高質量、大規模、安全可信的語料數據資源是AI時代的重要基石。高質量語料數據如何高效供給賦能大模型產業發展？

7月6日上午，2024世界人工智能大會語料主題論壇在上海舉辦。本次論壇以“語料筑基，智生時代”為主題，圍繞高質量語料數據如何高效供給賦能大模型產業發展，向市場傳遞專業化、鏈接型、前瞻性的語料生態設計理念。

上海市政府副秘書長莊木弟出席論壇并致辭。他表示，語料數據是大模型訓練的重要“燃料”，高質量的語料對于大模型在各行各業的應用十分關鍵，有助于大模型更好地適配實際應用場景，加快實現人工智能賦能千行百業的愿景。

在主旨演講環節中，中國科學院院士鄂維南分享了如何將大模型方法和高性能的通用AI數據庫方法相結合，來建立高效率、高準確率、低門檻、低成本的人工智能系統。人民網黨委書記、董事長葉蓁蓁則分享了“基于價值對齊的模型發展與語料數據的創新供給”，他重點分享了人民網在主流價值對齊方面的實踐與經驗，基于多維度價值對齊體系的語料庫，讓大模型像人一樣“有德、有趣、有序、有品、有用”。

對照最高標準、最好水平，打造世界一流的語料樞紐，實現更高效率、更高質量的語料供給，會上發布了“語料運營平臺1.0”，實現了面向語料數據“采、洗、標、測、用”五位一體的工具鏈能力。

另外，會上，庫帕思攜手咪咕視頻、寶信軟件、復旦大學智能醫學研究院、上海工創中心、匯納科技、萬達信息、DGC數傳集團、文遠知行、文因互聯、上海電科智能、海天瑞生，集中發布了十大語料數據產品。

論壇中同時發布了金融、生命健康、教育三項行業語料術白皮書。其中，《高質量金融語料技術白皮書》聚焦銀行、證券、保險、基金等行業實踐，重新定義了高質量金融語料數據集的內涵和外延，形成了基于金融領域知識體系的“語料魔方”方法論；《教育人工智能大模型數據治理與共享技術白皮書》對標國內外教育數據的系列政策、標準，確立了教育行業語料數據的標準用例與價值體系，形成了一套教育AI大模型數據治理與共享技術標準；《高質量生命健康語料技術白皮書》從基礎醫學、藥物研發、臨床醫學、健康管理、中醫中藥五個方向確立了生命健康語料庫的路線圖，創新了從尋源、清洗到標注、測試的工具體系。

為實現“語料數據資源共建共享”、“鼓勵多元主體共同推動高水平語料數據要素建設”的目標，庫帕思公司會同覆蓋多模態數據資源供應、加工、應用和運營全鏈的近二十家企業共同發布了團體標準《語料庫建設導則》。

為進一步強化語料生態全產業鏈各主體間的交流合作，營造有利于我國大模型產業生態健康發展的環境， 50余家單位在此次論壇上共同發起“語料生態服務大模型可持續發展倡議”，共同倡導攜手為我國大模型產業發展持續提供高質量語料。