热点分析：上海人工智能实验室发布多模态语料

　　【导读】天津华图天津公务员考试网同步人民网发布：热点分析：上海人工智能实验室发布多模态语料,详细信息请阅读下文！如有疑问请电话咨询图小乔：16602676507（微信同号），更多资讯请关注天津华图微信公众号(tjhuatu)。

　　本报上海8月15日电(记者沈文敏)近日，上海人工智能实验室宣布联合语料数据联盟成员单位，共同开源发布“书生·万卷”1.0多模态预训练语料。

　　“书生·万卷”1.0集合了语料数据联盟成员丰富的内容积累与上海人工智能实验室的数据处理能力等优势，将为学术界及产业界提供高质量大模型多模态预训练语料。本次开源的数据总量超过2TB，具备多元融合、精细处理、价值对齐、易用高效等四大特征。

　　本次开源的“书生·万卷”1.0包含文本、图文、视频三部分数据集。其中文本数据来自网页、百科、书籍、专利、教材、考题等，数据总量超过5亿个文档，数据大小超过1TB，覆盖科技、文学、媒体、教育、法律等多个领域;图文数据主要来自公开网页，经处理后形成图文交错文档，总量超过2200万个，数据大小超过140GB(不含图片)，覆盖新闻事件、人物、自然景观、社会生活等多个领域;视频数据主要来自中央广播电视总台和上海文广集团，包含新闻、影视等多种类型的节目影像，总计视频文件数超过1000个，数据大小超过900GB，内容覆盖军事、文艺、体育、自然、知识、影像艺术等方面。

　　《 人民日报 》( 2023年08月16日 12 版)

　　文章来源：http://finance.people.com.cn/n1/2023/0816/c1004-40057343.html

联系方式

活动推荐

热门课程

天津华图微信客服

微信客服：长按识别，添加小图

验证信息：2023市考

备考有疑问，专业客服答疑

天津华图微信公众号

微信公众号：长按识别，扫码关注

每日更新考试资讯及备考活动

• 职位检索|快速查看职位信息，检索岗位
• 小白必看|1元天津省考敲重点礼包
• 备考教材|天津市考备考教材6本套
• 图书题库|公务员必刷10000题18本
• 备考资料|2022天津公务员菁英智胜班

考点诊断班|2022天津公务员考点诊断班 系统提分班|2022天津公务员系统提分班 菁英智胜班|2022天津公务员菁英智胜班 公考36计|2022年公务员考试三十六计 面授课程|2022天津公务员笔试面授课程