7月5日，德国Helmholtz AI研究计划、谷歌DeepMind和普林斯顿大学联合发布名为Centaur的AI模型。该模型基于700亿参数的Llama 3.1语言模型，并通过Psych-101数据集训练，可精准预测人类在感知、记忆、逻辑推理等领域的行为，甚至在陌生任务中表现优异。研究人员发现Centaur的内部表征与人脑神经活动高度相似，超越GPT-4和PaLM-2。此外，模型还揭示了一种新型决策策略，即人类选择时会预估未来回报。Psych-101数据集和Centaur模型已开源，未来将拓展至儿童心理学等领域。相关论文已发表于《自然》杂志。

6月19日，国家数据局局长刘烈宏调研睿尔曼智能科技及银河通用机器人公司，考察人形机器人数据训练中心和通用实验室，并与企业代表座谈。刘烈宏强调，“人工智能+”推进到哪，高质量数据集就要建设到哪，数据是具身智能发展的关键资源。国家数据局计划通过提供高质量数据集，推动数据要素市场化与价值化，助力企业实现仿真与真实数据的标准化、实用化及产品化。睿尔曼和银河通用机器人作为具身智能数据领域先锋，需挖掘数据价值，开拓国内市场，形成行业共识，促进数据要素价值释放。

近期研究发现，多个AI大模型如GPT-4o、Claude、Grok、Gemini和DeepSeek在随机猜测1-100间数字时，首选数字多为42，次选为73。有趣的是，在中文环境下，第二个数字变为27。此现象最早由计算机科学家Andrej Karpathy观察到，他在Reddit上测试后确认AI倾向于选择27。后续实验显示，除少数例外，多数模型表现出类似偏好。例如，AI工程师Yogi Miraje推测，这可能是由于训练数据集中人类行为的偏见所致，尤其是人们在随机猜测时更倾向选择以7结尾的数字。此外，流行文化也对AI的选择产生影响，如42源于《银河系漫游指南》，而73因其数学特性备受推崇。尽管如此，当扩展至更大范围（如1-1,000或1-1,000,000）时，这种一致性减弱。目前，该现象仍在学术界引起热议，未来可能通过更多数据分析揭示其深层次原因。

6月16日消息，哈佛大学法学院图书馆在微软与OpenAI支持下，开源首个AI训练数据集“Institutional Books 1.0”。该数据集收录了哈佛馆藏的98.3万本书籍，涵盖245种语言、2420亿个Token，40%为英语书籍，主要集中于19至20世纪，分为20个主题。每本书提供完整元数据，包括作者、出版年份、语言及来源等信息。未来，哈佛大学计划扩展数据内容，已与波士顿公共图书馆合作，将历史报纸数字化加入数据集。此外，他们还将开发AI工具，提升馆藏整理效率并推动负责任的数据使用规范。

首个沉浸式体积视频数据集ImViD上线，定义沉浸式媒体新形态 Meta用天价打造“元宇宙”却受制于卡通画风，Vision Pro的3-DoF体验让用户眩晕，苹果穹顶摄影棚仅能产出“人像手办”……这一切表明，没有高保真体积视频的元宇宙只是高清版《我的世界》。 清华大学-咪咕团队在CVPR 2025发布...

6月9日消息，湖北大数据集团有限公司已正式成立，注册资本达50亿元人民币。该公司经营范围涵盖互联网数据服务、大数据服务、数据处理及相关技术研发等多个领域。股东信息显示，其由长江产业投资集团有限公司、湖北交通投资集团有限公司、湖北省人民政府国有资产监督管理委员会等共同持股。作为省属一级国有企业，该集团由湖北省政府国资委联合6家省属企业共同出资组建，此举标志着湖北在推动数据要素市场化配置及发展数字经济上迈出了重要一步。

5月30日消息，俄罗斯搜索引擎巨头Yandex昨日发布了全球最大的音乐推荐系统开源数据集Yambda，包含47.9亿条匿名用户与939万首歌曲的交互数据。这些数据来源于近2800万Yandex Music月度用户的十个月内行为记录，每个交互均附带时间戳提升准确性。Yambda提供三种规模的数据集（Yambda-5B、Yambda-500M、Yambda-50M），其中最大规模的5B数据集需至少85GB存储空间，并以Apache Parquet格式存储。该数据集旨在助力开发者构建智能音乐服务，而像Spotify和Tidal等公司通常不会公开其音乐推荐算法，因其被视为核心竞争力。

5月8日，国务院国资委发布首批央企人工智能行业高质量数据集优秀成果，涵盖交通物流、绿色低碳、智慧能源等三大行业，共30项数据集。同时，成立相应行业数据产业共同体，计划逐步扩展至更多领域。此举旨在通过开放共享高质量数据集，推动大模型训练及应用场景落地。未来，国资委将推进央企‘AI+’行动，构建可靠的数据要素流通设施，并探索数据资产交易模式，以促进数据资源的安全高效利用。

人形机器人：最初的设想，最后的归宿 一百年前，机器人的设想与创作在世界各地兴起。1920年，捷克作家恰佩克创造了“Robot”一词；1927年，《大都会》中的机器人玛利亚是影史上第一个银幕人形机器人；1928年，日本科学家西村真琴打造了“学天则”，首个明确以人形构建的自动机器人。早期人们一致认为...

3月31日，在国新办举行的第八届数字中国建设峰会发布会上，国家发展改革委党组成员、国家数据局局长刘烈宏提到，要持续推进高质量数据供给，强调高质量数据是人工智能发展的核心动力。他指出，结合我国数据资源优势和应用场景，将加速推进数据要素与人工智能产业的深度融合，并在“人工智能+”相关领域加强高质量数据集的建设与推广，确保其覆盖行业应用和典型场景。此外，他还提出要推动数据标注产业高质量发展，为技术创新和产业应用奠定坚实的数据基础。