Hugging Face 伦理与社会通讯 #6：构建更好的 AI——数据质量的重要性

Hugging Face 伦理与社会通讯第 6 期探讨 AI 数据质量：Reddit 与 Google 的内容合作因 RAG 搜索引擎输出“披萨加胶水”等错误推荐而受挫，说明并非所有数据都同样优质。好数据的关键在于与任务匹配，需具备相关性、全面性、时效性并缓解偏见。文章还阐述高质量数据可提升模型性能、鲁棒性、效率与可复现性，并建议通过去重、内容过滤、人工反馈和数据治理框架来保障质量。