arXiv cs.AI· Tianze Sun (Harbin Institute of Technology), Yongyao Duan (OpenCSG), Sam Chen (OpenCSG)·· 10 小时前AI 评分32
WoW：面向 LLM 全生命周期训练的大规模世界知识语料库
The WoW: A Large-Scale World Knowledge Corpus for Full-Lifecycle LLM Training
AI 导读
WoW 是一个面向基础模型全周期训练的大规模中文教育数据集，以教育知识图谱为分类骨架，系统采集并补全各学段缺失的教育模块。相比此前版本，该版本系统性更强、质量更高、规模更大，并引入多模态信号，实验显示其在多项 benchmark 上显著提升模型表现。团队还提供基于图谱的数据选择与检索交互平台。
正文 · AI 翻译
摘要：现有的中文教育语料库往往存在覆盖碎片化、缺乏系统性组织的问题。本文提出 WoW（\textbf{Wo}rld Kno\textbf{w}ledge），一个面向基础模型全周期训练的大规模数据集。该数据集的构建由教育知识图谱驱动，该图谱作为分类骨架，用于系统性地收集并补全各层级缺失的教育模块。与先前版本相比，本次迭代在系统性、质量和规模上均有提升，同时纳入了多模态信号，并支持模型开发的各个阶段。实验表明，WoW 显著提升了模型在多种基准上的表现。为促进社区研究，我们还提供了一个基于图谱的数据选择与检索交互平台。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.13487 [cs.AI] |
| （或 arXiv:2611.13487v1 [cs.AI] 用于本版本） | |
| https://doi.org/10.48550/arXiv.2611.13487 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Tianze Sun [查看邮箱]
[v1]
2026年11月10日星期二 02:56:20 UTC（1,566 KB）
来源：arXiv cs.AI · arxiv.org