Tether通过新发布的 Genesis II 版本扩展了 qvac genesis 数据集，从而深化了其在开放人工智能领域的作用，旨在进行大规模的教育培训。
Tether 通过其专门的数据和人工智能研究部门QVAC推出了QVAC Genesis II ，这是对其合成教育数据项目的一次重大升级。此次发布后，公共数据集已扩展至1480 亿个代币，使其成为目前最大的公开合成教育数据集，可用于人工智能预训练。
此外，此次扩展显著扩大了开放式人工智能训练资源的范围。通过广泛开放数据集， Tether旨在加速围绕教育模型和推理型架构的实验。
QVAC Genesis II新增了1070 亿个代币，涵盖19 个学术领域。除了之前专注于 STEM（科学、技术、工程和数学）领域的材料外，该数据集还包括计算机科学、化学、统计学、机器学习、天文学、地理学和计量经济学。此外，团队还利用更新的生成技术重建了大学水平的物理内容，以提升其结构和清晰度。
因此，该数据集现在强调跨领域的逻辑递进性和更高的学术严谨性。每个科目都旨在优先考虑概念理解而非简单的记忆。此外，材料的结构通过强化明确的推理链和循序渐进的论证，来减少人工智能响应中的歧义。
此次发布引入了选项级推理（Option-Level Reasoning） ，这是一种全新的数据生成方法，能够评估多项选择题中所有可能的答案选项。它解释了正确答案有效的原因以及错误选项失效的原因，并对常见的陷阱进行了详细的注释。
实际上，这种方法直接针对数据本身存在的常见误解。它与QVAC早期的故障分析框架相辅相成，后者侧重于理解模型失效的位置和原因。这些方法共同确保每个训练示例都能提供教学价值，而不仅仅是标注答案。
研究团队引用的独立测试表明，基于 Genesis II 训练的模型能够提供更清晰的解释，并提高推理准确率。尽管如此，随着时间的推移，实际应用基准测试的结果将决定这些合成教育材料与传统的人工整理数据集相比如何。
QVAC已根据知识共享署名-非商业性使用许可协议发布了扩展数据集。这种开放获取框架支持世界各地的学术研究人员和独立开发者。同时，它也通过限制直接营利性用途来遏制商业利用。
重要的是，qvac 创世数据集战略与 Tether 推动去中心化和本地化 AI 系统的更广泛举措相契合。通过加强开放数据基础，该公司旨在降低创新门槛，并鼓励在主流云平台之外进行实验。
因此，开发者无需完全依赖集中式基础设施提供商即可训练出可靠的模型。该举措还有助于构建更加透明的人工智能生态系统，使更广泛的研究群体能够审查、评估和改进训练数据和方法。
总而言之，QVAC Genesis II 版本显著扩展了合成教育数据，深化了以推理为中心的内容，并采用了开放获取模式，支持全球分散式人工智能研究和开发。