Capybara模型训练数据由五大专有数据集构成：Sutra 10B教学数据（1019万条，覆盖九大学科）、zh-meme-sft-8k中文梗文化数据（8192条活跃网络语义样本）、Groundsource全球洪水事件数据（260万条时空结构化记录）、Job Board大学生求职数据（10万条脱敏职业轨迹）及Creative Professionals创意指令数据（超6.3万条高阶创作样本）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望了解人工智能Capybara模型所依赖的训练数据构成，需明确其数据并非来自单一公开语料库，而是经过多阶段筛选、增强与领域对齐的专有集合。以下是该模型训练数据来源的详细拆解：
一、Sutra 10B Pretraining教学训练数据集
该数据集是Capybara预训练阶段的核心语料之一，覆盖九大知识领域，为模型提供跨学科常识与结构化推理能力基础。其内容经人工校验与课程逻辑对齐，确保教学表述的准确性与认知梯度合理性。
1、数据规模达10,193,029条教学记录，总token量超过100亿，涵盖技术、科学、社会研究、数学、生活技能、艺术与创意、语言艺术、哲学与伦理学等九大学科门类。
2、每条记录均标注教学目标层级（如“识记”“应用”“评价”）、认知动词类型及适用学段（K12至研究生），支持模型在生成中动态适配教育语境。
3、数据源包括全球开放课程平台（如MIT OCW、Coursera教学大纲）、国家课程标准文本、教科书章节摘要及经授权的MOOC字幕转录文本。
二、zh-meme-sft-8k中文互联网梗文化数据集
该数据集专用于指令微调阶段，强化Capybara对中文网络语义变异、语境依赖与亚文化指涉的理解能力，使其在对话生成中具备实时语用适配性。
1、数据构建自抖音、小红书和B站等平台的高互动评论区，筛选出含明确梗用法（如“尊嘟假嘟”“哈基米”“电子布洛芬”）且上下文完整的对话片段。
2、每条样本均附带原始发布时间、账号粉丝量级、互动热力值（点赞/评论比）及人工标注的梗生命周期阶段（萌芽期/爆发期/消退期）。
3、经三轮对抗清洗：剔除机器刷评痕迹、过滤地域歧视性变体、隔离已进入词典的稳定词汇，仅保留处于语义漂移活跃态的8,192条高质量样本。
三、Groundsource全球洪水事件数据集
该数据集作为多模态对齐训练的关键视觉-语言锚点，支撑Capybara在地理时空推理、灾害描述生成及遥感图像条件编辑任务中的表现。
1、包含260万条结构化洪水事件记录，覆盖150多个国家，每条记录含标准化时间戳、WGS84坐标、淹没面积估算、灾因分类（暴雨/溃坝/海啸）及新闻原文片段。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
2、结构化过程由Gemini大语言模型完成，采用两阶段抽取：首阶段识别事件实体，次阶段校验地理一致性（如排除“撒哈拉沙漠发生洪涝”的逻辑错误）。
3、所有坐标均映射至OpenStreetMap路网节点，并关联NASA SRTM地形高程数据，形成可驱动空间推理的三维语义图谱。
四、Job Board大学生求职数据集
该数据集用于训练Capybara在职业发展类生成任务中的因果建模能力，使其能基于学生背景推导合理求职路径、薪资区间与竞争力归因。
1、含10万条真实脱敏求职轨迹，字段包括专业、GPA、实习企业评级（如Fortune 500/Startup）、申请公司规模、岗位类型及最终录用结果（含offer年薪与签约率）。
2、目标变量经行业薪酬报告交叉验证，其中73.6%的薪资数值匹配LinkedIn Salary Explorer同岗位中位数±8%，确保生成结果具备现实参照基准。
3、数据采集通过高校就业指导中心API直连获取，签署《教育数据伦理使用协议》，禁止反向识别个体身份。
五、Creative Professionals创意任务指令数据集
该数据集聚焦于高阶创作意图解析，使Capybara能准确响应模糊、隐喻性或跨媒介转换类指令，例如“把这首诗变成赛博朋克风格的分镜脚本”。
1、由127名资深创意从业者（含广告导演、游戏叙事设计师、AI艺术策展人）参与构建，每人提交不少于500条原创指令-输出对。
2、指令设计遵循三级抽象梯度：具象层（“生成一张咖啡杯特写，蒸汽呈DNA螺旋状”）、隐喻层（“让早餐充满量子纠缠感”）、元指令层（“用视觉语言重述‘时间不可逆’这一物理定律”）。
3、所有输出均经三人盲审，仅当至少两人确认“语义保真度≥0.91（基于CLIP-IoU计算）”时才纳入最终集。
