，該數據集將訓練重點從流暢性轉向結構化理解。
相關閱讀：Tether 提交收購 Juventus Football Club 的提案
開放研究與去中心化 AI 目標
QVAC 表示，此次發布符合其支持本地及去中心化 AI 發展的更廣泛努力。該計劃旨在實現模型訓練與部署，無需依賴中心化雲端平台。
通過擴展開放訓練基礎，Tether Data 希望消除小型研究團隊面臨的結構性障礙。Tether 執行長 Paolo Ardoino 表示：「當前大多數 AI 訓練優化的是流暢性，而非理解能力。」
「透過這次發布，我們正推動訓練重心從數量轉向結構、推理與清晰度，」Ardoino 補充道。他指出，開放存取讓研究人員能夠開發可解釋且可靠的 AI 系統。
技術論文《QVAC Genesis II：擴展最大且最高品質多領域教育合成數據集以用於預訓練》已發佈於 QVAC 研究部落格。QVAC 亦在其官方網站上發布了詳細的常見問題解答及相關資料。
隨著 AI 系統擴展至教育、科學及金融服務（包括金融科技應用），結構化數據集能否重塑智慧系統的學習與運作方式？
