BAT 集体重做「AI 预训练」，补「脏数据」的坑

📋总体概括

近半年，国内多家AI大模型厂商（含BAT等大厂）密集启动预训练返工，核心原因指向训练数据质量问题。有厂商曾花一年死磕万亿参数模型，落地效果却被市面上1%规模的小模型倒挂，最终排查发现是被脏数据拖垮。这一波集体补课说明行业正从卷参数、卷算力转向卷数据质量，数据清洗与治理能力成为模型竞争的真正分水岭。