Ga naar inhoud
  • BTC $60.526 −2,1%
  • ETH $1.702 −2,9%
  • SOL $70,73 −0,7%
  • BNB $547,27 −3,8%
  • XRP $0,9299 −1,8%
  • DOGE $0,0552 −2,3%
  • ADA $0,1436 −1,9%

De QVAC Genesis III-dataset van Tether behaalt een percentage van 99,45% geldige antwoorden op STEM AI

De onderzoeksafdeling van Tether heeft de AI-wereld zojuist een heleboel extra huiswerk gegeven om op te kauwen. De QVAC Genesis III-dataset, uitgebracht door Tether AI Research, bevat 191,43 miljard tokens aan STEM-materiaal dat is ontworpen om kleinere AI-modellen niet alleen antwoorden te laten geven, maar ook uit te leggen hoe ze daartoe zijn gekomen. Het is een opmerkelijke…

QVAC Genesis III dataset
QVAC Genesis III Dataset Advances STEM AI Training

De onderzoeksafdeling van Tether heeft de AI-wereld zojuist een hoop extra huiswerk gegeven om op te kauwen. De QVAC Genesis III-dataset, uitgebracht door Tether AI Research, bevat 191,43 miljard tokens aan STEM-materiaal dat is ontworpen om kleinere AI-modellen niet alleen antwoorden te laten geven, maar ook uit te leggen hoe ze tot die antwoorden zijn gekomen. Het is een opmerkelijke stap van een bedrijf dat beter bekendstaat om stablecoins dan om onderzoek naar machine learning, en het markeert een bredere inzet op AI die lokaal draait in plaats van in enorme cloud-datacenters.

Belangrijkste punten

  • Tether AI Research heeft QVAC Genesis III uitgebracht, een synthetische dataset met 191,43 miljard tokens, verspreid over 159,6 miljoen documenten in 19 STEM-velden.
  • De dataset gebruikt twee trainingsmethoden, Failure Analysis en Option-Level Reasoning, om modellen te leren fouten en alternatieve oplossingen uit te leggen, niet alleen eindantwoorden te geven.
  • Een model met 1,7 miljard parameters dat is getraind op de Option-Level-data behaalde een percentage van 99,45% geldige antwoorden op benchmarktests.
  • Genesis III verbeterde de prestaties met maximaal 28,57 procentpunten op ARC-Easy en 21,35 punten op ARC-Challenge vergeleken met modellen die zijn getraind op de Cosmopedia-v2-dataset.
  • Het onderzoeksartikel is geaccepteerd voor presentatie op de Conference on Language Modeling (COLM) 2026.

Tether brengt QVAC Genesis III uit om STEM-AI-training te verbeteren

Het kernidee achter de QVAC Genesis III-dataset is eenvoudig te formuleren maar moeilijk uit te voeren: kleinere AI-modellen kunnen beter presteren op natuurwetenschappelijke en wiskundige problemen als ze worden getraind op data die redeneringen laat zien, niet alleen juiste antwoorden. Tether AI Research heeft de dataset specifiek ontwikkeld om dat gat te dichten, gericht op modellen die uiteindelijk op gewone apparaten kunnen draaien in plaats van afhankelijk te zijn van grote cloudinfrastructuur.

Synthetische dataset breidt STEM-dekking uit

Genesis III is niet uit het niets verschenen. Het bouwt direct voort op twee eerdere releases, Genesis I, gepubliceerd op 24 oktober 2025, en Genesis II, die volgde op 22 december 2025. Volgens cijfers aangehaald door Crypto Briefing bevatte Genesis I ongeveer 41 miljard tokens en schaalde Genesis II dat op tot ongeveer 148 miljard. Genesis III duwt het totale corpus naar 191,43 miljard tokens, verspreid over 159,6 miljoen documenten, een aanzienlijke sprong in schaal in minder dan een jaar.

De dataset bestrijkt 19 curriculum-uitgelijnde STEM-gebieden die materiaal op middelbare school-, universiteits- en professioneel niveau omvatten. Dat omvat biologie, scheikunde, natuurkunde, wiskunde, informatica, geneeskunde, astronomie, elektrotechniek, statistiek en machine learning. Die breedte is belangrijk omdat het betekent dat dezelfde dataset in theorie een AI-tutor kan trainen die het ene moment een natuurkundevraag behandelt en het volgende moment een programmeervraag.

