北航、人大和九坤投资共同撰写的论文 《Scaling Laws for Code: Every Programming Language Matters》 整理而成。 在代码大模型（Code LLMs）的预训练中，行业内长期存在一种惯性思维，即把所有编程语言的代码都视为同质化的文本数据，主要关注数据总量的堆叠。然而，现代 ...

数据标注（Data Labeling）为 Scale AI 的核心业务。 数据标注位于模型开发的上游阶段，该过程需要先识别原始数据，然后为该数据添加一个或多个标签。数据类型包括结构化数据和非结构化数据，后者包括图像、视频、3D（LiDAR、雷达等）、文本和音频等。 数据标注的核心是质量和效率，对于数据标注的客户公司而言，数据标注并非公司核心业务，外包意愿强。