Tether通過新發布的 Genesis II 版本擴展了 qvac genesis 數據集，從而深化了其在開放人工智能領域的作用，旨在進行大規模的教育培訓。
Tether 通過其專門的數據和人工智能研究部門QVAC推出了QVAC Genesis II ，這是對其合成教育數據項目的一次重大升級。此次發佈後，公共數據集已擴展至1480 億個代幣，使其成爲目前最大的公開合成教育數據集，可用於人工智能預訓練。
此外，此次擴展顯著擴大了開放式人工智能訓練資源的範圍。通過廣泛開放數據集， Tether旨在加速圍繞教育模型和推理型架構的實驗。
QVAC Genesis II新增了1070 億個代幣，涵蓋19 個學術領域。除了之前專注於 STEM（科學、技術、工程和數學）領域的材料外，該數據集還包括計算機科學、化學、統計學、機器學習、天文學、地理學和計量經濟學。此外，團隊還利用更新的生成技術重建了大學水平的物理內容，以提升其結構和清晰度。
因此，該數據集現在強調跨領域的邏輯遞進性和更高的學術嚴謹性。每個科目都旨在優先考慮概念理解而非簡單的記憶。此外，材料的結構通過強化明確的推理鏈和循序漸進的論證，來減少人工智能響應中的歧義。
此次發佈引入了選項級推理（Option-Level Reasoning） ，這是一種全新的數據生成方法，能夠評估多項選擇題中所有可能的答案選項。它解釋了正確答案有效的原因以及錯誤選項失效的原因，並對常見的陷阱進行了詳細的註釋。
實際上，這種方法直接針對數據本身存在的常見誤解。它與QVAC早期的故障分析框架相輔相成，後者側重於理解模型失效的位置和原因。這些方法共同確保每個訓練示例都能提供教學價值，而不僅僅是標註答案。
研究團隊引用的獨立測試表明，基於 Genesis II 訓練的模型能夠提供更清晰的解釋，並提高推理準確率。儘管如此，隨着時間的推移，實際應用基準測試的結果將決定這些合成教育材料與傳統的人工整理數據集相比如何。
QVAC已根據知識共享署名-非商業性使用許可協議發佈了擴展數據集。這種開放獲取框架支持世界各地的學術研究人員和獨立開發者。同時，它也通過限制直接營利性用途來遏制商業利用。
重要的是，qvac 創世數據集戰略與 Tether 推動去中心化和本地化 AI 系統的更廣泛舉措相契合。通過加強開放數據基礎，該公司旨在降低創新門檻，並鼓勵在主流雲平臺之外進行實驗。
因此，開發者無需完全依賴集中式基礎設施提供商即可訓練出可靠的模型。該舉措還有助於構建更加透明的人工智能生態系統，使更廣泛的研究羣體能夠審查、評估和改進訓練數據和方法。
總而言之，QVAC Genesis II 版本顯著擴展了合成教育數據，深化了以推理爲中心的內容，並採用了開放獲取模式，支持全球分散式人工智能研究和開發。