(資料圖)
中新網(wǎng)上海9月8日電 (記者 鄭瑩瑩)中國大模型語料數(shù)據(jù)聯(lián)盟8日又吸納了一批新成員，來充實適用于大模型的中文語料數(shù)據(jù)。中國大模型語料數(shù)據(jù)聯(lián)盟由上海人工智能實驗室、中國科學技術(shù)信息研究所等單位在今年的世界人工智能大會上聯(lián)合發(fā)起成立，致力建設開放型的大模型語料數(shù)據(jù)生態(tài)圈。
上海人工智能實驗室主任助理王延峰說，ChatGPT令人驚艷，但它對中文的理解還不盡人意。
9月8日，中國大模型語料數(shù)據(jù)聯(lián)盟在上海又吸納了一批新成員。中新網(wǎng)記者 鄭瑩瑩 攝大模型時代帶來以數(shù)據(jù)為中心的人工智能領(lǐng)域新發(fā)展，但“投喂”哪些數(shù)據(jù)備受關(guān)注。王延峰在接受記者采訪時表示，語料數(shù)據(jù)不僅要量大，而且要高質(zhì)量，“就像培養(yǎng)一個孩子一樣，投入高質(zhì)量的教育，才有高質(zhì)量的‘輸出’?！?/p>
對于中文語料數(shù)據(jù)的不足，他表示，中文語料數(shù)據(jù)對于大模型能力的提升至關(guān)重要，業(yè)界需要高質(zhì)量的中文語料數(shù)據(jù)集。
上海蜜度信息技術(shù)有限公司(簡稱：蜜度)首席技術(shù)官劉益東在受訪時指出，目前中國國內(nèi)的大模型訓練里，非常缺少高質(zhì)量的中文語料數(shù)據(jù)集，“現(xiàn)在很多市面上的大模型主要是基于外文資料，再加上少量的中文資料，這樣訓練出來的大模型，對中文的理解能力以及對中文內(nèi)容的生成能力是有欠缺的?！?/p>
蜜度是此次加入中國大模型語料數(shù)據(jù)聯(lián)盟的9位“新成員”之一?，F(xiàn)場，蜜度發(fā)布了包含7000多萬條數(shù)據(jù)的開源中文語料數(shù)據(jù)集。
劉益東說，在大模型“百花齊放”的發(fā)展背景下，需要有一些機構(gòu)或團體去做“公共建設”，去推動這個行業(yè)的發(fā)展，企業(yè)樂于加入其中。
上海市經(jīng)濟和信息化委員會人工智能發(fā)展處處長王志佳表示，“百模大戰(zhàn)”不是一場零和游戲，攜手并進才能把生成式人工智能真正與生產(chǎn)力相結(jié)合，把大模型這個“冷灶”真正“燒熱”起來。
他指出，建設高質(zhì)量語料庫是大模型產(chǎn)業(yè)鏈的關(guān)鍵環(huán)節(jié)。大模型語料數(shù)據(jù)的多元供給需要多方協(xié)力、共同推進。(完)
