大模型后训练为何没有现成的数据共享库

大模型后训练由于消耗的是具备可执行环境的结构化任务而非静态文档，无法直接复用互联网已有的知识公地，目前面临严重的数据短缺。以软件工程为例，即使依托开源代码库构建可验证的 SWE-bench 类任务，合格率与可执行率也极低，其他现实行业的工作流程任务化难度更高。作者呼吁开源社区系统化建设公开的后训练环境与任务公地，防止前沿智能体的训练能力被少数闭源巨头垄断。