每經(jīng)記者 可楊    每經(jīng)編輯 文多    

7月27日，海天瑞聲宣布正式推出「中文千萬輪對話語料庫DOTS-NLP-216」。

海天瑞聲方面分析認(rèn)為，當(dāng)前在中文對話領(lǐng)域，公開的數(shù)據(jù)集往往量少、分布有偏、價格昂貴甚至不能商用。導(dǎo)致一些大模型在中文對話方面的能力，相比英文對話略遜一籌。尤其是在一些需要比較深的中文語言理解能力的對話場景，無論開源的還是閉源的大模型，都往往表現(xiàn)不佳。

海天瑞聲方面表示，真實場景采集，符合中文表達(dá)習(xí)慣的自然對話數(shù)據(jù)，將為中文大語言模型（LLM）帶來新動能。

據(jù)海天瑞聲方面介紹，此次發(fā)布的數(shù)據(jù)集，是一個符合中國人表達(dá)習(xí)慣的自然對話數(shù)據(jù)集，共計約1000萬輪，上億級token（標(biāo)記）。

此前，海天瑞聲發(fā)布公告稱，擬定增募資不超過7.9億元，其中，3.83億元計劃用于“AI大模型訓(xùn)練數(shù)據(jù)集建設(shè)項目”，4.07億元計劃投向“數(shù)據(jù)生產(chǎn)垂直大模型研發(fā)項目”。

海天瑞聲在公告中表示，在人工智能產(chǎn)業(yè)進(jìn)入以大模型為代表的新的發(fā)展時期，通過本次募投項目的實施，公司將建設(shè)一批適用性較強(qiáng)的大模型訓(xùn)練數(shù)據(jù)集，拓展?jié)撛诟咴鲩L價值的新型業(yè)務(wù)板塊，并藉此進(jìn)一步擴(kuò)大公司業(yè)務(wù)規(guī)模；同時，以研發(fā)海天瑞聲數(shù)據(jù)生產(chǎn)垂直大模型為核心，升級海天瑞聲一體化技術(shù)支撐平臺，研發(fā)并引入多項新興技術(shù)，促進(jìn)公司科技創(chuàng)新水平的不斷提升，鞏固公司的核心技術(shù)壁壘，構(gòu)建長期技術(shù)實力支撐，從而進(jìn)一步增強(qiáng)公司核心競爭力。