这个百度贴吧，路子越来越野了

来源：雷叔写故事（ID：raistlin2017）最近弱智吧又火了。说它打败豆瓣、知乎、小红书成为最佳中文AI训练数据。事情起始于arxiv上的一篇论文，文章里中科院想建立一个优质的中文AI数据集，为此就需要在中文互联网上搜集一些语料库。于是他们就在知乎、豆瓣、小红书等平台上找找素材，再拿去训练大模型。说起来简单，但不是什么素材都能用。比如他们在弱智吧上找了500个点赞最高的帖子，然后用GPT-4回答这些帖子（弱智吧的帖子经常是问句形式）。再把帖子和回答组合成一个指令微调数据集，经过人工筛选，留下了240组数据。有了数据材料就可以去训练开源大模型，训练分8项测试，包括问答、头脑风暴、分类、生成、总结、提取等，最后用GPT-4给这些测试打分。精华部分来了。跑完规模较小的Yi-6B模型后，弱智吧版本的总分排第三。（CQIA-Subse ………………………………