dclgd 发表于 2023-8-14 19:57

中国大模型语料数据联盟开源发布高质量多模态语料“书生·万卷”

继今年7月在2023世界人工智能大会发起成立“中国大模型语料数据联盟”，上海人工智能实验室（上海AI实验室）于8月14日宣布，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目前包含文本数据集、图文数据集、视频数据集三部分，本次开源的数据总量超过2TB。该语料数据包含超过5亿个文本，2200万个图文交错文档，1000个节目影像视频，具备多元融合、精细处理、价值对齐、易用高效等四大特征。

zjq613 发表于 2023-8-15 13:02

学习学习再学习！

王运成 发表于 2023-8-16 16:55

积极提供信息分享，向您学习。

gooloo 发表于 2023-11-21 17:20

感谢您的分享，好好学习，天天上涨！2023/11/21
页: [1]
查看完整版本: 中国大模型语料数据联盟开源发布高质量多模态语料“书生·万卷”