国内多数模型训练使用中文数据占比超60%

记者从国家数据局获悉：中文数据在国内大模型的训练性能提升方面发挥着重要作用。国内多数模型训练使用的中文数据占比已经超过60%，有的模型达到80%。中文高质量数据的开发和供给能力持续增强，推动我国人工智能模型性能快速提升。

在人工智能时代，Token（通常所说的词元）是处理文本的最小数据单元。国家数据局局长刘烈宏介绍，2024年初，我国日均Token的消耗量为1000亿，截至今年6月底，日均Token消耗量已经突破30万亿，1年半时间增长了300多倍，反映了我国人工智能应用规模的快速增长。

(来源:人民日报)

相关文章：

国内多数模型训练使用中文数据占比超60%08-19

科技“突围”工程智能找矿项目启动 内蒙古应用AI技术引领全国找矿突破08-15

铁路工程设计领域首个！多模态大模型赋能铁路勘察设计，让70年经验活起来08-14

开盘：美股周三高开 市场等待更多通胀数据08-13

国安机关提示：“旧手机换菜刀”可能有安全风险08-13

数据标注产业为天津服务业发展注入新动能07-28

全国航空航天模型（室内项目）锦标赛在沪开幕07-23

构筑未来发展新优势07-23