中文互联网基础语料 4.0 发布：数据量 120GB，为大模型训练和 AI 发展提供可信数据支撑

中文互联网基础语料 4.0 在济南举办的人工智能安全治理分论坛上正式发布，数据规模达到 120GB，目前已在“中文互联网语料资源平台”上线供用户下载使用。

该语料库由中央网信办指导，中国网络空间安全协会联合国家互联网应急中心，以及百度、中科闻歌、科大讯飞、知乎等多家企业和机构共同构建，旨在为人工智能大模型训练提供高质量、可信的中文数据支撑。

高质量语料是大模型提升理解能力与知识储备的核心基础。随着国内大模型研发进入深水区，优质且合规的中文数据资源日益稀缺，该基础语料的发布有助于缓解中文语料短缺问题，并提升本土模型在中文语境下的表现。

从行业影响来看，官方机构与头部科技企业联合推动可信语料建设，不仅为大模型研发提供了数据保障，也有助于规范 AI 训练数据的合规性与安全性，推动人工智能产业健康有序发展。

本站展示内容为基于公开信息的资讯解读与整理，不代表原文转载。如需核实细节或获取完整报道，请通过下方链接访问原始来源。