国外给数据集，国内吹牛逼：锐评女娲马斯克乔布斯Skill

国外给数据集，国内吹牛逼：锐评女娲马斯克乔布斯Skill 说句得罪人的话：中国AI圈有些项目，正在重新定义“开源”二字——把README写得像史诗，却连一个原始数据都不敢往外放。 这不是技术差距，是诚意的差距。 一、国外的“开源”是卸了妆见人，咱们的“开源”是化了浓妆念经 国外的AI开源项目，玩的是“交货”。什么叫交货？ 你说你开源了个模型，好，数据给我。训练数据的每一行json、每一个csv，全都扔出来。EleutherAI发The Pile，800个G的原始文 本，下载脚本都给你写好——就怕你复现不了。LAION发图文对数据集，不光给数据，连怎么筛掉NSFW内容的脚本都公开。道理很简 单：开源不交数据，就像卖车不给发动机——你他妈让我推着走？ 再看国内某些项目，玩的是“交作业”。什么叫交作业？ 你点进去一看， data/ 文件夹是空的，原始语料没有，训练数据没有，标注文件没有。 没有一克米，但README里已经把满汉全席的菜名报完了。 国外的论文告诉你，“我这数据是拿GPT-3.5生成的，有偏误，请注意”。知道吗？敢于露怯，才是真专业。咱们的呢？ README里全是“蒸馏”、“认知