7月8日，在由上海数据交易所、大数据流通与交易技术国家工程实验室承办的“大模型时代下的数据要素流通”主题论坛上，上海数交所总经理汤奇峰作题为“大模型时代下的语料库”的主旨演讲，带来关于国内语料库建设挑战的观察，并从语料库质量和开放程度两个维度给出建设建议。
汤奇峰认为大模型时代下的语料库建设存在语料库供给不足、语料库质量不高、语料库多样性匮乏、语料库标准欠缺等问题。
“语料库建设不是单一企业的责任，需要多方共同推进，如果每个企业都单独建设维护语料库，会拉低效率，也会增加企业成本，数交所希望通过自己的努力加强数据要素建设提升语料库建设效率。”汤奇峰说。
(相关资料图)
当天活动上，上海数交所正式启动语料数据生态创新合作伙伴计划，携手首批合作伙伴丰富语料库，推动数据要素市场建设。
关于语料库建设的挑战，汤奇峰认为主要集中于开放程度和数据质量两方面：“能否有大模型企业所需的高质量语料？目标对象愿不愿意开放数据？”由此，汤奇峰指出可以根据开放程度强弱和数据质量高低将语料数据生态机构分出四类供方。
上海数据交易所语料库为这四类供方制定差异化工作策略。汤奇峰建议可以从政府引导市场主导、丰富种类提高质量、统一标准规范建设、加强监管保障安全、加强监管保障安全四个方向建设大模型时代下的语料库。
汤奇峰指出，针对数据质量高但开放程度低的供方，可以通过数据交易链有效破解语料数据流通的信任问题，“核心之一在于产权和参与大模型后的收益分配问题。”
此外，上海数据交易所语料库还将提供特色标签服务体系、挖掘应用场景价值、驱动稀缺数据开放流通以提高该类供方开放数据积极性。
针对开放程度高但数据质量低的机构，上海数交所语料库则通过搭建专业化数商服务渠道提高数据质量。
汤奇峰介绍，上海数交所在建设语料库时考虑的两个维度与数交所对企业数据发展进程四个阶段的观察密切相关。对于这四个阶段，汤奇峰解释，第一个阶段是企业数据自产自用阶段。随着企业数据的内部供给有限时，企业数据需求逐步转向外部，进入到第二阶段，在该阶段，大平台和大企业通过资本纽带在体系内部形成数据流通。到了第三个阶段，企业累积的数据将开放给整个行业，产业内形成标准。第四个阶段，数据使用在资产化过程中会产生新的更高阶业态。
汤奇峰说：“语料库采购已经在不少大模型企业成本中占据重要比重，上海数交所希望以市场配置的方式组织数据要素推动语料库建设。”
上海数交所官网已经于7月7日正式上线语料库，累计挂牌近30个语料数据产品，包含文本、音频、图像等多模态，覆盖金融、交通运输和医疗等领域。
（文章来源：证券时报网）
-
金都城：黄金开启三浪下跌反弹仍是高空，原油将继续走强在一系列强势经济数据支持下，９月８日，也就是本周周五ＩＣＥ美元指数 -
阿根廷tini（史蒂芬说：阿根廷70万人请愿）阿根廷球迷杀人诛心了，哈哈！不甘心的法国人，20万人在网上签名请愿， -
突发！日媒：日本外相访问乌克兰，系俄乌冲突爆发以来首次日本外相首次访乌克兰，支持其抵御俄罗斯入侵。 -
西安多区通知：9月9日10点开始预约HPV疫苗新一波的HPV疫苗预约来了!9月9日(星期六)上午10:00，雁塔区、新城区、 -
坤鹏论：读《形而上学》 学习亚里士多德的第一哲学（16）真正有本事的是疏，而非堵与禁。——坤鹏论第一卷第六章（二）原文：而 -
茶和咖啡(关于茶和咖啡简述)，你们好，今天0471房产来聊聊一篇和咖啡，和咖啡简述的文章,网友们对 -
如何下载豆丁网（豆丁下载器）来为大家解答以上问题，如何下载豆丁网，豆丁下载器很多人还不知道，现 -
