北京数智有为科技有限公司

“数智有为—高质量、权威大模型中文报纸语料库”是一款面向未来，结合来自权威报纸媒体的可靠内容、大模型、数字人、AIGC技术，旨在为通用大模型机构的训练提供高质量语料库，并为大学图书馆及公共图书馆、科研机构、竞争情报分析及政策研究者提供高效阅读检索分析的数据智能服务。产品背景人工智能是发展新质生产力的重要引擎、是引领未来的战略性技术。大模型的发展遵循规模增长定律，即算力、数据等资源的规模越大、质量越高，大模型的智能水平就越强，高质量的数据集对于大模型企业的发展至关重要。面对大模型对高质量数据集的迫切需求，北京数智有为科技有限公司充分发挥数据资源丰富、人工智能技术发展领先的优势，开展了数据基础获取、积累、管理和挖掘的有益探索。经过多年的技术探索和数据积累，于2024年4月23日正式上线的人工智能大模型语料库包含来自权威报纸媒体经过三审三校的高质量数据，内容为党政类、事实类时事报道、公告类报纸新闻为主，数据源不涉及需要获取第三方授权的内容，全部可溯来源，经过精准标引，横向覆盖近千种报纸内容，纵向回溯三十余年历史数据，数据集容量高达100TB，其中纯文本数据容量1TB，可为大模型训练机构、大学图书馆及公共图书馆、科研机构、竞争情报分析、政策研究者提供高效阅读及检索分析的数据智能服务。