上海人工智能实验室主任助理王延峰说，实中数据ChatGPT令人惊艳，文语但它对中文的模型理解还不尽人意。
9月8日，业界语料中国大模型语料数据联盟在上海又吸纳了一批新成员。合力记者 郑莹莹 摄大模型时代带来以数据为中心的充实人工智能领域新发展，但“投喂”哪些数据备受关注。中文王延峰在接受记者采访时表示，百花齐放语料数据不仅要量大，大模而且要高质量，型业“就像培养一个孩子一样，投入高质量的教育，才有高质量的‘输出’。”
对于中文语料数据的不足，他表示，中文语料数据对于大模型能力的提升至关重要，业界需要高质量的中文语料数据集。
上海蜜度信息技术有限公司(简称：蜜度)首席技术官刘益东在受访时指出，目前中国国内的大模型训练里，非常缺少高质量的中文语料数据集，“现在很多市面上的大模型主要是基于外文资料，再加上少量的中文资料，这样训练出来的大模型，对中文的理解能力以及对中文内容的生成能力是有欠缺的。”
蜜度是此次加入中国大模型语料数据联盟的9位“新成员”之一。现场，蜜度发布了包含7000多万条数据的开源中文语料数据集。
刘益东说，在大模型“百花齐放”的发展背景下，需要有一些机构或团体去做“公共建设”，去推动这个行业的发展，企业乐于加入其中。
上海市经济和信息化委员会人工智能发展处处长王志佳表示，“百模大战”不是一场零和游戏，携手并进才能把生成式人工智能真正与生产力相结合，把大模型这个“冷灶”真正“烧热”起来。
他指出，建设高质量语料库是大模型产业链的关键环节。大模型语料数据的多元供给需要多方协力、共同推进。(完)
(责任编辑：娱乐)