3月25日,2024年中国发展高层论坛年会上,国家数据局局长刘烈宏在“释放数据要素价值,助力可持续发展”的演讲中表示,中国10亿参数规模以上的大模型数量已超100个。
当前,国内AI大模型发展仍面临诸多困境。其中,较为突出的就是高质量数据集的匮乏,这极大阻碍了大模型效果提升。特别是专业的行业应用数据集,其获取难度更大,这导致大模型可使用的数据量受到限制,进而对大模型效果形成阻碍。
景联文科技是大语言模型数据供应商,致力于为不同阶段的模型算法匹配高质量数据资源。
世界知识类书籍、期刊、论文及高价值社区文本数据:
l中文书籍 250万本
l高质量外文文献期刊 8500万篇
l英文高质量电子书 200万本
教育题库:
l千12教育题库 1800万
l大学题库 1.1亿,800万带解析
l英文题库 500万
专业知识类期刊、专利、代码:
l中文数字专利 4000万
l程序代码(代码注释) 20万
多轮对话:
l文本多轮对话 1500万
l中英文剧本(电影、电视剧、剧本杀) 6万
音频数据:
l普通话 65万小时
图片生成及隐式/显示推理多模态数据:
l图文复杂描述 600万
l图文推理问答对 600万
生物数据:
l核酸库4000万
l蛋白库50万
l蛋白结构库 19万
l通路库 1000万
l生信工具
药学数据:
l药物研发数据库 1300万
l全球上市数据库 80万
l一致性评价数据库 25万
l生产检验数据库 40万
l合理用药 300万
l多维文献 1亿
l原料药数据库 1100万
化学数据:
l化合物数据库 1.6亿
l反应信息数据库 4100万
l物化性质数据库 1.6亿
l谱图数据库 20万
l晶体信息数据库 100万
l安全信息数据库 180万
l商品信息数据库 740万
材料数据:
l金属材料数据 20万
l纳米材料数据 30万
l相图数据 6万
l材料性能数据 20万
l材料腐蚀数据
l表面处理数据
l焊接材料数据
专利数据:
l全球专利基础著录数据 1.3亿
l全球专利原文数据 1亿
l全球专利附图数据
l全球专利法律状态数据
l全球专利法律状态数据
l全球专利引文数据
l全球专利分类索引数据
l全球专利重点申请人工商关联数据
l全球生化医药专利深加工数据
l全球专利全文数据
医疗器械数据:
l国内政策法规数据 3千
l行业标准数据
l中国医疗器械审评数据 20万
l中国医械临床试验数据 5千
l全球医械临床试验数据 7万
l医用耗材中标数据 1400万
l医用耗材带量采购数据 400万
l医用设备招投标数据38万
景联文科技|数据采集|数据标注|大语言模型训练数据
助力人工智能技术,赋能传统产业智能转型升级
文章图文著作权归景联文科技所有,商业转载请联系景联文科技获得授权,非商业转载请注明出处。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.