蚂蚁OmniTable获VLDB最佳论文：35PB语料宽表管理提速5.6倍

AI 摘要

蚂蚁集团推出统一宽表系统OmniTable，论文获评VLDB 2026工业赛道最佳论文。该系统已在生产环境管理超过35 PB、3050亿条以上的大模型训练数据，通过逻辑统一、物理分离的设计，将真实SFT数据准备任务端到端周期从约14天缩短至2.5天，提速5.6倍，手工步骤减少73.3%。

正文节选

还在为大模型洗数据熬夜？蚂蚁拿下VLDB工业最佳论文，一套宽表搞定35PB语料，效率狂飙5.6倍 蚂蚁集团推出统一宽表系统OmniTable，论文获评VLDB 2026工业赛道最佳论文 训练一个大模型之前，语料要经过解析、清洗、去重、质量评分、Token 化和样本组装。规模来到 PB 级，工程团队每天面对的不止算力账单，还有数百张表、不断增加的特征，以及少数几条就可能让整批任务重跑的异常数据。 今年的 VLDB 工业赛道最佳论文，关注的正是大模型训练中非常重要，但也常被忽视的环节——数据准备。论文《OmniTable: A Unified Wide-Table System for Petabyte-Scale LLM Data Curation and Exploration》介绍了一套由蚂蚁集团研发的统一宽表系统 OmniTable。 （图说：蚂蚁集团论文《OmniTable: A Unified Wide-Table System for Petabyte-Scale LLM Data Curation and Exploration》获评 VLDB 2026 工业赛道最佳论文，

发布时间：2026-09-02 14:20

抓取时间：2026-09-02 15:18

来源机构：量子位