中文互聯(lián)網(wǎng)語料3.0發(fā)布：120GB數(shù)據(jù)，大模型訓(xùn)練新助力
2025年9月18日，在昆明召開的2025年國(guó)家網(wǎng)絡(luò)安全宣傳周人工智能安全治理分論壇上，中文互聯(lián)網(wǎng)基礎(chǔ)語料3.0正式向社會(huì)發(fā)布。這一版本由中央網(wǎng)信辦相關(guān)部門指導(dǎo)，中國(guó)網(wǎng)絡(luò)空間安全協(xié)會(huì)聯(lián)合國(guó)家互聯(lián)網(wǎng)應(yīng)急中心等單位共同完成，標(biāo)志著我國(guó)高質(zhì)量中文語料資源建設(shè)邁入新階段。
中文互聯(lián)網(wǎng)基礎(chǔ)語料3.0的發(fā)布，是繼1.0和2.0版本之后的重要進(jìn)展。項(xiàng)目依托中國(guó)網(wǎng)絡(luò)空間安全協(xié)會(huì)人工智能安全治理專委會(huì)建立的語料共建共享機(jī)制，匯聚企業(yè)、高校和科研單位的多方力量，通過系統(tǒng)性協(xié)作形成高質(zhì)量可信數(shù)據(jù)資源。在數(shù)據(jù)處理方面，項(xiàng)目團(tuán)隊(duì)實(shí)施了嚴(yán)格的信源篩選、內(nèi)容過濾與數(shù)據(jù)去重等措施，確保語料的可靠性、合規(guī)性與可用性。
本批語料規(guī)模達(dá)到120GB，較此前版本進(jìn)一步擴(kuò)大了優(yōu)質(zhì)中文網(wǎng)站的信源范圍，并加強(qiáng)了對(duì)違法及不良信息的過濾力度。這些語料覆蓋廣泛的中文互聯(lián)網(wǎng)內(nèi)容，包括新聞、百科、論壇、學(xué)術(shù)文本等多種類型，具有良好的多樣性和代表性，可為大語言模型訓(xùn)練、自然語言處理研究及人工智能應(yīng)用開發(fā)提供重要基礎(chǔ)資源。
高質(zhì)量語料對(duì)人工智能發(fā)展具有關(guān)鍵支撐作用。當(dāng)前，以大模型為代表的人工智能技術(shù)迅猛發(fā)展，其性能高度依賴于訓(xùn)練數(shù)據(jù)的規(guī)模與質(zhì)量。缺乏優(yōu)質(zhì)、可信、多樣化的語料，可能導(dǎo)致模型產(chǎn)生偏見、錯(cuò)誤或有害輸出。中文互聯(lián)網(wǎng)基礎(chǔ)語料3.0的發(fā)布，有助于緩解當(dāng)前中文語料資源相對(duì)不足的問題，推動(dòng)大模型技術(shù)更加健康、可控地發(fā)展。
用戶可通過中國(guó)網(wǎng)絡(luò)空間安全協(xié)會(huì)官方網(wǎng)站（https://www.cybersac.cn/newhome）訪問“中文互聯(lián)網(wǎng)語料資源平臺(tái)”，完成注冊(cè)與認(rèn)證流程后即可下載相關(guān)語料。這一開放舉措有助于促進(jìn)學(xué)術(shù)研究、行業(yè)創(chuàng)新和產(chǎn)業(yè)協(xié)作，進(jìn)一步推動(dòng)人工智能生態(tài)共建。
中國(guó)網(wǎng)絡(luò)空間安全協(xié)會(huì)負(fù)責(zé)人表示，語料3.0是多方協(xié)同推進(jìn)高質(zhì)量中文數(shù)據(jù)資源建設(shè)的重要成果，未來協(xié)會(huì)將繼續(xù)聯(lián)合國(guó)家互聯(lián)網(wǎng)應(yīng)急中心及各行業(yè)機(jī)構(gòu)，持續(xù)加強(qiáng)語料資源的建設(shè)、更新與優(yōu)化，為人工智能技術(shù)創(chuàng)新與產(chǎn)業(yè)落地提供更加堅(jiān)實(shí)的支撐。
總體來看，中文互聯(lián)網(wǎng)基礎(chǔ)語料3.0的發(fā)布，不僅擴(kuò)充了高質(zhì)量語料規(guī)模，也體現(xiàn)出我國(guó)在人工智能治理與數(shù)據(jù)基礎(chǔ)建設(shè)方面的系統(tǒng)性努力。隨著此類資源的不斷豐富與開放，預(yù)計(jì)將有效助力中文大模型的訓(xùn)練與優(yōu)化，推動(dòng)人工智能技術(shù)向著更安全、更可靠的方向發(fā)展。
（注：本文在資料搜集、框架搭建及部分段落初稿撰寫階段使用了 AI 工具，最終內(nèi)容經(jīng)人類編輯核實(shí)事實(shí)、調(diào)整邏輯、優(yōu)化表達(dá)后完成。）
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
