WorldStateMedia数据集发布
热点事件持续更新
WorldStateMedia数据集发布
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月20日，Bryan Li等人通过arXiv发布WorldStateMedia数据集。该数据集包含1.36亿篇来自136个国家、114种语言的国家媒体文章，旨在通过标注媒体受控级别审计预训练语料库。 研究发现，2025年英文网络爬取中受编辑控制的国家媒体占比达93%。进一步的RAG实验表明，检索特定国家的国家媒体会显著使模型答案偏向该国的领土主张。早先报道称数据集包含1.18亿篇文章，后续报道称包含1.36亿篇。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
WorldStateMedia：涵盖1.36亿篇国家媒体文章的多语言开放数据集报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · NLPWorldStateMedia：涵盖1.36亿篇国家媒体文章的多语言开放数据集
研究团队发布WorldStateMedia，这是一个包含1.36亿篇来自136个国家、114种语言国家媒体文章的开放数据集。 该数据集通过标注媒体受控级别来审计预训练语料库，发现2025年英文网络爬取中受编辑控制的国家媒体占比达93%。RAG实验表明，检索特定国家的国家媒体会显著使模型答案偏向该国的领土主张。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月20日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。