Company
DatologyAI
Pretraining data curation as a service: filtering, deduplication, and synthetic rephrasing
Overview
- Founded: 2023
- Funding: Seed $11.65M + Series A $46M (2024-05, led by Felicis), over $57.5M raised in total (company figure)
- Links: https://www.datologyai.com
This profile was compiled from the AI training-data column cards (LLM); each column's data view is shown below under "Data profile" (in Chinese).
Data profile · 大模型
DatologyAI
预训练数据策展即服务：过滤、去重与合成改写
- 数据类型
- 数据策展；合成改写；BeyondWeb
- 规模口径
- BeyondWeb 论文口径：训练最高快 7.7 倍
- 客户
- 未公开
做什么
把预训练数据策展做成服务：自动过滤、去重、选择与合成改写，客户带数据来、拿回更省 token 的训练集。名称在资料中有 DatologyAI 与 Datology 两种写法，本卡合并。
方法与口径
BeyondWeb（2025-08）为其定向改写方法；论文称相对开放网页数据训练最高快 7.7 倍、相对 Nemotron-Synth 快 2.7 倍，3B 模型用其训练超过用 cosmopedia 训练的 8B（180B token 预算）[2]。均为公司口径。改写超过 3B 后收益递减。
融资与客户
2024-05 A 轮 $4,600 万（Felicis 领投，Radical、Amplify、Elad Gil、M12、Amazon Alexa Fund 跟投）[1]。未查到 B 轮，也无公开客户名单与报价；方法见 data-rephrasing。
Last compiled: 2026-10-15