中國發布 120GB「中文互聯網基礎語料 4.0」，需經認證下載供大模型訓練

據報導，中國網路空間安全協會於 9 月 15 日的國家網路安全宣傳周論壇上，正式發布「中文互聯網基礎語料 4.0」。該資料集總容量為 120GB，旨在為大模型訓練與 AI 發展提供可信的資料支撐。 此語料庫由中國網路空間安全協會、國家互聯網應急中心，會同百度、中科聞歌、開普雲、拓爾思、科大訊飛與知乎等單位共同彙整與加工處理。目前資料已於「中文互聯網語料資源平台」上線，使用者須至協會官網完成註冊與認證程序，方可下載或聯繫取得相關資料。