logo

　　香港特区总站app_香港特区总站app下载实用版V6.42.13(2025已更新)官方网站IOS/Android通用版

　　　　一个近来令许多从业者忧虑的现状是，AI大模型训练或将面临“数据撞墙”的瓶颈，大模型的进化速度未尽如人意，或是源于“现有大模型开发已经耗尽了网站、书籍和其他用于预训练的公开文本”。甚至有行业研究预计，如果大语言模型保持现在的发展势头，预计在2028年左右，已有的数据储量将被全部利用完。

“AI在处理大规模、标准化的数据时具有较高可靠性，可以快速筛选候选人，排除明显不符合岗位要求的人选。但我们更需要AI选拔出最合适的人才，而不仅是匹配‘符合最低标准’的候选人。”沈阳表示，人才的潜力和软技能，如领导力、情商、学习能力等，都难以通过算法量化，而这些恰恰是优秀人才的核心特质。同时，训练AI的模型是基于过去的数据，可能导致旧有偏见的固化，忽略新兴领域对人才多样性和创新能力的需求。

　　　　沈阳表示，将AI可用数据的现状比作传统矿产资源，并非单纯因为数据“总量”枯竭，更像是随着“矿藏”不断开采，能轻松获取的优质“矿石”（高质量数据）变少了，剩下的数据要么同质化较高、要么质量较低，因此无法直接满足新一代大模型的训练需求。如今的数据可能仍有海量存在，但充斥着偏见、不一致或缺乏标注，类似于经过开采剩余的矿石贫矿化严重，需要更多的精炼和加工。