Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Big Data Versus Big GPU: Evolving Requirements and Governance Dynamics of AI Training Data

Identification

Clé publique
radar:r-ce09b272459ca479f433c8c77f00deb4
Auteurs
Le Cheng · Xuan Gong · Yun Zhao
Année déclarée
2025
Langue déclarée
en
Type source
article
Première détection
2026-11-14T09:36:47.739866+00:00
Dernière observation des métadonnées
2026-11-14T09:36:47.739866+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

Zhejiang University · University of Hong Kong

Pays d’affiliation déclarés

CN · HK

Résumé documentaire — langue originale

Abstract Pre-trained large language models (LLMs), epitomized by ChatGPT, have leveraged a cornucopia of “big data” to attain substantial leaps in artificial intelligence (AI). Whereas the diminishing returns from pre-training and the depletion of available training data have become evident, the post-training scaling law bolstered by “big GPU” has surfaced as an overriding strategy. Since 2024, post-trained models exemplified by o1 and DeepSeek-R1 have been widely acclaimed as successes in logic-intensive fields like advanced scientific problem-solving, serving as a bellwether for artificial general intelligence (AGI). Driven by the two cardinal elements of computing power and task-specific datasets, the data training processes of post-trained models exhibit more erratic and uncontrollable tendencies, which may be a menace to core societal domains and precipitate systemic friction vis-à-vis the existing data governance derived from pre-trained models. At this watershed moment, this article aims to conduct a comprehensive comparison of training data paradigms between pre-trained and post-trained models and to further develop cogent and favorable governance responses to mitigate emerging risks. Consequently, data security must be established as a prerequisite for AI development, and a lifecycle-based governance framework for AI training data in blended models can be introduced in the metamorphosis toward “bigger AI models”.

Identifiants

OPENALEX
https://openalex.org/W4409564737
DOI
10.1515/ijdlg-2025-0004

Repères documentaires

Famille documentaire
article
Types déclarés par les sources
article
Éditeurs
Walter de Gruyter

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Le Cheng; Xuan Gong; Yun Zhao. Big Data Versus Big GPU: Evolving Requirements and Governance Dynamics of AI Training Data. 2025. https://doi.org/10.1515/ijdlg-2025-0004

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Le Cheng; Xuan Gong; Yun Zhao. (2025). Big Data Versus Big GPU: Evolving Requirements and Governance Dynamics of AI Training Data. https://doi.org/10.1515/ijdlg-2025-0004
Chicago
Le Cheng; Xuan Gong; Yun Zhao. Big Data Versus Big GPU: Evolving Requirements and Governance Dynamics of AI Training Data. 2025. https://doi.org/10.1515/ijdlg-2025-0004
ISO 690
Le Cheng; Xuan Gong; Yun Zhao. Big Data Versus Big GPU: Evolving Requirements and Governance Dynamics of AI Training Data. 2025. https://doi.org/10.1515/ijdlg-2025-0004

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Big Data Versus Big GPU: Evolving Requirements and Governance Dynamics of AI Training Data. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-ce09b272459ca479f433c8c77f00deb4/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.1515/ijdlg-2025-0004

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature