从 30 秒标签到可运行的世界：模型越强，数据为什么越难做？

导读

模型越来越擅长复杂任务，训练数据为什么反而更难准备？YC Paper Club 的四位演讲者从货架识别、代码评测、客服环境和多语言训练解释：数据需要跟任务和现实持续更新。货架模型出错时，Focal 先查看假阳性与假阴性，按遮挡、起雾等原因分组，再决定该补数据还是修改标签规则；Snorkel 则让专家写验证规格，由 Agent 针对不同代码实现生成测试，检查功能和维护质量。语音客服训练需要把业务规则、账户、数据库和工具搭成可运行环境，再根据模型表现调整任务难度。多语言研究通过逐对训练比较迁移效果，发现数据来源、书写系统和模型容量都会影响结果，因此不能只凭语言亲缘关系决定混合比例，还要用训练曲线比较不同组合。