探索高质量数据赋能大模型落地应用 上海数交所挂牌30个语料数据产品

(资料图片仅供参考)

图说：“大模型时代下的数据要素流通”主题论坛现场 来源/采访对象供图

新民晚报讯（记者 叶薇）为促进数据要素安全合规高效流通、赋能人工智能大模型创新发展，作为2023世界人工智能大会的重要组成部分，由上海数据交易所、大数据流通与交易技术国家工程实验室承办的“大模型时代下的数据要素流通”主题论坛昨天在上海世博中心举行。

上海市经济和信息化委员会信息化推进处处长钱晓介绍，2022年上海数据核心企业突破1200家，核心产业规模近3400亿元；建设了上海数据交易所，累计挂牌数据产品超1300个，率先提出数商体系，数商新业态蓬勃兴起，全国首个数据要素产业集聚区在张江启动建设。未来，将继续加强技术创新，形成行业领先的高质量语料标准操作流程和技术规范；完善组织机制，形成包括图书馆、媒体、互联网平台、大数据企业等在内的核心数据伙伴群；做好评估机制，加快构建高质量数据集的评价指标体系。

论坛透露，语料库建设是一件长期性、专业性的工作，需要遵循相应的质量标准和规范，并保持持续更新和扩充，以适应大模型发展的新需求和新挑战。上海数交所官网已经于7月7日正式上线语料库，累计挂牌近30个语料数据产品，包含文本、音频、图像等多模态，覆盖金融、交通运输和医疗等领域。

为更好打造高质量语料库、围绕语料数据共建数商生态，上海数交所牵头发起语料数据生态创新合作伙伴计划，携手首批合作伙伴上海人工智能实验室、商汤科技、中国知网、澜舟科技、OpenKG、拓尔思、新致和蜜度正式启动该计划，积极引导不同行业、不同领域、具有一定规模的高质量语料数据产品挂牌交易，推动人工智能大模型技术创新与应用落地，进一步丰富语料库多样性，助力数据要素市场建设。

上海数交所总经理汤奇峰表示，语料库采购已经在不少大模型企业成本中占据重要比重，上海数交所希望以市场配置的方式组织数据要素推动语料库建设。上海数交所建设语料库主要考虑两个维度，一是语料库的质量，另一个是语料库的开放程度。“比如有的企业具有海量高质量数据资源，开放意愿度也很高，但需要组织大量社会第三方企业帮助组织相关的大模型训练，我们针对四类数据产品开发情况不同、实际需求不同的供方企业制定了差异化工作策略，着力打造语料数据生态。”