Conferentiepresentatie en erkenning

Het werk achter Genesis III heeft al een academische horde genomen. Geaccepteerd voor presentatie op de Conference on Language Modeling (COLM) 2026, zal het artikel waarin de dataset wordt beschreven Tether AI Research op het podium plaatsen naast andere taalmodelonderzoekers. Crypto Briefing meldde ook dat een onderzoeksartikel dat de release begeleidt op 17 september 2026 is ingediend bij arXiv, waardoor externe onderzoekers de claims onafhankelijk kunnen controleren.

Waarom is dit belangrijk? Zichtbaarheid onder vakgenoten op een academisch podium als COLM geeft de dataset een laag van toetsing die een typische commerciële productlancering niet krijgt, en het suggereert dat Tether Genesis III net zozeer positioneert als een onderzoeksbijdrage als een commercieel hulpmiddel.

Innovatieve trainingsmethoden om AI redenering en uitleg te leren

Wat de QVAC Genesis III-dataset onderscheidt van een typische vraag-en-antwoord-trainingsset is de manier waarop ze zowel met fouten als met juiste antwoorden omgaat. In plaats van simpelweg een vraag te koppelen aan een goed antwoord, is de dataset opgebouwd rond twee technieken die bedoeld zijn om meer leereffect uit elk probleem te halen.

Failure Analysis- en Option-Level Reasoning-technieken

De eerste methode, Failure Analysis genoemd, verandert de fouten van een kleiner “student”-model in nieuw trainingsmateriaal. Een capabeler teachermodel bekijkt waar de redenering van de student is ontspoord, legt de misvatting achter de fout uit en werkt vervolgens de juiste oplossing stap voor stap uit.

De tweede methode, Option-Level Reasoning, werkt op vragen die het studentmodel al correct heeft beantwoord. Hier legt het teachermodel niet alleen uit waarom het gekozen antwoord juist is, maar ook waarom elke andere plausibele optie onjuist is. Crypto Briefing beschreef deze gecombineerde aanpak als een “dual teacher-distillation strategy”, waarbij zowel de successen als de mislukkingen van een zwakker model op verschillende manieren tot lesmateriaal worden gemaakt.

Modellen leren verder te gaan dan alleen antwoorden uitleggen

Samen zijn de twee methoden erop gericht modellen iets te leren wat conventionele trainingsdata vaak overslaat: hoe foutieve redeneringen te herkennen en te corrigeren, in plaats van alleen patronen te onthouden die de juiste output opleveren. Dat onderscheid staat centraal in hoe Tether de release positioneert.

“Het grootste deel van de AI-industrie heeft zich gericht op het groter maken van modellen en het geven van meer rekenkracht. Genesis III laat zien wat er kan gebeuren als je je in plaats daarvan richt op het verbeteren van de data waarvan kleinere modellen leren,” zei Paolo Ardoino, CEO van Tether. “Voor STEM betekent dat een model meer leren dan alleen het eindantwoord. Het betekent het leren waarom iets juist is, waar de redenering fout ging en hoe je die corrigeert. Het doel is om nuttige AI te verplaatsen van grote cloudinfrastructuur naar de apparaten die mensen al hebben.”

Prestatieverbeteringen en voordelen van kleinere, lokale AI-modellen

Het belangrijkste resultaat uit Tethers tests is dat modellen die zijn getraind op de QVAC Genesis III-dataset beter presteerden dan vergelijkbare open-sourcedatasets op STEM-redeneerbenchmarks, en wel met een voldoende grote marge om de aandacht van onafhankelijke onderzoekers te trekken.

Benchmark-overperformance ten opzichte van andere datasets

Een model met 1,7 miljard parameters dat is getraind op de Option-Level-data leverde geldige antwoorden in 99,45% van de benchmarkreacties. Vergeleken met een token-gematcht model dat is getraind op Cosmopedia-v2, verbeterde Genesis III de prestaties met 28,57 procentpunten op de ARC-Easy-benchmark, 21,35 punten op ARC-Challenge en 15,03 punten op MMLU STEM. Crypto Briefing merkte ook aanvullende evaluaties op GPQA Diamond en verdere MMLU STEM-subsets op die de effectiviteit van de dataset ondersteunden. Het vooraf getrainde Genesis III-model presteerde naar verluidt ook beter dan Cosmo-1B, een groter model dat is getraind met extra wiskunde- en codedata, op de geteste benchmarks.

