乘数而上之AI语料新生态·行业破局继国家数据局等17部门联合印发《“数据要素x”三年行动计划(2024-2026年)》之后，中央面向公共数据开发利用的首个顶层设计文件《关于加快公共数据资源开发利用的意见》公布，构建公共数据资源开发利用“1+3”政策规则体系。
◎本报记者 陈 曦目前成熟的生成式AI模型大多基于英文数据进行训练，在国内各行各业的应用环境中，中文大模型显然更“接地气”。通过中文或英文数据训练出来的大模型，差异比较大，中文的上下文理解和语义的多解性要大于英文。
林咏华。【访谈】中国的人工智能，理所当然、天经地义地要“讲中国话”。从语言学层面说，它应该理解中国话的丰富、微妙和深刻，不应该再闹出“胸有成竹”就是胸前长出几棵竹子的笑话；而从价值观层面说，中国的人工智能应该为中国人思考、为中国人服务，这才叫作“讲中国话”。怎样才能做到这一点？
深度求索DeepSeek凭什么让马斯克点赞？独家揭秘国产大模型的破局密码一、ChatGPT神话终结者？这家中国公司正在颠覆规则2024年6月，一段视频在硅谷引发震动：DeepSeek研发的智能体在模拟联合国辩论中，用时3.2秒生成包含34个参考文献的7语种气候议案。
人工智能（AI）语料库是汇集大量来自书籍、学术文章、社交媒体等渠道的文本、图片、音频、视频数据集合，是人工智能领域研究和应用的基础数据。目前，国际主流大模型训练语料库以英文语料为主，中文语料占比不超过5%。中文人工智能语料库匮乏制约了我国大模型性能飞跃和技术创新。
据了解，ERNIE-ViLG 2.0 在文本生成图像公开权威评测集 MS-COCO 和人工盲评上均超越了 Stable Diffusion、DALL-E 2 等模型，取得了当前该领域的世界最好效果，在语义可控性、图像清晰度、中国文化理解等方面均展现出了显著优势。文心 ERNIE-ViLG 2.0: 最强中文 AI 作画大模型。
