Hacker News 讨论：后训练数据没有公共池，成开源大模型隐形鸿沟

Hacker News 讨论指出，大模型预训练有 Common Crawl、The Pile 等公共语料池，后训练阶段却缺少对等公共数据集，指令跟随样本、人类偏好对、推理链轨迹基本掌握在 OpenAI、Anthropic、谷歌等头部实验室手中。