(相關資料圖)

繼今年7月在2023世界人工智能(161631)大會發(fā)起成立“中國大模型語料數據聯盟”，上海人工智能(161631)實驗室于8月14日宣布，聯合語料數據聯盟成員單位，共同開源發(fā)布“書生·萬卷”1.0多模態(tài)預訓練語料。“書生·萬卷”1.0目前包含文本數據集、圖文數據集、視頻數據集三部分，本次開源的數據總量超過2TB。該語料數據包含超過5億個文本，2200萬個圖文交錯文檔，1000個節(jié)目影像視頻，具備多元融合、精細處理、價值對齊、易用高效等四大特征。(上證報)

關鍵詞