数据溯源收集:提高人工智能训练数据集的透明度、文档化和负责任使用

RayRay
Data Provenance InitiativeAI数据集透明度文档化负责任使用Github开源项目

数据溯源计划:追溯AI训练数据的来源

在人工智能快速发展的今天,训练数据的质量和来源对AI模型的性能和可信度至关重要。然而,许多AI训练数据集的来源和使用权限往往不够透明,这给AI的发展带来了潜在风险。为了解决这一问题,一群来自不同领域的志愿者发起了数据溯源计划(Data Provenance Initiative),旨在提高AI训练数据集的透明度、文档化和负责任使用。

计划背景与目标

数据溯源计划是一项多学科的志愿者努力,其主要目标是通过大规模审计AI训练数据集,改善数据的透明度、文档化和负责任使用。该计划的第一阶段对44个数据集合进行了全面审计,涵盖了1800多个用于微调的文本到文本数据集。

数据溯源计划logo

通过这次大规模审计,数据溯源计划详细记录了这些数据集的网络和机器来源、许可证、创建者以及其他元数据信息。这些信息不仅有助于研究人员和开发者更好地了解和选择适合自己需求的数据集,还为负责任的AI发展提供了重要支持。

主要内容与成果

数据溯源计划的第一阶段工作主要包括以下几个方面:

  1. 大规模数据审计:对44个数据集合、1800多个微调数据集进行了全面审计,收集了它们的来源、许可证、创建者等详细信息。

  2. 数据筛选工具:开发了一套脚本工具,允许开发者根据自我报告的许可证约束和其他数据特征来筛选最适合自己需求的微调数据集。

  3. 数据探索工具:创建了数据溯源探索器(Data Provenance Explorer),可视化展示数据组成和不同筛选条件的影响。

  4. 数据溯源卡:为每个构成数据集生成"数据溯源卡",作为结构化文档,提供符号化的归因。

  5. 开源代码库:在GitHub上开源了相关代码和工具,方便社区使用和贡献。

这些工作成果为AI研究人员和开发者提供了宝贵的资源,有助于他们更好地了解和选择训练数据,同时也为负责任的AI发展奠定了基础。

数据收集与记录

数据溯源计划收集并记录了大量有关数据集的信息,主要包括以下几个方面:

  1. 识别信息:包括唯一数据集标识符、数据集名称、相关论文标题、数据集URL等。

  2. 数据集特征:包括语言、任务类别、文本来源、文本主题、文本指标、格式等。

  3. 数据集来源:包括生成模型(如果适用)、文本来源、文本领域、衍生数据集等。

  4. 创建者与许可:包括创建/编译数据集的组织、相关许可证及其条件等。

这些详细的信息为研究人员和开发者提供了全面的数据集"画像",有助于他们做出更明智的选择。

工具与资源

为了方便社区使用和贡献,数据溯源计划开发并开源了一系列工具和资源:

  1. 数据下载与筛选脚本:允许用户根据各种条件下载和筛选数据集。

  2. 数据溯源探索器:可视化工具,展示数据组成和筛选条件的影响。

  3. BibTeX生成器:自动为任何数据子集生成完整的BibTeX文件。

  4. 数据格式标准化:提供了一种统一的数据格式,适用于多轮对话和响应排名。

  5. 新集合添加指南:详细说明了如何向项目中添加新的数据集合。

这些工具和资源大大降低了使用和贡献数据溯源信息的门槛,促进了社区的参与和发展。

未来发展方向

数据溯源计划的团队表示,这只是计划的第一步。未来,他们计划:

  1. 扩展资源和工具:开发更多有助于数据溯源的工具和资源。

  2. 深化学术分析:对收集的数据进行更深入的学术分析,探讨AI训练数据的各种问题。

  3. 扩大数据覆盖范围:将审计范围扩大到更多类型的AI训练数据集。

  4. 促进社区参与:鼓励更多研究者和开发者参与到数据溯源工作中来。

  5. 推动行业标准:推动制定AI训练数据溯源的行业标准和最佳实践。

结语

数据溯源计划是一项重要的志愿者努力,旨在提高AI训练数据的透明度和负责任使用。通过详细记录数据来源、许可证和其他元数据,该计划为AI研究人员和开发者提供了宝贵的资源,有助于他们做出更明智的选择,同时也为负责任的AI发展奠定了基础。

尽管这项工作仍在进行中,但数据溯源计划已经展示了其巨大的潜力。随着更多人的参与和贡献,我们有理由期待这项计划能够为AI的健康发展做出更大的贡献。如果您对这项工作感兴趣,欢迎访问项目的GitHub仓库或联系data.provenance.init@gmail.com参与贡献。让我们共同努力,为更透明、更负责任的AI发展贡献力量。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多