语料数据如何赋能大模型产业发展？语料运营平台1.0在沪发布

高质量、大规模、安全可信的语料数据资源是AI时代的重要基石。高质量语料数据如何高效供给赋能大模型产业发展？

7月6日上午，2024世界人工智能大会语料主题论坛在上海举办。本次论坛以“语料筑基，智生时代”为主题，围绕高质量语料数据如何高效供给赋能大模型产业发展，向市场传递专业化、链接型、前瞻性的语料生态设计理念。

上海市政府副秘书长庄木弟出席论坛并致辞。他表示，语料数据是大模型训练的重要“燃料”，高质量的语料对于大模型在各行各业的应用十分关键，有助于大模型更好地适配实际应用场景，加快实现人工智能赋能千行百业的愿景。

在主旨演讲环节中，中国科学院院士鄂维南分享了如何将大模型方法和高性能的通用AI数据库方法相结合，来建立高效率、高准确率、低门槛、低成本的人工智能系统。人民网党委书记、董事长叶蓁蓁则分享了“基于价值对齐的模型发展与语料数据的创新供给”，他重点分享了人民网在主流价值对齐方面的实践与经验，基于多维度价值对齐体系的语料库，让大模型像人一样“有德、有趣、有序、有品、有用”。

对照最高标准、最好水平，打造世界一流的语料枢纽，实现更高效率、更高质量的语料供给，会上发布了“语料运营平台1.0”，实现了面向语料数据“采、洗、标、测、用”五位一体的工具链能力。

另外，会上，库帕思携手咪咕视频、宝信软件、复旦大学智能医学研究院、上海工创中心、汇纳科技、万达信息、DGC数传集团、文远知行、文因互联、上海电科智能、海天瑞生，集中发布了十大语料数据产品。

论坛中同时发布了金融、生命健康、教育三项行业语料术白皮书。其中，《高质量金融语料技术白皮书》聚焦银行、证券、保险、基金等行业实践，重新定义了高质量金融语料数据集的内涵和外延，形成了基于金融领域知识体系的“语料魔方”方法论；《教育人工智能大模型数据治理与共享技术白皮书》对标国内外教育数据的系列政策、标准，确立了教育行业语料数据的标准用例与价值体系，形成了一套教育AI大模型数据治理与共享技术标准；《高质量生命健康语料技术白皮书》从基础医学、药物研发、临床医学、健康管理、中医中药五个方向确立了生命健康语料库的路线图，创新了从寻源、清洗到标注、测试的工具体系。

为实现“语料数据资源共建共享”、“鼓励多元主体共同推动高水平语料数据要素建设”的目标，库帕思公司会同覆盖多模态数据资源供应、加工、应用和运营全链的近二十家企业共同发布了团体标准《语料库建设导则》。

为进一步强化语料生态全产业链各主体间的交流合作，营造有利于我国大模型产业生态健康发展的环境， 50余家单位在此次论坛上共同发起“语料生态服务大模型可持续发展倡议”，共同倡导携手为我国大模型产业发展持续提供高质量语料。