大模型刷屏“两会”，景联文科技提供高质量大模型数据

近年来，智能化变革席卷全球，2024年两会政府工作报告首次明确提出实施“人工智能+”行动，特别是大模型等先进技术，在推动产业数智化转型方面的巨大价值已经得到充分认可。

大模型的发展已成为AI领域的重要方向，数据要素作为其重要基石，共同推进智能化时代的到来。

数据的质量与数量直接影响模型性能。在深度学习、自然语言处理等领域，大模型往往需借助亿级数据样本训练，以获取更精确、泛化的知识表示。同时，数据的多样性也推动大模型适应不同场景和需求，以提升模型的通用性和实用性。

大模型的发展也促进了数据要素的深入挖掘和利用，随着大模型在各个领域的应用不断深化，人们对于数据的需求也日益增长。进一步推动了数据采集、存储、处理与分析技术的持续创新，从而实现了数据要素更为高效、精准的利用。

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。

世界知识期刊及高质量社区文本数据：

1. 高质量中文期刊
2. 中文社区文本
3. 高质量外文文献期刊
4. 英文高质量电子书
5. 英文社区文本
6. 中文数字专利
7. 英文专利

对话和逻辑：

1. 文本多轮对话（中文剧本等）
2. 文本词句扩改润、纠错校对数据（12种错误类型）
3. 英文多轮对话（英文剧本等）
4. 猜谜语/脑筋急转弯

题库：

1. K12教育题库2000万题
2. 大学职业教育题库1.3亿题
3. 高质量复杂数学题（应用题、高等数字）1000万题
4. 英文题库5000万题
5. 逻辑推理题1000万题
6. 程序示例代码（代码注释）100万篇

专业文本类数据集

金融类：

1. 金融学科书籍
2. 金融试题
3. 财务类票据
4. 公司年报、财报
5. 行业分析报告

医学类：

1. 中国医学书籍
2. 医学词典
3. 医疗门诊病例
4. 医疗住院病例

教育类：

1. K12、大学教科书
2. 教案、课件、解析、练习
3. 政务类：
4. 全国各类政策法规（数据+解读）

通用多模态数据集

音频数据：

1. 普通话(人数 200 万以上，采样率 44.1Khz 及 以上，16bit) 100万小时
2. 方言 2.7千小时
3. 图片生成及隐式/显示推理多模态数据：
4. 图文复杂描述 50万本
5. 图文推理问答对 400万本
6.  4K 高清图片 5000万张

视频生成及隐式/显示推理多模态数据：

1. 视频简单描述
2. 视频复杂描述
3. 视频推理问答对

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，赋能传统产业智能化转型升级

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。