Tether AI 研究团队近日发布了合成数据集 **QVAC Genesis III**，该数据集规模达到 **1914.3 亿个 Token**，包含 **1.596 亿份文档**，覆盖 **19 个 STEM 领域**。其核心目标是提升能够在笔记本电脑、手机等本地设备上运行的小型 AI 模型在科学、技术、工程和数学方面的表现。
该数据集采用了两种创新构建方式：一是“失败分析”，由更强的教师模型对学生模型的错误推理进行剖析并给出正确答案；二是“选项级推理”，不仅解释正确答案为何正确，还说明其他选项为何错误。实验表明，在相同 Token 规模下，使用 Genesis III 完整语料训练的模型相比基于 Cosmopedia‑v2 的模型，在 **ARC‑Easy**、**ARC‑Challenge** 以及 **MMLU STEM** 三项基准测试中分别提升了 **28.57**、**21.35** 和 **15.03** 个百分点。
相关研究论文已被 **COLM 2026** 会议接收。