Die cijfers zijn belangrijk omdat ze een veelvoorkomende aanname in AI-ontwikkeling uitdagen: dat grotere modellen met meer rekenkracht de enige weg zijn naar betere prestaties. Hier evenaarde of overtrof een relatief klein model met 1,7 miljard parameters grotere systemen, simpelweg vanwege de manier waarop het was getraind.

Lokale AI biedt voordelen voor privacy en connectiviteit

Omdat deze kleinere modellen lokaal kunnen draaien in plaats van afhankelijk te zijn van externe servers, zouden de tools die uit Genesis III worden gebouwd kunnen werken in scholen en gemeenschappen waar internetconnectiviteit beperkt is of waar privacy een zorg is. Voor onderzoekers en professionals kan dezelfde aanpak gespecialiseerde technische assistenten ondersteunen die functioneren zonder voortdurend gevoelige vragen naar een externe server te sturen.

Volgens Crypto Briefing is de dataset gratis beschikbaar op Hugging Face onder een Creative Commons CC-BY-NC 4.0-licentie, vermeld onder de identifier qvac/GenesisIII, waardoor hij toegankelijk is voor elke onderzoeker of ontwikkelaar die erop wil voortbouwen zonder kosten. Die keuze voor distributie past bij de missie van QVAC om Local AI en gedecentraliseerde adaptieve intelligentiesystemen te bevorderen, een benadering die de voorkeur geeft aan AI die op individuele apparaten draait boven concentratie in bedrijfsdatacenters.

Dit is ook van belang voor het bredere AI-landschap. Als kleinere, goedkopere modellen daadwerkelijk grotere, cloudafhankelijke systemen kunnen evenaren op gespecialiseerde STEM-taken, kan dat een deel van de concurrentiedruk in AI-ontwikkeling verschuiven van pure rekenschaal naar datakwaliteit en trainingsmethodologie, een argument dat Ardoino expliciet maakt in zijn opmerkingen over de release.

FAQ

Wat is QVAC Genesis III?

QVAC Genesis III is een synthetische dataset met 191,43 miljard tokens, uitgebracht door Tether AI Research om kleinere AI-modellen te trainen voor STEM-redenering.

Hoe verbetert QVAC Genesis III AI-training voor STEM?

De dataset gebruikt Failure Analysis- en Option-Level Reasoning-methoden om AI-modellen uitleg te leren die verder gaat dan alleen antwoorden, waardoor redenerings- en correctievermogen worden verbeterd.

Welke voordelen bieden kleinere modellen die op Genesis III zijn getraind?

Ze kunnen lokaal draaien, wat privacy mogelijk maakt, betere toegankelijkheid in omgevingen met beperkte connectiviteit en minder afhankelijkheid van grote cloudinfrastructuur.

Welke STEM-velden worden door Genesis III gedekt?

Genesis III bestrijkt 19 STEM-curriculumgebieden, waaronder biologie, scheikunde, natuurkunde, wiskunde, informatica en geneeskunde.

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Wat is QVAC Genesis III?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”QVAC Genesis III is een synthetische dataset met 191,43 miljard tokens, uitgebracht door Tether AI Research om kleinere AI-modellen te trainen voor STEM-redenering.”}},{“@type”:”Question”,”name”:”Hoe verbetert QVAC Genesis III AI-training voor STEM?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”De dataset gebruikt Failure Analysis- en Option-Level Reasoning-methoden om AI-modellen uitleg te leren die verder gaat dan alleen antwoorden, waardoor redenerings- en correctievermogen worden verbeterd.”}},{“@type”:”Question”,”name”:”Welke voordelen bieden kleinere modellen die op Genesis III zijn getraind?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Ze kunnen lokaal draaien, wat privacy mogelijk maakt, betere toegankelijkheid in omgevingen met beperkte connectiviteit en minder afhankelijkheid van grote cloudinfrastructuur.”}},{“@type”:”Question”,”name”:”Welke STEM-velden worden door Genesis III gedekt?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Genesis III bestrijkt 19 STEM-curriculumgebieden, waaronder biologie, scheikunde, natuurkunde, wiskunde, informatica en geneeskunde.”}}]}

Artikel geproduceerd met behulp van kunstmatige intelligentie en beoordeeld door de redactie.

Francesco Antonio Russo

Alle artikelen van Francesco Antonio Russo