逾5千家上市公司披露年报，235家公司被出具非标审计意见逾5千家上市公司披露年报，235家公司被出具非标审计意见,年报,非标,证
-
“讲好山东政法故事”创意传播大赛暨“我的政法故事”征文优秀作品展示举行海报新闻记者丛萍济南报道9月8日下午，忠诚的力量——“讲好山东政法故 -
因控股股东非经营性资金占用触及违规 ST天顺及控股股东、实控人等相关责任人遭深交所通报批评深交所9月8日向ST天顺及控股股东舟山天顺股权投资有限公司，控股股东关 -
曼联女足首任主帅是曾入狱的恋童癖，但曼联仍邀他参加俱乐部活动曼联女足首任主帅是曾入狱的恋童癖，但曼联仍邀他参加俱乐部活动,英超, -
房地产收并购市场热度回升 八月交易额明显增长房地产收并购市场8月热度回升显著，企业正在加快处置资产回笼资金。根 -
合肥一中学班主任向学生推销教辅材料 校方：行为错误，已纠正合肥一中学班主任向学生推销教辅材料 【合肥一中学班主任向学生推销40 -
五根手指各叫什么名字_五根手指分别叫什么1、拇指、食指、中指、无名指、小指。本文到此讲解完毕了，希望对大家 -
幸福蓝海9月8日快速反弹以下是幸福蓝海在北京时间9月8日13:41分盘口异动快照：  9月 -
2开双控开关接线图解（2开）1、2开纸的尺寸是:530mm×760mm不过既然是学校发的就可以就用那个啊。 -
南通向全市教育工作者发放“江海尊师卡”本报讯（记者王艳芳）为弘扬尊师重教的传统美德，充分凸显对广大教师群
-
深入分布式一致性：Raft 和 etcdRaft分布式一致性是构建可靠的分布式系统的关键要素之一。为了确保数据的一 -
北交所总经理隋强：打造资本市场改革试验田 北交所进入高质量建设2.0版本9月7日，北交所联合北京市地方金融监管局、市科委中关村管委会、市经信 -
阿维塔12重磅来袭！比极氪001更酷炫由长安汽车、华为科技以及宁德时代三家巨头共同鼎力打造的阿维塔,在市 -
厚普股份（300471）8月31日主力资金净买入1221.10万元截至2023年8月31日收盘，厚普股份(300471)报收于13 47元，上涨2 51%， -
文昌航天发射场规划建设新一代载人登月火箭发射工位记者8月31日从文昌航天发射场获悉，目前该发射场正在规划建设新一代载
-
西安警方捣毁特大“网络水军”团伙 125人被采取刑事强制措施虚假信息、诽谤攻击、非法推广、恶评去势、操控扰乱网上舆论秩序，“网 -
广西自贸试验区加快构建面向东盟跨境产业链供应链【东盟专线】广西自贸试验区加快构建面向东盟跨境产业链供应链中新社南 -
福晟国际上半年收入1.88亿元 筹集新借贷0元观点网讯：8月31日，福晟国际控股集团有限公司发布了截至2023年6月30日 -
2023暑期档票房206.08亿2023暑期档票房206 08亿：格隆汇8月31日｜据灯塔专业版，截至8月31日21 -
婚礼现场布置设计（婚礼现场布置）精选小编来为大家解答以上问题。婚礼现场布置设计，婚礼现场布置很多人 -
福州楼市限购再松绑 “本地户籍+市区”成为政策亮点为更好满足居民刚性和改善性住房需求，促进房地产市场平稳健康发展，8
-
NH4CL的电子式和结构式（nh4cl的电子式）1、nh4+中的n的其中一对孤对电子也h形成配位键，表示为n→h，其他的就 -
镇江67个乡镇（街道）全部建立应急办 将应急管理的触角延伸到基层末梢“本次培训会议，住宿3人及以上的‘三合一’场所要通知到位、派人参加